L'apprentissage machine au service de la météorologie spatiale

Conférence présentée Simon BOURIAT, doctorant en Astrophysique, spécialisé dans l'utilisation de l'IA pour la météorologie de l'espace.

La météorologie spatiale, (ou space weather), est un domaine en plein essor dont le rôle est, d’après l’ONU, de comprendre et prévoir l’état du Soleil, des environnements interplanétaires et planétaires et d’analyser et prévoir les éventuels effets sur les systèmes biologiques et technologiques.

En effet, derrière des évènements fascinants comme les éruptions solaires, les éjections de masse coronale ou les tempêtes géomagnétiques se cachent de réels dangers, tant pour nos systèmes de communication et nos réseaux électriques que pour nos satellites, nos missions spatiales et nos astronautes. Pire, l’Organisation de Coopération et de Développement Economiques classait, dès 2011, les tempêtes géomagnétiques parmi les cinq risques planétaires, au même titre que les pandémies.

Alors, comment pouvons-nous protéger nos technologies et anticiper les risques inhérents à ces phénomènes célestes déchaînés ? Aujourd’hui dans son “âge d’or”, le domaine de l’intelligence artificielle se révèle particulièrement utile pour modéliser des phénomènes complexes, mais vient également avec son lot de difficultés.

Dans cette présentation, nous exposerons brièvement ces risques et verrons comment les méthodes d’apprentissage machine (machine learning) ont su aider les chercheurs d’aujourd’hui, ont contribué à renforcer nos capacités prévisionnelles et impacteront la météorologie spatiale de demain. Nous parcourrons ainsi la place de ces nouvelles méthodes au sein de la météorologie spatiale des dernières décennies et essaierons de tracer les grandes lignes des défis qui nous attendent.