Les modèles localisent les cyclones, mais manquent leur intensité

Quand une prévision propose plusieurs trajectoires possibles pour un cyclone, sa trajectoire moyenne nous dit-elle si la trajectoire observée faisait partie des possibilités ?

Pour comparer les modèles de façon utile, il faut aussi examiner s’ils situent correctement les vents les plus forts et les pressions les plus basses, et s’ils en prévoient bien l’intensité.

Le benchmark évalue la probabilité attribuée par les ensembles aux trajectoires observées, puis compare localisation, intensité, structure et dépendance entre vent et pression.

Les auteurs ont évalué si les prévisions probabilistes de cyclones représentaient les trajectoires et la structure observées, au-delà des positions moyennes.

Ils ont comparé trois modèles météorologiques d’IA à l’ensemble opérationnel IFS-ENS, fondé sur la physique, pour des cyclones historiques sélectionnés, en utilisant des trajectoires observées et des références sur grille.

Dans le cadre de 2025, FGN a attribué davantage de probabilité aux positions observées qu’IFS-ENS pour environ 90 % des 41 cyclones retenus. Ses scores spatiaux définis par percentile étaient également les meilleurs, mais FGN et GenCast sous-estimaient encore les vents maximaux par rapport à HRES-fc0 aux échéances courtes et intermédiaires.

Ces éléments étayent de meilleurs résultats de localisation et de positionnement relatif pour ces cohortes ; ils ne montrent pas que les prévisions de cyclones sont meilleures à tous égards.

Il s’agit de comparaisons rétrospectives portant sur des cyclones connus et sélectionnés, et non de tests visant à déterminer si les modèles prévoient l’apparition de cyclones ou sont prêts à émettre des alertes opérationnelles.

Les scores de localisation ne prennent en compte que les membres de prévision dont la trajectoire détectée correspondait à celle d’un cyclone observé.