Une équipe de chercheurs du Centre Helmholtz de géosciences de Potsdam (GFZ), dirigée par le Dr Sadegh Karimpouli et la Prof Patricia Martínez-Garzón, a développé une nouvelle approche fondée sur l'apprentissage automatique non supervisé pour repérer des signaux sismiques cachés précédant les grands séismes. Publiée dans Nature Communications, cette étude marque un tournant en analysant non plus les tremblements de terre individuellement, mais comme des groupes d'événements interactifs. Cette méthode permet d'identifier la manière dont les contraintes s'accumulent dans la croûte terrestre avant une rupture majeure. En appliquant leur modèle à plusieurs séismes historiques bien documentés, les chercheurs ont identifié des schémas caractéristiques apparaissant plusieurs semaines ou mois avant le choc principal. L'analyse s'est révélée concluante pour les séismes de Kahramanmaraş en Turquie (2023), d'Iquique au Chili (2014) et de L'Aquila en Italie (2009). Dans ces cas précis, une transition vers un état critique a été détectée, marquée par un regroupement accru des séismes, une focalisation spatiale et temporelle renforcée et une libération accélérée de l'énergie sismique. Ces indicateurs signalent que la faille approche une phase d'instabilité. Cependant, la méthode révèle aussi ses limites intrinsèques. Lorsqu'elle a été testée sur les séismes de Noto au Japon (2024) et d'Amatrice en Italie (2016), aucun signal préparatoire clair n'a été observé. Les auteurs expliquent que cette variabilité dépend fortement de la complexité géologique locale et de la nature des failles. Certains segments crustaux peuvent céder sans émettre de signes avant-coureurs détectables par les réseaux de surveillance actuels. Cette hétérogénéité confirme qu'une prévision déterministe et universelle des séismes demeure impossible. Malgré ces réserves, l'approche présente un potentiel opérationnel significatif pour les systèmes de surveillance. En intégrant continuellement de nouvelles données au fur et à mesure qu'elles sont enregistrées, l'algorithme peut identifier en temps réel toute déviation par rapport au comportement sismique habituel d'une région. Ce changement de régime pourrait alerter sur une montée de la criticité du système de failles. Les chercheurs insistent sur le fait que cette technologie ne vise pas à prédire l'heure exacte d'un séisme, mais à fournir un outil robuste pour surveiller l'évolution des contraintes crustales et affiner les modèles de prévision. Les travaux futurs, soutenus par le projet ERC QUAKEHUNTER, viseront à intégrer ces algorithmes directement dans les centres de contrôle et à comprendre pourquoi certains séismes génèrent des signaux clairs tandis que d'autres restent silencieux.