Une Intelligence Artificielle peut maintenant prédire où la réplique d’un tremblement de terre frappera

Une réplique est comme un écho, un tremblement de terre plus petit qui se produit peu après un tremblement de terre plus important, frappant la même zone que l’original. Les séismes de grande ampleur peuvent générer des répliques d’ampleur variable sur une période de plusieurs mois. Pour les personnes qui vivent et travaillent sur le site d’un tremblement de terre, les jours et les semaines qui suivent sont remplis d’anxiété, quand y aura-t-il un nouveau tremblement de terre ?

Les sismologues ont conçu des modèles qui permettent de prédire assez précisément quand une réplique aura lieu et son ampleur. Désormais, des chercheurs de Google et de Harvard ont fait équipe pour produire un système d’intelligence artificielle (IA) qui peut également prédire où la réplique frappera la prochaine fois.

La collaboration a permis de concevoir une IA qui a été alimentée par une base de données de 131 000 tremblements de terre et l’emplacement de leurs répliques consécutives. L’algorithme d’apprentissage machine a été chargé de repérer les modèles dans ce contexte complexe de variables sur variables.

Il y a de nombreux éléments qui façonnent un événement sismique, de la composition du sol aux interactions entre les plaques tectoniques en passant par la façon dont les ondes sismiques se propagent à travers la Terre. Donner un sens à toutes les couches complexes les unes sur les autres peut être fastidieux. Cependant, c’est à ce genre de comparaison de modèles à grand volume que les algorithmes d’apprentissage machine excellent. De telles IA sont actuellement utilisées par des géants de la technologie comme Facebook, Amazon et Google pour vous vendre des assistants virtuels ou pour afficher les résultats de recherche.

Selon Brendan Meade, professeur des sciences de la Terre et des planètes à l’université Harvard :

Après des tremblements de terre de magnitude 5 ou plus, les gens passent beaucoup de temps à cartographier quelle partie de la faille a glissé et de combien elle s’est déplacée.

De nombreuses études pourraient utiliser les observations d’un ou deux tremblements de terre, mais nous avons utilisé l’ensemble de la base de données… et nous l’avons combinée avec un modèle basé sur la physique de la façon dont la Terre sera soumise à des contraintes et des tensions après le séisme, l’idée étant que celles causées par le choc principal peuvent être à l’origine des répliques.

Meade a d’abord été inspiré par les réseaux neuronaux pour prédire les répliques il y a plusieurs années au cours de ses deux années sabbatiques chez Google à Cambridge. A l’époque, les algorithmes d’apprentissage profond n’étaient pas aussi bien développés qu’aujourd’hui, mais l’idée semblait immédiatement trop bonne pour être acceptée.

Après des années de travail, Meade et ses collègues ont mis au point un modèle qui a un pouvoir de prédiction bien meilleur que tout ce qui l’a précédé. Sur une échelle de précision de 0 à 1, où 1 est un modèle parfaitement précis et 0,5 est essentiellement la précision de la rotation d’une pièce de monnaie, le nouveau système AI a obtenu 0,849 alors que le modèle le plus précis n’a obtenu que 0,583.

Le réseau neuronal a si bien pu fonctionner grâce à une petite singularité qu’il a réussi à découvrir tout seul. Les calculs complexes tiennent compte d’un facteur connu sous le nom de « critère de von Mises« , qui prédit quand un matériau se brisera sous une contrainte. Il est surtout utilisé par les ingénieurs dans le domaine de la métallurgie. Maintenant, il a également trouvé sa place dans la science des tremblements de terre, ont rapporté les chercheurs dans leur étude.

Selon Meade :

C’est une valeur qui se retrouve dans la métallurgie et d’autres théories, mais qui n’a jamais été populaire dans la science des tremblements de terre. Mais ce que cela signifie, c’est que le réseau neuronal n’a pas inventé quelque chose de fou, il a inventé quelque chose qui était hautement interprétable. Il a été capable d’identifier la physique que nous devrions regarder, ce qui est plutôt génial.

Un autre avantage de la nouvelle IA est qu’elle fonctionne pour différents types de défauts. Parce qu’il est généralisable, le système peut tout aussi bien prédire les répliques autour des failles de glissement, comme celles observées en Californie, ou des zones de subduction peu profondes, comme c’est le cas au Japon.

Malheureusement, cette IA a un certain nombre de limitations importantes. Le système ne fonctionne qu’avec des répliques causées par des modifications permanentes du sol, appelées contraintes statiques. Toutefois, les répliques peuvent également être déclenchées par des contraintes dynamiques qui ne modifient pas de façon permanente la charge appliquée et ne peuvent donc déclencher des tremblements de terre qu’en modifiant l’intensité de la charge appliquée.

L’IA est également trop lente à travailler en temps réel, ce qui est un must, étant donné que la plupart des répliques se produisent le premier jour suivant un tremblement de terre important.

À l’avenir, les chercheurs espèrent surmonter ces défis un par un. De plus, Meade a aussi l’intention de prédire l’ampleur des tremblements de terre eux-mêmes, ce qui est encore considéré comme hautement “ésotérique” et, peut-être, impossible à faire.

Je pense qu’il y a une révolution silencieuse dans la réflexion sur la prévision des tremblements de terre. Ce n’est pas une idée qui existe encore aujourd’hui. Et bien que ce résultat soit intéressant, je pense que cela fait partie d’une révolution en général sur la reconstruction de toute la science à l’ère de l’intelligence artificielle.

L’étude publiée dans Nature : Deep learning of aftershock patterns following large earthquakes.