Il y a cinq ans, Paul Johnson n'aurait pas pensé que la prévision des séismes serait un jour possible. Maintenant, il n'est pas si certain.
«Je ne peux pas dire que nous le ferons, mais j'espère beaucoup plus que nous allons faire beaucoup de progrès dans des décennies», déclare le sismologue du laboratoire national de Los Alamos. "Je suis plus optimiste maintenant que je ne l'ai jamais été."
La raison principale de ce nouvel espoir est une technologie que Johnson a commencé à étudier il y a environ quatre ans: l'apprentissage automatique. Beaucoup de sons et de petits mouvements le long des lignes de faille tectoniques où les tremblements de terre se produisent ont longtemps été considérés comme sans signification. Mais l'apprentissage automatique - des algorithmes informatiques d'apprentissage permettant d'analyser de grandes quantités de données afin de rechercher des modèles ou des signaux - suggère que certains des petits signaux sismiques pourraient avoir de l'importance après tout.
De tels modèles informatiques pourraient même s'avérer être la clé pour libérer la capacité de prédire les séismes, une possibilité lointaine tellement controversée que de nombreux sismologues refusent même d'en discuter.
Lorsque la théorie de la tectonique des plaques a gagné du terrain dans les années 1960, de nombreux scientifiques ont pensé que la prévision des séismes n'était qu'une question de temps. Une fois que l'on aurait pu modéliser les petits tremblements causés par le changement d'assiette, il devrait être possible de prévoir des tremblements de terre plus importants des jours, voire des semaines, d'avance. Mais une multitude de facteurs, du type de roche à la distance d'un glissement de faille, ont une incidence sur la force d'un séisme. Il est rapidement devenu évident que les modèles d'activité tectonique à petite échelle ne pouvaient pas fournir un moyen fiable de prédire les séismes majeurs. De petits changements et glissades, qui se produisent des centaines de fois par jour, pourraient indiquer une légère augmentation de la probabilité qu'un séisme important se produise, mais même après un essaim d'activités tectoniques mineures, il est très peu probable qu'un séisme majeur se produise. Un meilleur signal pour un tremblement de terre entrant est nécessaire si la prévision devient une réalité.
Utiliser l'apprentissage machine pour trouver un tel signal est probablement très lointain - si c'est même possible. Dans une étude publiée à la fin de l’année dernière, Johnson et son équipe ont suggéré qu’il pourrait exister un signal sismique jusqu'alors ignoré, susceptible de contenir une tendance révélatrice de la date à laquelle un séisme majeur, comme le tristement célèbre tremblement de terre de Cascadia dans le nord-ouest du Pacifique, pourrait frapper. Si l'hypothèse se casse, cela pourrait changer la façon dont les séismes sont prévus de secondes d'avance à peut-être un jour, voire des décennies à l'avance.
Les améliorations les plus récentes en matière de prévision sismique ont été ces précieuses secondes. Les sismologues travaillent à l'amélioration des systèmes d'alerte précoce comme ceux du Japon et du système ShakeAlert en cours de déploiement sur la côte ouest américaine. Ces systèmes envoient des alertes uniquement après le début d'un tremblement de terre, mais il est temps de fermer des installations telles que les ascenseurs ou les canalisations de gaz et d'avertir les communautés plus éloignées de l'épicentre.
La couche de la Terre sur laquelle nous vivons est divisée en une douzaine de tectoniques qui se déplacent les uns par rapport aux autres. (USGS) Tenter d'extrapoler l'ampleur d'un séisme en cours, de son épicentre et de ce qui va être affecté, le tout à partir de quelques secondes de données, constitue déjà un défi de taille, déclare Johnson. Les systèmes d'alerte existants ont mal évalué les séismes majeurs et donné de fausses alertes aux autres. Mais avant 2007, nous n'avions même pas reçu de préavis de quelques secondes. Où pourrions-nous être en 2027?
«Nous ne savons pas à quel point la sismologie fera vraiment une décennie à partir de maintenant», a déclaré Johnson. "Mais ce sera beaucoup mieux qu'aujourd'hui."
Les avancées en matière de surveillance sismique s'appuieront probablement sur des ordinateurs formés pour jouer le rôle de sismologue expert. Avec une mémoire parfaite, peu de notions préconçues et un besoin de sommeil nul, les machines peuvent trier une multitude de données collectées lors du transfert de plaques tectoniques. Toutes ces informations sont comparables à celles que vous entendrez dans une rue animée - les bruits de voitures, de personnes, d'animaux et de conditions météorologiques se mêlent. Les chercheurs examinent ces signaux, transcrits en ondes, afin de déterminer si l'un d'entre eux indique qu'un séisme se produit ou est sur le point de se produire. L'espoir a longtemps été que, caché dans tout ce bruit, il pourrait y avoir une sorte de précurseur qui pourrait être mesuré ou observé pour indiquer la durée avant le prochain séisme majeur.
L'un de ces bruits - ce que Johnson appelle un «signal semblable à un tremblement» - est identifié et étudié depuis plusieurs années. «J'ai jeté tout ce que j'avais dans ma boîte à outils et j'ai décidé qu'il n'y avait rien là-bas», dit-il.
Mais les algorithmes et les ordinateurs mis en place par son équipe ont examiné le signal sous un angle légèrement différent, en se concentrant sur son énergie. Cette énergie (enregistrée sous forme d'amplitude, une mesure de la taille des ondes sismiques) a augmenté «très légèrement» au cours du cycle du séisme, a déclaré Johnson. Une fois qu'un tremblement de terre a frappé, l'amplitude du signal a chuté et a relancé le cycle de croissance régulière jusqu'à ce qu'un autre séisme se produise.
C'était un motif.
Selon Johnson, ce signal précédemment ignoré «contenait des informations prédictives pour prédire le prochain cycle sismique» quelques minutes à l’avance dans les modèles accélérés de failles en laboratoire, ce qui se traduit par des décennies d’avance dans la vie réelle. Mais les résultats obtenus en laboratoire et dans le monde réel ne sont pas toujours cohérents.
À ce stade, l’apprentissage automatique n’a pas pour but d’aider à la prévision des tremblements de terre, mais plutôt à comprendre les séismes déjà déclenchés ou la dynamique des séismes en général. Mais les progrès dans la localisation des tremblements de terre, l'estimation des magnitudes et le tri par «bruit» améliorent tous notre compréhension de la façon dont les séismes agissent, y compris quand ils peuvent se produire.
«Je tiens à préciser que ce que nous faisons est différent de la prédiction. Mais, oui, toutes ces choses sont indirectement liées », explique Mostafa Moustavi, un sismologue de Stanford qui utilise l'apprentissage automatique pour trier les bruits de fond et détecter les petits tremblements de terre.
Men-Andrin Meier, un sismologue de Caltech, a déclaré que sa «meilleure hypothèse est que les séismes sont intrinsèquement imprévisibles». Néanmoins, il travaille néanmoins sur l’apprentissage automatique pour améliorer les systèmes d’alerte précoce, et des améliorations dans la surveillance de ces alertes pourraient potentiellement améliorer les prévisions sismiques. De meilleures cartes des failles et une meilleure compréhension des processus, des tendances et des cycles sismiques pourraient tous contribuer à améliorer les prévisions, explique Moustafa.
Néanmoins, certains sismologues pensent que la «prédiction» est un fantasme. Robert Geller, un sismologue de l'Université de Tokyo, est connu pour son pessimisme quant à la prévision des tremblements de terre.
«La recherche sur la prévision des tremblements de terre n'est pas vraiment une chose», dit-il par courrier électronique. «Cela consiste simplement à collecter de nombreuses données dans l'espoir de trouver un« précurseur »fiable. Aucun n'a été trouvé à ce jour. "
Selon Geller, tout résultat de laboratoire concernant les signaux sismiques peut être ignoré jusqu'à ce qu'il soit reproduit de manière cohérente dans le monde réel. «Je ne doute pas qu'ils puissent trouver de nombreuses tendances apparentes dans les données d'observation de séismes observées, tournées vers l'arrière. Mais je ne vois aucune raison de penser que de tels schémas fonctionneront dans le temps », a déclaré Geller.
La faille Cascadia au large de l'île de Vancouver glisse lentement tout le temps, produisant une faible sismicité que vous ne pouvez pas ressentir, puis se remet en place environ une fois par an. Le très léger déplacement de la surface de la Terre à la suite de ce glissement peut être surveillé. L'équipe de Johnson a donc cherché à déterminer si le nouveau signal identifié par leurs algorithmes d'apprentissage automatique pouvait prédire le mouvement.
«Et, voilà, il correspond au taux de déplacement», explique Johnson.
La question qui se pose maintenant est de savoir quel rapport entre le signal et le verrouillage de la faille - les roches imbriquées qui ont empêché les plaques tectoniques de glisser de façon drastique et de produire un séisme majeur pendant environ 300 ans. Finalement, le blocage de la faille va casser et un tremblement de terre de grande ampleur va se produire. Peut-être le signal que l'équipe de Johnson étudie-t-il, ou un autre signal encore non découvert, pourrait-il nous donner une idée du moment où cela se produira - si ces signaux sont liés à des tremblements de terre majeurs.
