Les canicules, inondations et cyclones représentent des risques majeurs pour nos sociétés, amplifiés par le changement climatique. Mais leur rareté même les rend extrêmement difficiles à étudier : trop peu d’observations, des modèles climatiques trop coûteux en calcul.

Amaury Lancelin, doctorant au LMD et à RTE, et ses collaborateurs de l’Université de Chicago et de NYU, proposent une solution : utiliser l’intelligence artificielle pour échantillonner les évènements rares (AI+RES), un cadre hybride qui combine un émulateur IA (basé sur l’architecture Pangu-Weather), un modèle climatique physique (PlaSim) et un algorithme d’échantillonnage d’événements rares (Diffusion Monte Carlo).

L’IA identifie rapidement les trajectoires atmosphériques les plus susceptibles de mener à un extrême, puis guide le modèle physique pour qu’il concentre ses simulations sur ces scénarios prometteurs, plutôt que de simuler aveuglément des milliers de situations qui ne donneront pas d’extrêmes .

Les résultats sont très prometteurs. Appliquée aux canicules sur la France et Chicago, la méthode permet d’estimer avec précision les périodes de retour jusqu’à 50 000 ans avec seulement 400 simulations, là où la simulation directe ne dépasse pas 50 ans soit un gain d’un facteur 100 en coût de calcul. Les événements générés sont physiquement réalistes et permettent d’étudier non seulement la statistique, mais aussi la dynamique de ces extrêmes.

Ce travail, couvert par Nature (https://www.nature.com/articles/d41586-025-04055-8), ouvre la voie à l’application d’AI+RES à d’autres types d’extrêmes (cyclones, précipitations, événements composés) et à l’exploration des statistiques d’extrêmes sous différents scénarios de changement climatique.