Un nouvel outil d'IA (intelligence artificielle) est conçu pour permettre aux scientifiques de prévoir avec plus de précision les conditions de la banquise arctique dans les mois à venir. Les prévisions améliorées pourraient étayer de nouveaux systèmes d'alerte précoce qui protègent la faune arctique et les communautés côtières des impacts de la perte de glace de mer.

Publié cette semaine dans le journal Communication Nature , une équipe internationale de chercheurs dirigée par British Antarctic Survey (BAS) et l'Institut Alan Turing décrivent comment le système d'IA, IceNet, relève le défi de produire des prévisions précises de la banquise arctique pour la saison à venir, ce qui a échappé aux scientifiques pendant des décennies.

Glace de mer, une vaste couche d'eau de mer gelée qui apparaît aux pôles Nord et Sud, est notoirement difficile à prévoir en raison de sa relation complexe avec l'atmosphère au-dessus et l'océan en dessous. La sensibilité de la glace de mer à l'augmentation des températures a réduit de moitié la superficie estivale de glace de mer arctique au cours des quatre dernières décennies, l'équivalent de la perte d'une superficie d'environ 25 fois la taille de la Grande-Bretagne. Ces changements qui s'accélèrent ont des conséquences dramatiques pour notre climat, pour les écosystèmes arctiques, et les communautés autochtones et locales dont les moyens de subsistance sont liés au cycle saisonnier de la glace de mer.

IceNet, l'outil prédictif d'IA, est précis à près de 95 % pour prédire si la glace de mer sera présente deux mois à l'avance, mieux que le principal modèle basé sur la physique.

Auteur principal Tom Andersson, Data Scientist au BAS AI Lab et financé par The Alan Turing Institute, explique :« L'Arctique est une région en première ligne du changement climatique et a connu un réchauffement considérable au cours des 40 dernières années. IceNet a le potentiel de combler une lacune urgente dans la prévision de la glace de mer pour les efforts de durabilité de l'Arctique et fonctionne des milliers de fois plus vite que les méthodes."

Dr Scott Hosking, Chercheur principal, Co-responsable du BAS AI Lab et Senior Research Fellow à l'Institut Alan Turing, a déclaré :« Je suis ravi de voir comment l'IA nous fait repenser la façon dont nous entreprenons la recherche environnementale. Notre nouveau cadre de prévision de la glace de mer fusionne les données des capteurs satellites avec la sortie des modèles climatiques d'une manière que les systèmes traditionnels ne pourraient tout simplement pas atteindre. »

Contrairement aux systèmes de prévision conventionnels qui tentent de modéliser directement les lois de la physique, les auteurs ont conçu IceNet sur la base d'un concept appelé apprentissage en profondeur. Par cette approche, le modèle « apprend » comment la glace de mer change à partir de milliers d'années de données de simulation climatique, ainsi que des décennies de données d'observation pour prédire l'étendue des mois de glace de mer arctique dans le futur.

Tom Andersson conclut :« Nous avons maintenant démontré que l'IA peut prévoir avec précision la glace de mer, notre prochain objectif est de développer une version quotidienne du modèle et de le faire fonctionner publiquement en temps réel, tout comme les prévisions météo. Cela pourrait fonctionner comme un système d'alerte précoce pour les risques associés à la perte rapide de glace de mer. »