Afin de prévenir tout risque lié à l’apparition d’un séisme, des chercheurs ont développé un outil dont le principe repose sur l’apprentissage automatique. L’objectif étant de regagner la «confiance du public» à la suite de fausses alertes à répétition.
Produire des prévisions de séismes fiables a une «dimension profondément importante et souvent controversée». Selon Társilo Girona et Kyriaky Drymoni, chercheurs à l’institut de géophysique de l’Université de l’Alaska Fairbanks, alerter le public sur un risque avéré de tremblement de terre est indispensable, seulement, il existe encore trop d’erreurs à ce sujet.
La raison ? Des dispositifs pas assez précis, impliquant «une panique inutile, des perturbations économiques et une perte de confiance du public», ont-ils déclaré sur le site de leur université. Pour remédier à cela, les deux scientifiques se sont donc lancé dans la création d’un outil numérique capable d’anticiper précisément les tremblements de terre.
Cela passe notamment par «l’apprentissage automatique», qui dispose d’un potentiel particulièrement intéressant pour «identifier les tremblements de grande magnitude» en analysant des ensembles de données dérivées de catalogues de séismes déjà survenus. Leur dispositif cherche donc des données, dans l’idée de détecter une activité sismique anormale.
Une augmentation des «fluides interstitiels»
Leur méthode a été au cœur d’un test sur le séisme d’Anchorage en Alaska, de magnitude 7,1 en 2018, ainsi que sur deux séismes de Ridgecrest en Californie de magnitudes 6,4 et 7,1 en 2019. Cela a fait l’objet d’un article dans la revue scientifique Nature Communications. «Notre article démontre que des techniques statistiques avancées, en particulier l'apprentissage automatique, ont le potentiel d'identifier les précurseurs de tremblements de terre de grande magnitude en analysant des ensembles de données dérivées de catalogues de séismes», a assuré Társilo Girona.
Les deux phases de test réalisées ont pu démontrer trois mois d’activité sismique «anormale de faible magnitude» observés sur environ 15 à 25% des régions de l’Alaska et du sud de la Californie, avant le déclenchement de ces séismes. Ce constat pourrait être dû à l’augmentation de la pression de «fluides interstitiels», qui correspond à la pression du fluide dans la roche. Cela peut conduire à un glissement de faille si la pression est suffisante pour «surmonter la résistance de frottement entre les blocs de roche de chaque côté de la faille».
L’apprentissage automatique aurait donc un «impact positif majeur sur la recherche sur les tremblements de terre», selon Társilo Girona. L’algorithme des deux chercheurs sera testé dans des situations en temps quasi réel afin d’identifier et de relever les défis potentiels en matière de prévision.