Des modèles numériques aux prévisions saisonnières assistées par l’IA, BG4Sea démontre l’approche de pointe de Mercator Ocean en matière de prévision des écosystèmes marins.
Les écosystèmes marins sont soumis à une pression croissante du fait du changement climatique, qui affecte le cycle mondial du carbone, la productivité des océans, la biodiversité et les moyens de subsistance de l’homme. L’anticipation de ces changements est essentielle pour la surveillance, la gestion durable et la prise de décision en fonction du climat.
A Mercator Ocean International, ce défi est relevé grâce à des modèles numériques de pointe, complétés par une stratégie d’IA complète couvrant la physique et la biogéochimie, développée conjointement pour servir de multiples horizons de prévision et objectifs scientifiques.
« Les écosystèmes marins sont au cœur de notre mission. Il est essentiel de consolider et d’élargir nos travaux au-delà de la physique des océans pour les étendre à l’ensemble des écosystèmes marins, tant pour la science que pour la politique. En adoptant une vision plus large de l’Ocean et en tirant parti de l’IA, de l’innovation numérique et des partenariats stratégiques, nous pouvons mieux comprendre et prédire les changements des écosystèmes, en supportant une gestion durable et une prise de décision éclairée. » – Stefano Ciavatta, responsable des écosystèmes marins, Mercator Ocean International.
Des modèles numériques aux prévisions saisonnières basées sur l’IA
Mercator Ocean s’appuie sur des modèles numériques à haute résolution, notamment le cadre couplé NEMO/PISCES, qui simule la physique et la biogéochimie des océans. Ces modèles supportent des prévisions allant des produits opérationnels à court terme aux projections climatiques.
L’exécution de modèles biogéochimiques à haute résolution sur des horizons à long terme est très exigeante en termes de calcul, ce qui limite les prévisions saisonnières de routine.
BG4Sea relève ce défi en utilisant l’ apprentissage automatique (ML) pour émuler BIO4, le système mondial de prévisions biogéochimiques de Mercator Ocean. Plutôt que de remplacer les modèles numériques, BG4Sea reproduit leurs résultats à une fraction du coût de calcul, ce qui permet :
- Prévisions biogéochimiques à l’échelle saisonnière (au-delà de l’horizon habituel de 10 jours)
- Capacité de prévision compétitive avec une dégradation limitée sur des délais plus longs
- Flexibilité de la résolution spatiale, des applications globales aux applications régionales
BG4Sea en pratique
Développé par Gabriela Martinez Balbontin, chercheuse en doctorat, BG4Sea s’appuie sur le modèle physique (GLORYS12) et biogéochimique (BIO4) de Mercator Ocean pour produire des prévisions saisonnières à une fraction du coût de calcul habituel. Sa conception flexible permet d’établir des prévisions à différentes échelles géographiques, de l’échelle mondiale à l’échelle régionale, et pourrait être améliorée à l’avenir par l’intégration d’observations du monde réel.
» Le développement de BG4Sea a été une opportunité passionnante d’explorer comment l’IA peut étendre notre capacité à prédire la biogéochimie marine à des échelles saisonnières. En nous inspirant de modèles numériques fiables, nous pouvons produire des prévisions plus rapides et plus souples qui supportent la surveillance et la gestion, tout en restant ancrés dans une science rigoureuse « , a déclaré Gabriela.
Reconnaissance de la communauté de l’IA pour la science
BG4Sea a récemment été récompensé par un prix du poster décerné par la communauté NeurIPS@Cam lors du sommet AI for Science, ce qui témoigne de l’intérêt croissant de la communauté de recherche en IA pour des applications océaniques robustes et axées sur l’impact. Ce prix souligne à la fois la pertinence scientifique de la prévision saisonnière des écosystèmes marins et l’importance de développer des approches d’IA qui restent étroitement liées à des modèles numériques fiables.
BG4Sea dans Mercator Ocean International Capacité d’IA multi-domaine
BG4Sea est un élément clé de la stratégie globale de Mercator Ocean en matière d’IA, qui couvre la physique, la biogéochimie et de multiples horizons de prévision :
- IA pour la physique – GLONET : émulation de modèles physiques d’océan pour les prévisions à court terme, comparaison avec des systèmes opérationnels tels que GLO12.
- AI for Biogeochemistry – BG4Sea : vise les processus biogéochimiques et les prévisions saisonnières, en émulant BIO4 plutôt que des modèles physiques.
- Cadre de validation – OceanBench : il évalue actuellement les modèles d’IA pour les prévisions physiques à court terme ; il s’étendra bientôt à la biogéochimie, aux applications régionales et aux horizons plus lointains.
- Infrastructure numérique – EU Digital Twin Ocean : fournit le cadre informatique et opérationnel pour développer, tester et déployer à l’échelle des prévisions océaniques basées sur l’IA.
Le prix décerné à BG4Sea souligne son rôle en tant qu’élément brillant de cet écosystème de l’IA, illustrant la manière dont l’IA complète les modèles numériques pour fournir des prévisions plus rapides, plus étendues et scientifiquement plus solides.
Perspectives d’avenir
BG4Sea démontre comment l’IA peut étendre la prévision des écosystèmes marins à de nouveaux horizons temporels, en complétant les modèles numériques pour fournir des prévisions plus rapides, plus efficaces et scientifiquement plus rigoureuses.
Cette approche supporte la surveillance des océans, la gestion environnementale et la prise de décision éclairée par le climat, tout en illustrant la stratégie cohérente de Mercator Ocean en matière d’IA.
Avec GLONET et OceanBench, BG4Sea souligne l’engagement de l’organisation à faire progresser l’océanographie opérationnelle grâce à une capacité d’IA multi-domaine basée sur la science.
« Mercator Ocean développe une capacité d’IA multi-domaine intégrée et basée sur la science, qui complète les modèles numériques d’océan pour fournir des prévisions océaniques fiables à travers la physique, la biogéochimie et plusieurs horizons temporels, à l’échelle mondiale », etc conclut Yann Drillet, responsable du département Recherche & Développement.