Une IA de Caltech prévoit les points de bascule du climat

Des chercheurs du Caltech, en collaboration avec l’Université du Colorado à Boulder et NVIDIA, montrent qu’un modèle d’intelligence artificielle peut anticiper des points de bascule, ces seuils critiques au-delà desquels un système entre dans un état nouveau et souvent irréversible. L’étude, publiée dans Proceedings of the National Academy of Sciences, porte sur la prédiction de transitions brutales dans des modèles simplifiés de climat et d’écoulement d’air autour d’une aile d’avion. Le travail s’appuie sur un réseau de neurones particulier appelé opérateur neuronal récurrent, ou RNO. Contrairement aux modèles classiques qui supposent que les lois physiques restent stables au fil du temps, le RNO dispose d’une mémoire capable de suivre leur évolution. Cette capacité est essentielle pour prévoir des bascules, car ces événements surviennent lorsque les conditions de départ ne sont plus suffisantes pour ramener le système à son état initial. Dans le cas du climat, l’équipe a étudié un scénario de perte rapide des nuages bas au-dessus des océans sous l’effet de l’augmentation du dioxyde de carbone. Un tel mécanisme accentuerait le réchauffement planétaire en laissant passer davantage d’énergie solaire. Sur des données simulées, le modèle a détecté le point de bascule plus de deux ans avant qu’il ne se produise, avec une marge d’erreur d’environ onze jours. Cette avancée repose sur une idée simple: quand les prédictions issues de la physique apprise par le réseau ne suivent plus les règles habituelles, le système se rapproche probablement d’une transition majeure. Autrement dit, l’IA ne cherche plus seulement à prévoir l’évolution normale du système, mais à repérer le moment où cette évolution devient anormale et non réversible. Le RNO a également été testé sur la simulation d’un écoulement d’air autour d’une aile en mouvement. Les ingénieurs savent que l’écoulement peut rester stable pendant longtemps avant de basculer brusquement, par exemple en cas de décrochage. Là encore, le modèle a réussi à annoncer le point de bascule avant son occurrence. Les auteurs estiment que cette capacité pourrait aider à concevoir des aéronefs plus sûrs, en prévoyant des comportements aérodynamiques difficiles à détecter à l’avance. Cette étude est notable parce qu’elle sort l’intelligence artificielle du cadre traditionnel de la prévision météo, qui repose sur des systèmes relativement stables d’un jour à l’autre. En revanche, lorsque le climat change lentement mais durablement, les données passées ne suffisent plus à elles seules à anticiper l’avenir. L’apport du RNO est d’intégrer l’évolution des lois physiques dans le processus de prédiction lui-même. Au-delà du climat et de l’aéronautique, les chercheurs voient des applications possibles dans l’écologie, l’épidémiologie et d’autres domaines où des systèmes complexes peuvent connaître des transitions soudaines. L’enjeu reste toutefois modeste à ce stade: les résultats portent sur des modèles simplifiés, non sur le climat réel ou des appareils en vol. Ils posent néanmoins un cadre prometteur pour prévoir, un jour, des bascules majeures avant qu’elles ne deviennent irréversibles.