Recherche
L’IA permet une innovation majeure dans la modélisation glaciaire et offre une simulation inédite de la dernière glaciation des Alpes
Des scientifiques de l’UNIL ont utilisé pour la première fois l’IA pour accélérer massivement la rapidité de calculs des ordinateurs, et simuler la dernière couverture glaciaire des Alpes. Beaucoup plus en phase avec les observations terrains, les nouveaux résultats montrent que la glace était moins épaisse que dans les précédents modèles. Cette méthode novatrice ouvre la porte à d’innombrables simulations et prédictions inédites liées aux bouleversements climatiques. Cette avancée est publiée dans Nature Communications.
Il y a 25'000 ans, les Alpes étaient couvertes d’une couche de glace pouvant aller jusqu’à 2 kilomètres. Cette glaciation a, depuis près de 15 ans, été mise en perspective par des modélisations numériques 3D, basées sur des reconstructions du climat, la thermodynamique et la physique de la glace. Elles ont cependant suscité le débat dans la communauté scientifique, car il n’y avait pas, jusqu'à présent, une véritable correspondance entre ces simulations et les traces physiques – roches, moraines, etc. - trouvées sur le terrain, notamment des lignes d'érosion qui témoignent des épaisseurs passées de glace.
Une équipe de scientifiques de l’Université de Lausanne (UNIL) vient de résoudre cette problématique persistante. Elles et ils ont utilisé pour la première fois l’intelligence artificielle pour doper massivement leur nouveau modèle d’évolution glaciaire, générant une grande série de simulations d’une précision inédite : elles correspondent beaucoup mieux aux traces physiques laissées sur le terrain. Leurs résultats présentent ainsi une couverture glaciaire en moyenne 35 à 50 % moins épaisse que dans les précédentes simulations de référence. La résolution du modèle est passée de deux kilomètres à 300 mètres, et c’est seulement grâce à cette précision qu’il est possible de décrire numériquement la topographie complexe des Alpes.
En accord avec l’état actuel des connaissances scientifiques, basées sur les observations de terrains, on y voit par exemple que certains sommets tels que le Cervin et le Grand Muveran dépassaient clairement de la glace lors des périodes glaciaires. Cette avancée vient d'être publiée dans Nature Communications.
La recherche est significative a plus d’un titre. Tout d’abord, la capacité à modéliser correctement le passé glaciaire est essentiel à la compréhension de notre environnement. Depuis plus de 2 millions d’années, la Terre a connu une alternance de cycles glaciaires et chauds, qui ont profondément façonné le paysage dans lequel nous évoluons. Les nouveaux modèles correspondent à présent nettement mieux aux preuves laissées sur le terrain à la suite du recul des glaciers, et rendent possible une meilleure quantification de nombreux phénomènes naturels, tels que l’érosion glaciaire, qui a largement contribué à sculpter le relief des Alpes.
D’autre part, la méthodologie novatrice utilisée dans cette recherche s’inscrit dans une nouvelle ère en termes de modélisation numérique. « En utilisant une technologie récente , et en l’appliquant à la dernière grande glaciation des Alpes , nous pouvons finaliser une simulation sur 17’000 ans à très haute résolution (300 m) en 2,5 jours, alors qu’ une telle résolution spatiale aurait pris 2,5 années de calcul avec les méthodes traditionnelles, qui sont par ailleurs extrêmement coûteuses et énergivores », explique Tancrède Leger, chercheur à la Faculté des géosciences et de l’environnement (FGSE) de l’UNIL, et premier auteur de l’étude.
Avec cette approche, le modèle acquiert d’abord des notions de physiques - sur l’écoulement de la glace notamment - via des méthodes d’apprentissage profond (Deep Learning). Il reçoit de nombreuses données relatives au climat de cette époque (températures, précipitations) pour calculer l’apport et la fonte de glace.
Les calculs d’apprentissage profond ne s’effectuent pas, par la suite, au niveau du traditionnel processeur central (CPU), mais via un GPU (ou unité de traitement graphique), qui permet d’effectuer de nombreuses opérations en parallèle, dopant ainsi la puissance de calcul de l’ordinateur de façon phénoménale.
« C’est un peu comme si nous avions autrefois six Ferrari à disposition, et que nous disposons maintenant d’une dizaine de milliers de 2CV. Nous sommes passés de clusters de machines très volumineux à une simple carte graphique de 30 cm», illustre Guillaume Jouvet, le professeur à la FGSE qui est à l’origine du modèle d’IA et co-premier auteur de l’étude. « Nous ne faisons rien de nouveau, mais nous le faisons mille fois plus rapidement, ce qui permet d’obtenir des résolutions qui n’étaient autrefois même pas envisagées ».
Ces progrès vont permettre de lancer de nouvelles recherches. Un nouveau projet financé par le FNS va notamment bientôt démarrer pour utiliser cette méthode révolutionnaire afin de mieux prédire l’impact de la fonte des calottes glaciaires du Groenland et de l’Antarctique sur la montée des eaux océaniques.
Référence : Tancrède P. M. Leger, Guillaume Jouvet, Sarah Kamleitner, Jürgen Mey, Frederic Herman, Brandon D. Finley, Susan Ivy-Ochs, Andreas Vieli , Andreas Henz & Samuel U. Nussbaumer, A data-consistent model of the last glaciation in the Alps achieved with physics-driven AI, Nature Communications, 2025.
La recherche a été réalisée dans le cadre du projet FNS “RECONCILE” en collaboration avec l’Université de Zurich, au moyen du modèle IGM (https://github.com/jouvetg/igm), développé à l'UNIL.
Voir plus de simulations sur Youtube