QUELLE PART DU CHANGEMENT CLIMATIQUE RÉCENT VIENT DES CAPRICES NATURELS ?

Chaque tendance climatique observée est la somme de deux choses. D’un côté, la réponse forcée : le changement imposé par les gaz à effet de serre, les aérosols, l’usage des sols et les éruptions volcaniques. De l’autre, la variabilité interne : les fluctuations propres du climat, comme El Niño ou les lentes oscillations du Pacifique et de l’Atlantique. Les distinguer compte, pour comprendre le changement climatique comme pour juger si les modèles climatiques voient juste.

Le problème : la réalité ne se joue qu’une fois. Les modèles climatiques peuvent tourner des dizaines de fois avec le même forçage, et la moyenne de ces simulations révèle la part forcée. Mais les modèles ont des biais, et les astuces statistiques plus simples supposent souvent que le motif forcé ne change jamais. Une comparaison internationale récente de ces méthodes a trouvé des erreurs encore importantes — et des méthodes d’apprentissage automatique qui ne faisaient pas mieux que la statistique classique.

L’article rappelle un exemple qui invite à la prudence : le ralentissement du réchauffement global entre 1998 et 2012 a d’abord été lu comme le signe que le réchauffement d’origine humaine ralentissait et que les modèles se trompaient, avant d’être reconnu comme de la variabilité interne.

Un réseau qui apprend le bruit

Parvathi Kooloth, Wenyu Zhou et leurs collègues, du Pacific Northwest National Laboratory et des universités de Californie à San Diego et de Washington, ont construit un ConvLSTM, un réseau de neurones qui combine le repérage de motifs dans l’espace et une mémoire de leur évolution. Ils l’ont entraîné sur de grands ensembles de simulations de 15 modèles climatiques, à partir de cartes de température de surface, de pluie et de pression au niveau de la mer. Sa tâche : reconnaître les fluctuations naturelles ; ce qui reste est la part forcée.

Testé sur des modèles qu’il n’avait jamais vus, il a battu six méthodes existantes pour la température, la pluie et la pression, sur l’essentiel de la période historique — à une exception près, une simulation que les auteurs jugent aberrante. Pour le monde réel, dix versions du réseau, chacune entraînée sur un jeu différent de dix modèles, ont été appliquées au climat observé depuis 1940.

Ce qu’il trouve dans le climat réel

• Le ralentissement de 1998–2012 ressort comme de la variabilité naturelle, comme l’avaient conclu des études ultérieures. La part naturelle de la température mondiale suit de près l’oscillation lente du Pacifique.
• L’Arctique. Le réchauffement arctique observé a récemment atteint environ quatre fois le rythme mondial. Selon le réseau, la part forcée reste presque constante, à environ trois fois. Les fluctuations naturelles ont fait le reste : le Pacifique a freiné le réchauffement global pendant qu’un va-et-vient propre à l’Arctique, un mode de variabilité régional, accentuait le réchauffement là-haut, surtout en 2005–2020.
• L’Atlantique. Le contraste de température entre l’Atlantique Nord et l’Atlantique Sud dessine un V depuis 1950. La part forcée baisse puis remonte elle aussi, au rythme de la montée puis du recul de la pollution aux aérosols dans l’hémisphère Nord. La variabilité naturelle a amplifié l’oscillation, creusant le fond des années 1970 et 1980.
• Le Pacifique et le sud-ouest américain. Depuis 1980, l’est du Pacifique équatorial s’est moins réchauffé que l’ouest, un motif « façon La Niña » que les modèles reproduisent rarement. Selon le réseau, la réponse forcée seule aurait donné un faible motif inverse, « façon El Niño » ; la variabilité naturelle l’a renversé. Même chose pour le renforcement des hautes pressions du Pacifique nord-est et l’assèchement du sud-ouest de l’Amérique du Nord : surtout naturels, avec une part forcée modeste.

Pour plusieurs de ces phénomènes, la tendance observée sur 1980–2022 sort de la fourchette de la réponse forcée estimée — un rappel qu’une seule tendance historique peut mal renseigner sur ce que l’homme a causé.

Un contrôle des modèles

Comme le réseau fournit une estimation explicite de la part forcée, on peut la comparer directement à ce que simulent les modèles. Les grands motifs concordent : plus de réchauffement sur les terres et aux hautes latitudes, moins sur l’Atlantique Nord subpolaire et sur l’océan Austral, des tropiques et des hautes latitudes plus humides, des subtropiques plus secs. Mais les modèles réchauffent davantage l’hémisphère Nord, renforcent moins les hautes pressions subtropicales et assèchent moins les terres. Les auteurs suggèrent que les modèles actuels pourraient sous-estimer l’assèchement des continents lié aux changements de circulation.

Ils listent eux-mêmes les limites. Le réseau apprend des modèles : un biais commun à tous pourrait l’induire en erreur. Il est difficile de voir pourquoi il fonctionne aussi bien. Et il suppose que la moyenne d’un nombre fini de simulations donne la vraie réponse forcée. Dans ces limites, concluent les auteurs, l’apprentissage automatique peut rendre l’attribution du climat passé plus solide — et le contrôle des modèles plus exigeant.