Mieux modéliser la dynamique des océans

Les océans recyclent 30% des émissions de dioxyde de carbone résultant des activités humaines. Ils assurent plus de 50% de la production d'oxygène. Ils absorbent 93% de la chaleur générée par les gaz à effet de serre. Pas étonnant donc que la compréhension fine des flux dans les couches supérieures de l'eau devienne primordiale à un moment où les prédictions sur le réchauffement climatique font elles-mêmes débat. Sauf que... climatologues et océanographes se heurtent à un verrou scientifique tenace.

“Ils travaillent sur des modèles physiques à grande échelle pouvant couvrir un océan entier. Par exemple 10 000 km. Mais ces modèles n'ont qu'une basse résolution. Tout simplement parce qu'il demeure impossible de simuler à haute résolution pour une longue période de temps. Le calcul par ordinateur prendrait toute une vie,” résume Étienne Mémin, chercheur au centre Inria de Rennes. “À côté de cela, les océanographes disposent certes aussi de modèles à haute résolution, mais ces derniers ne couvrent alors que de petites zones géographiques.”

Une limitation d'autant plus fâcheuse que “les modèles océanographiques reposent sur de la physique causale. Ils sont donc empreints d'un certain déterminisme tout en étant également de nature chaotique, c'est-à-dire très sensibles aux conditions initiales. De petites variations de ces conditions peuvent engendrer des résultats très différents en assez peu de temps.”

Réconcilier des modèles ayant différentes résolutions

Le projet Stuod vise donc à diminuer le niveau général d'incertitude engendré par ces événements locaux en combinant les modèles basse résolution grande échelle et ce que l'on pourrait appeler des zooms haute résolution sur les petites zones. Financé à hauteur de 10 M€ par le Conseil européen de la recherche dans le cadre du programme ERC Synergy 2019 pour soutenir les recherches pluridisciplinaires, Stuod associe les scientifiques Darryl Holm  et Dan Crisan d'Imperial College London, Bertrand Chapron d'Ifremer et Etienne Mémin d'Inria.

Stuod est un acronyme anglais signifiant : transport stochastique dans la dynamique des couches océaniques supérieures. Et stochastique constitue effectivement ici le mot clé. “Nous devons émuler un modèle global qui tienne quand même compte des fines résolutions représentant ce qui se passe localement à petite échelle. Et pour ce faire, nous introduisons une certaine variabilité à l'aide de variables aléatoires. Autrement dit : une distribution de probabilités que nous spécifions ou que nous apprenons à partir des données.”  En l'occurrence, il peut s'agir d'observations de bouées dérivantes, de mesures des colonnes d'eau par flotteurs-profileurs ou encore d'informations sur la vitesse du vent, la force des marées, la salinité, etc.

“Vous aurez par exemple une variable aléatoire décrivant une fluctuation de température à petite échelle se répercutant sur le modèle à grande échelle, y introduisant ainsi une certaine variabilité. De cette manière, on passe d'une simulation déterministe à un ensemble de différentes réalisations qui décrivent les évolutions possibles d'un phénomène.”

Une trentaine de personnes

La bourse ERC va permettre de constituer une équipe d'une trentaine de scientifiques répartis à Londres, Rennes et Brest. “Cette recherche exploratoire pourrait déboucher sur des résultats de différente nature. Nous aboutirons peut-être à de nouvelles théories, de nouvelles données de simulation rendues publiques, ou encore d'éventuelles recommandations de nouveaux types de mesures par satellite.” Le tout conduisant, in fine, à une meilleure appréhension des phénomènes et de meilleures prédictions.

Comment cette collaboration a-t-elle vu le jour ?

En fait, avec mon collègue d'Ifremer, Bertrand Chapron, nous travaillons ensemble depuis déjà un bon moment. Nous publions conjointement. Nous coencadrons des thèses, etc. Pour la collaboration avec Imperial College London, il se trouve qu'en 2014, j'avais proposé un cadre de dérivation pour rendre aléatoires les modèles physiques. Or, en 2015, un de mes collègues d'ICL, Darryl Holm, a, lui aussi, produit un cadre de dérivation, en l'occurrence un peu différent. Également professeur à ICL, Dan Crisan, a introduit pour sa part de nouvelles méthodes efficaces permettant de coupler les données et les dynamiques dans des systèmes de grandes dimensions. Rapidement, nous nous sommes donc tous les quatre trouvés à discuter des avantages et inconvénients respectifs de nos approches théoriques. L'idée d'un projet commun a surgi ensuite assez naturellement dans ce sillage.