Météo n’est pas climat

De nombreux climatosceptiques utilisent d’ailleurs cet argument, à savoir qu’il est impossible de prédire à 100 ans sous prétexte qu’il est déjà difficile de le faire à 10 jours.

Sauf que ces prédictions (1) n’utilisent pas les mêmes modèles, et (2) ne prédisent ni au mêmes durées (dans 2 heures ou dans 100 ans), ni pendant les mêmes durées (pluie pendant 15 minutes, versus réchauffement moyen de 1°C), ni sur les mêmes aires géographiques (dans un quartier versus un pays).

Bien qu’analysant des variables similaires (et parfois identiques), les modèles climatiques et météorologiques reposent pourtant sur des méthodes et des outils différents.

Mais cette situation n’est pas unique. D’autres domaines, comme la macro- et la micro-économie qui analysent les interactions monétaires entre agents, le font à des échelles distinctes et à à des fins différentes. Il en va de même pour de nombreux champs de la physique qui, modélisant ou analysant des objects ou phénomènes similaires, le font avec des outils distincts : optique géométrique ou optique ondulatoire, mécanique classique et mécanique relativiste, etc.

Les modèles météorologiques sont des modèles qui décrivent l’évolution de l’atmosphère en fonction de 1/ un état initial, comme le taux d’humidité et la pression à cet instant même, et 2/ des lois mathématiques qui décrivent l’évolution depuis un état T à un état T+1 – comme lorsque les prévisions météo “avancent” dans le temps lorsqu’elles sont présentées à la télé.

Et, comme cet état initial est imparfait (il est impossible de décrire l’ensemble des gouttes d’eau par exemple) et que ces lois sont imparfaitement approximées (solution d’une équation au dérivées partielles), il en résultat que plus on prédit loin, plus on a de chance de se tromper. Pour en savoir plus, c’est par ici ou là. Et pour en savoir vraiment beaucoup plus, c’est ici.

Il existe d’ailleurs de nombreux modèles, chacun défini par les lois qui le régisse ainsi que la résolution de ce qu’il décrit (à l’échelle d’une petite ville, une grande ville, un département, etc). On parle aussi de prévision numérique du temps.

Il existe différents climats, c’est à dire des aires géographiques qui partagent les mêmes caractéristiques (température, pression, précipitations, …) au cours du temps. Pour plus de précisions sur la manière de distinguer ces climats, on conseillera cette explication du Larousse. À noter que cette distinction n’en est qu’une parmi d’autres puisqu’il en existe plusieurs – classification de Köppen-Geiger,  de Troll et Paffen ou d’autres –  qui dépendent des variables utilisées pour distinguer lesdits climats.

Comme les modèles météorologiques, les modèles climatiques – décrits de manière plus détaillée dans ce billet de blog de Jean-Marc Jancovici ou dans l’Encyclopédie de l’environnement – décrivent l’évolution de certaines variables (la température, les précipitations, la chaleur, etc) à partir d’un état initial et de lois qui décrivent la variation progressive de cet état.. Néanmoins, ces deux familles de modèles diffèrent à plusieurs égard.

D’une part, les variables décrites ne sont pas exactement les mêmes, et les lois mathématiques et physiques qui décrivent leur évolution sont différentes. Et d’autre part, le pas de temps, entre un état du système et le suivant, n’est pas de l’ordre de la minute ou de la dizaine de minutes (météo) mais du mois ou plus (climat). C’est ce qui explique que les variables décrites le sont sur des durées plus longues. La résolution spatiale (i.e. la taille de la région sur laquelle est décrite le système) est souvent plus élevé dans le cas des modèles climatiques qui ne s’intéressent pas, par essence, à la quantité de pluie qu’il y aura à 19h entre la gare et la boulangerie.

Si nous n’avons pas réussi à vous convaincre, peut-être que d’autres le feront mieux que nous, que ce soit l’article “Comment ne plus confondre météo et climat” du blog Bon pote ou les vidéos de Météo France ou de Bright Blue.

Ces figures ont été faites par nos soins à partir des données disponibles dans le résumé aux décideurs du rapport AR6 du WP1 du GIEC – données de la Figure SPM 1 (page 6) disponibles librement ici. La première ligne n’agrège que des données observées depuis 1855. Le manque d’observation homogènes et/ou fiables conduits à reconstruire les données pour les années précédentes : on parle dont de données reconstruites pour les températures entre l’an 5 et 1855.

Ces graphiques s’inspirent des warming stripes popularisées par Ed Hawkins. Et n’hésitez pas à nous demander pour le code (en Python) si vous voulez reproduire les figures.