Une nouvelle étude dirigée par A. Köhler et son équipe démontre que l’intelligence artificielle peut significativement améliorer la détection des signaux sismiques faibles en analysant les données provenant de réseaux de capteurs. Alors qu’un seul sismomètre s’avère souvent insuffisant pour distinguer avec fiabilité les tremblements de terre des activités humaines souterraines comme les essais nucléaires, la combinaison de lectures provenant de plusieurs capteurs dispersés offre une bien meilleure confiance analytique. L’IA surpasse les méthodes classiques en traitant ces données multiples de manière plus efficace. Pour mener à bien cette recherche, les scientifiques se sont appuyés sur trente ans de relevés fournis par la fondation de recherche norvégienne NORSAR et d’autres opérateurs. Ils ont entraîné un modèle d’apprentissage automatique selon trois approches distinctes. La première consistait à entraîner le modèle sur les données d’une station individuelle avant de fusionner les résultats. La deuxième regroupait les signaux issus de plusieurs capteurs d’un même réseau avant l’entraînement. La troisième alimentait le modèle avec l’ensemble des données de toutes les stations et lui laissait le soin de déterminer la méthode de combinaison optimale. Les résultats ont révélé que la deuxième approche, qui précombinaît les signaux, offrait la précision la plus élevée en amplifiant les signaux les plus ténus. La troisième méthode s’est avérée la plus efficace sur le plan computationnel, offrant un équilibre optimal entre précision et rapidité. Cette dernière est donc recommandée pour la surveillance en temps réel, tandis que les deux autres conviennent davantage aux analyses nécessitant plus de temps de traitement. Malgré ces avancées, le modèle présente une limite de généralisation. Entraîné sur des données régionales, il peine à s’adapter aux caractéristiques sismiques d’autres zones géographiques, un phénomène particulièrement visible sur les ondes S, alors que la détection des ondes P reste robuste. Les chercheurs estiment que l’intégration de données sismiques mondiales comblerait ce déficit et améliorerait la portée du modèle. Publiés dans le Journal of Geophysical Research, ces travaux constituent une étape majeure pour la sismologie moderne. En permettant une surveillance plus fine et plus réactive des activités souterraines, l’IA ouvre la voie à une meilleure prévention des risques naturels et à un contrôle renforcé de la non-prolifération nucléaire.