Introduction
Les séismes et les éruptions volcaniques font chaque année des milliers de victimes. Ces catastrophes s’annoncent par des secousses, mais les signaux vraiment décisifs – les avertissements discrets qui précèdent la catastrophe – sont restés en grande partie invisibles pour les observateurs humains jusqu’à une période récente.
L’intelligence artificielle capte désormais des millions de micro-secousses que les scientifiques écartaient jusqu’ici comme du bruit de fond. La sismologie passe du simple enregistrement des catastrophes à leur prédiction effective, grâce à de nouveaux jeux de données massifs. Ainsi, la sismologie cesse d’être une science d’observation pour devenir enfin une science plus prédictive.
Cet article explore la façon dont l’IA lit les murmures de la Terre, examine des cas réels où cette technologie est mise à l’épreuve, et passe en revue à la fois les avancées notables et les limites bien réelles de cette approche révolutionnaire de la prédiction des catastrophes.
Améliorer la visibilité sismique grâce à l’IA pour une imagerie plus nette
La sismologie traditionnelle ne capte que les secousses les plus importantes. Imaginez que vous regardiez un film dont 99 % des images auraient été supprimées – vous saisiriez l’intrigue générale, mais vous manqueriez chaque geste subtil, chaque instant discret de présage qui donne sa cohérence à l’histoire.
Les systèmes d’IA modernes traitent simultanément des flux de données continus provenant de milliers de capteurs. Le résultat ? La surveillance classique ignore pour l’essentiel les petits signaux. C’est comme essayer de comprendre une conversation en n’entendant qu’un mot sur dix — on saisit l’essentiel, mais on perd le contexte.
La microsismicité – ces minuscules secousses longtemps rejetées comme de simples parasites géologiques – recèle des motifs précieux. Des algorithmes d’IA extraient, analysent et traduisent ces motifs en prévisions utiles, trouvant du signal là où les humains ne voyaient que du bruit.
Le système distingue, d’une part, les secousses de fond dans des roches magmatiques dures et cristallines comme le granite et, d’autre part, les variations subtiles dans des roches sédimentaires plus tendres et litées. Il repère la signature sismique singulière des contraintes qui s’accumulent dans les roches métamorphiques, ces formations transformées par la chaleur et la pression en profondeur. Cette vue en haute définition révèle comment les ondes sismiques se propagent différemment dans le basalte dense et dans le grès poreux.
L’IA peut désormais cartographier l’étendue des différentes familles de roches – magmatiques, sédimentaires et métamorphiques – en analysant la façon dont les micro-secousses les traversent.
Chaque type de roche parle sa propre langue sismique, et l’intelligence artificielle a enfin appris à l’écouter.
Transformer le bruit en cartes sismiques
La principale raison pour laquelle cela fonctionne tient à sa capacité à résoudre des équations d’onde complexes qui transforment des vibrations d’apparence aléatoire en cartes cohérentes de l’activité du sous-sol. Les calculs sont vertigineux. Ce sont des prouesses de calcul qui prendraient des mois à des analystes humains, même sur une fraction des données disponibles.
Contrairement aux analystes humains, qui peuvent passer à côté de corrélations subtiles entre des jeux de données disparates, les algorithmes d’apprentissage automatique repèrent des motifs parmi des millions de points de données issus de lieux et de périodes différents, simultanément. Ces algorithmes réalisent en quelque sorte un voyage mathématique dans le temps, remontant des secousses enregistrées pour déterminer leur origine précise au sein de structures de failles jusque-là non cartographiées.
Les réseaux de neurones entraînés sur des données de séismes passés apprennent à distinguer le bruit de fond inoffensif des signatures caractéristiques d’une contrainte tectonique qui s’accumule. Les algorithmes tiennent compte des propriétés physiques des différents types de roches – la dureté du granite, le caractère lité du schiste argileux, et les écarts de densité entre le basalte lourd et la craie plus légère.
Pour produire des cartes du sous-sol de plus en plus précises, l’IA modélise la propagation des ondes à travers des matériaux de densités différentes. Elle apprend à faire la différence entre la signature « clastique » des roches sédimentaires qui se fragmentent – celles qui sont constituées de grains compactés – et la signature « cristalline » des roches magmatiques qui se fracturent, avec leurs structures minérales imbriquées.
Ce processus ressemble à la façon dont un géologue pourrait recourir à un test de trace pour révéler la composition sous-jacente d’une roche.
Et ensuite ? Eh bien, l’IA passe les données au test de la trace – révélant la signature exacte des formations rocheuses sous contrainte. Elle distingue la contrainte tectonique des vibrations causées par le mouvement du magma, une distinction importante dans les régions volcaniques dominées par des formations magmatiques.
Taïwan 2024 : cartographier les glissements de terrain
Glissement de terrain lors du séisme de Taïwan, par Reuters
En avril 2024, un séisme de magnitude 7,4 a frappé près de Hualien, sur la côte est de Taïwan, et déclenché des glissements de terrain à travers les montagnes. Dans les trois heures environ qui ont suivi l’acquisition des images satellitaires, des modèles d’intelligence artificielle en ont cartographié plus de 7 000 sur une zone d’environ 3 300 km².
Le résultat était un inventaire préliminaire des glissements de terrain, dans lequel quelques fausses détections sur terrain plat devaient encore être éliminées à la main. Ses auteurs soutiennent que de telles cartes rapides peuvent appuyer la réponse d’urgence et aider à mettre à jour les modèles d’aléa de glissement de terrain.
Le cas de Taïwan a montré comment l’intelligence artificielle peut transformer des images satellitaires en carte des glissements de terrain en quelques heures – raccourcissant l’attente des informations dont ont besoin les responsables de la planification des secours.
Mais, détail peut-être le plus révélateur, il s’agissait d’une analyse a posteriori : les modèles ont cartographié, à partir d’images satellitaires, des dégâts déjà survenus, au lieu d’avertir du séisme à l’avance.
Les chercheurs ont combiné des images radar des satellites Sentinel-1, analysées par un réseau de neurones convolutif, avec des images optiques à haute résolution, analysées par un vision transformer.
Le vision transformer a d’abord été pré-entraîné sur un jeu de données existant de glissements de terrain, puis affiné sur 814 glissements que l’équipe avait cartographiés à la main à Taïwan.
La géologie complexe de Taïwan – un assemblage de zones métamorphiques, magmatiques et sédimentaires comprimées ensemble par les forces tectoniques – se situe à la limite entre les plaques eurasienne et de la mer des Philippines, où séismes et fortes pluies rendent les glissements de terrain fréquents.
Dans le cerveau sismique de l’IA
Photo : Earth Science Analytics
Les systèmes d’IA sismiques actuels reposent sur des architectures d’apprentissage profond sophistiquées, en particulier des réseaux de neurones convolutifs, qui excellent dans la reconnaissance de motifs au sein de jeux de données multidimensionnels massifs. Or, ce ne sont pas forcément des programmes figés qui suivent des règles rigides – ce sont des systèmes apprenants qui se réentraînent en continu à chaque nouvelle secousse, gagnant en précision à chaque séisme ou événement volcanique qu’ils surveillent dans le monde.
Plutôt que de travailler avec des modèles simplifiés de la structure de la Terre, l’IA intègre les complexités et les irrégularités du monde réel, qui ont historiquement rendu toute prévision précise presque impossible. L’IA s’entraîne sur les données de milliers d’événements passés, apprenant les modes de rupture propres à chaque type de roche – l’ardoise cassante face au grès granulaire, le granite cristallin face au schiste folié.
Elle intègre des données sur la dureté des roches, selon des principes proches de ceux qu’utilisent les géologues avec l’échelle de Mohs, pour prédire comment différentes formations se fractureront sous contrainte. Les modèles apprennent à reconnaître les précurseurs sismiques subtils qui signalent des variations de contrainte au cœur de plutons magmatiques, comme ces formations souterraines massives que l’on trouve sous le Dartmoor ou les Highlands d’Écosse.
Quand les ondes sont absorbées ou réfléchies, l’IA peut en déduire la présence d’éléments comme des fossiles, des poches de gaz ou des couches sédimentaires – des éléments qui influent sur la stabilité d’une manière qui compte lors des événements sismiques. Les réseaux de neurones du système se révèlent particulièrement doués pour repérer, dans les données sismiques, les motifs foliés ou rubanés qui correspondent à des formations de roches métamorphiques, ces pierres anciennes transformées par la chaleur et la pression en de nouvelles configurations.
Prédire les éruptions volcaniques avant les signes visibles
Les volcans « chuchotent » à travers des motifs microsismiques distinctifs, des jours ou des semaines avant de montrer des signes visibles d’activité. Les systèmes d’intelligence artificielle décodent désormais couramment ces messages, détectant les signatures sismiques subtiles du mouvement du magma bien avant qu’il n’approche de la surface.
Alors que les méthodes traditionnelles attendent des changements physiques comme la déformation du sol ou l’augmentation des émissions de gaz, l’intelligence artificielle capte les toutes premières secousses. Des groupes de recherche testent désormais cette approche sur la sismicité volcanique : une étude de 2025 a entraîné un modèle d’apprentissage automatique sur des données sismiques de 41 éruptions survenues sur 24 volcans, puis l’a utilisé pour prévoir des éruptions sur des volcans qu’il n’avait pas vus à l’entraînement, bien que ses auteurs estiment qu’il est trop tôt pour qualifier un tel modèle d’opérationnel.
La technologie se montre particulièrement prometteuse pour les menaces volcaniques « silencieuses » – des situations où les gaz et la pression s’accumulent sans indicateurs extérieurs évidents jusqu’à la rupture catastrophique. Les systèmes d’intelligence artificielle se révèlent particulièrement efficaces dans les régions volcaniques dominées par des roches magmatiques comme le basalte et le granite, car ces matériaux ont des modes de fracturation prévisibles lorsqu’ils sont soumis à des températures et des pressions croissantes.
La technologie suit le déplacement du magma dans les conduits souterrains, en identifiant comment il fracture et fait fondre les formations rocheuses existantes. Dans des lieux comme l’île de Skye ou la Chaussée des Géants – des régions célèbres pour leurs orgues basaltiques – les volcans sont éteints depuis des dizaines de millions d’années : il n’y a donc aucune reprise d’activité à prédire. Ce type de surveillance compte là où les volcans sont encore actifs, comme en Islande.
Elle détecte de subtiles variations de la pression des gaz qui provoquent des micro-fractures dans la roche sus-jacente, un précurseur clé d’une éruption. L’intelligence artificielle distingue les trémors de basse fréquence du magma en mouvement des claquements de haute fréquence de la roche magmatique qui refroidit, séparant les signaux réellement dangereux des bruits courants d’un terrain géologiquement actif.
Allonger le délai d’alerte pour mieux se préparer
Les systèmes traditionnels d’alerte sismique précoce donnent un préavis de quelques secondes à quelques minutes – à peine le temps de se mettre à l’abri – tandis que la prévision fondée sur l’intelligence artificielle vise un préavis de plusieurs jours à plusieurs semaines. Cet objectif n’est pas encore atteint, mais un délai aussi long rendrait possibles des mesures de préparation jusque-là impensables : coupures contrôlées du réseau électrique, évacuations d’hôpitaux et positionnement stratégique des ressources avant que la catastrophe ne frappe.
Une détection précoce grâce à l’analyse de la microsismicité pourrait permettre aux populations de passer de la simple réponse d’urgence à une véritable prévention des catastrophes, avec un nombre de victimes considérablement réduit. Pour élaborer des stratégies d’évacuation mieux ciblées, les planificateurs doivent comprendre le point de rupture propre à la géologie locale – qu’il s’agisse d’une roche sédimentaire litée ou d’une masse magmatique massive.
Cela permet de renforcer de façon préventive les infrastructures bâties sur des terrains moins stables, comme les zones de grès tendre ou de schiste argileux. Les conduites d’eau et de services publics qui traversent des zones de failles connues dans des bassins sédimentaires peuvent être coupées à l’avance pour éviter des catastrophes secondaires comme des inondations ou des explosions de gaz.
Les services de secours peuvent prépositionner du matériel de sauvetage lourd près des zones identifiées comme comportant des formations métamorphiques ou magmatiques à haut risque, sujettes à une rupture catastrophique. Reste que la différence entre réagir après coup et se préparer à l’avance se mesure souvent en vies sauvées et en communautés préservées.
Applications inattendues de la technologie sismique
Les mêmes techniques d’IA qui révolutionnent la prédiction des séismes ont trouvé des applications surprenantes bien au-delà de la prévision des catastrophes. La technologie conçue pour sauver des vies lors de catastrophes naturelles protège désormais les infrastructures, optimise la production d’énergie et prévient les accidents industriels.
Où l’IA sismique fait la différence
Surveillance des infrastructures
Des systèmes d’IA surveillent désormais les ponts, les barrages et les bâtiments pour y déceler des faiblesses structurelles naissantes. Des micro-fractures qui finiraient par provoquer une défaillance catastrophique sont détectées des années à l’avance – quand les réparations sont encore simples et abordables.
Énergie géothermique
Les entreprises du secteur de l’énergie utilisent des algorithmes similaires pour optimiser l’exploitation géothermique tout en réduisant au minimum les risques de sismicité induite. L’IA prédit quelles opérations souterraines pourraient déclencher des séismes et ajuste en conséquence les paramètres de forage.
Sécurité minière
Les exploitations minières souterraines déploient une IA microsismique pour prédire les effondrements de galeries avant qu’ils ne se produisent. La technologie a déjà évité de nombreux accidents en détectant de subtiles variations de la répartition des contraintes dans la roche autour des sites d’excavation.
Planification de la construction
L’IA surveille le tassement des fondations sur différents substrats – du substratum rocheux granitique massif à l’argile compressible et à l’argilite. Elle aide à cartographier les grottes calcaires et les cavités souterraines susceptibles de menacer de nouvelles constructions, et prévient ainsi la formation de dolines avant que des bâtiments ne s’élèvent au-dessus.
Sécurité des barrages
Les autorités de gestion de l’eau surveillent la stabilité des barrages construits sur des roches sédimentaires ou avec elles, qui peuvent s’éroder avec le temps. Le suivi de l’activité microsismique par l’IA révèle les faiblesses naissantes avant que des fissures visibles n’apparaissent.
Surveillance du captage du carbone
Les projets qui injectent du CO2 dans des formations de stockage souterraines recourent à la sismologie par IA pour s’assurer que le carbone stocké reste confiné en toute sécurité. Le système détecte toute micro-fracture susceptible de permettre une fuite, ce qui donne l’alerte bien avant que des dommages environnementaux ne surviennent.
Chaque application montre comment une technologie conçue dans un but donné trouve souvent une utilité inattendue ailleurs – transformant des outils de prévention des catastrophes en systèmes de sécurité du quotidien.
Défis actuels et limites de la prévision sismique par IA
Malgré des avancées impressionnantes, la prévision sismique par IA peine encore dans certains contextes géologiques où les motifs de secousses diffèrent nettement des données d’entraînement, ou lorsque la couverture en capteurs reste clairsemée. Les faux positifs – des événements prédits qui ne se produisent jamais – causent de fortes perturbations sociales et économiques et exigent de trouver un équilibre soigneux entre sensibilité, précision et fiabilité des systèmes d’IA.
AI Application to Seismic Fault Interpretation
De nombreux pays en développement exposés à un fort risque sismique ne disposent pas des réseaux denses de capteurs, des infrastructures de calcul et de l’expertise technique nécessaires pour mettre en œuvre efficacement ces systèmes d’IA qui sauvent des vies. De ce fait, la technologie soulève des questions éthiques complexes sur la responsabilité lorsque les prédictions échouent ou que des alertes provoquent la panique malgré l’incertitude scientifique sur le moment et la magnitude. Cela pose quelques questions cruciales :
- Qui porte la responsabilité lorsqu’un séisme prédit par une IA n’arrive jamais, alors que les évacuations ont déjà bouleversé des milliers de vies ?
- Que se passe-t-il lorsque la technologie qui pourrait sauver des vies reste accessible aux seuls pays riches, tandis que les régions en développement exposées aux séismes continuent d’avancer à l’aveugle ?
- Et, question peut-être la plus troublante : comment concilier l’obligation morale d’avertir les populations avec le risque de provoquer la panique à propos d’événements dont nous pouvons prédire l’échéance, mais pas avec une certitude absolue ?
La précision prédictive de l’IA peut être moindre dans les zones de « mélange » géologiquement complexes, où des roches sédimentaires, magmatiques et métamorphiques sont brassées ensemble par les forces tectoniques. Les régions dotées de vastes dépôts sédimentaires meubles, comme les deltas fluviaux, peuvent atténuer les signaux microsismiques, ce qui les rend plus difficiles à détecter et à interpréter pour l’IA.
Une IA entraînée principalement sur des données de zones de subduction à activité magmatique peut donner de mauvais résultats dans des zones de rift continental dominées par des bassins sédimentaires. Des fausses alertes peuvent être déclenchées par des événements non tectoniques, comme l’effondrement de cavités calcaires souterraines, l’exploitation de carrières à grande échelle ou d’autres activités qui imitent la signature sismique de secousses naturelles.
Une IA sismique dopée au quantique pour la prochaine génération
Les applications émergentes de l’informatique quantique promettent de résoudre des équations d’onde complexes de façon exponentiellement plus rapide – pour l’instant seulement en théorie et pour des modèles très simples – ce qui pourrait un jour soutenir des prévisions de grands événements. Les capteurs sismiques de nouvelle génération, d’une sensibilité considérablement accrue, alimenteront les systèmes d’IA en données de micro-secousses encore plus détaillées, issues de profondeurs jusque-là inaccessibles.
Les mesures satellitaires de la déformation du sol, combinées aux données sismiques traditionnelles, donneront naissance à des systèmes d’IA multimodaux capables de détecter les phases préparatoires de grands événements.
Les modèles d’apprentissage automatique commencent à intégrer des facteurs qui dépassent la seule sismicité – notamment les variations des eaux souterraines, les signaux électromagnétiques et les émissions de gaz – pour des prédictions plus précises.
Les ordinateurs quantiques pourraient modéliser le comportement de grains minéraux individuels au sein d’une roche sous contrainte, un niveau de détail actuellement impossible avec l’informatique classique. Les systèmes de nouvelle génération intégreront l’analyse chimique en temps réel des eaux souterraines, détectant les changements causés par la fracturation de la roche en profondeur – des changements qui surviennent avant que les fractures ne deviennent assez grandes pour générer des secousses détectables.
Un avenir plus sûr, écrit en micro-secousses
La planète émet des signaux bien avant un séisme majeur ; nous devenons enfin meilleurs pour les reconnaître avant que les dégâts ne commencent.
La sismologie pilotée par l’IA représente l’une des avancées les plus significatives de la science des catastrophes – avec la possibilité de sauver des milliers de vies par an à mesure que son déploiement s’étend dans le monde. La technologie transforme des micro-secousses invisibles en informations exploitables, donnant aux populations un temps précieux pour se préparer à des événements autrefois jugés imprévisibles.
La Terre continuera de trembler. Les volcans continueront d’entrer en éruption. Ce sont autant de réalités géologiques que nous ne pouvons tout simplement pas changer. Mais ce que nous pouvons changer, c’est notre façon de réagir – nous pouvons écouter les murmures au lieu d’ignorer les signaux sismiques de faible magnitude.
La sismologie par IA offre à l’humanité un cadeau rare : un préavis de la catastrophe imminente. Que ce cadeau sauve des vies dépend entièrement de ce que nous déciderons d’en faire.
Les données sont là, et pour la première fois, nous avons les outils pour vraiment les exploiter. Le défi, désormais, est de faire parvenir cette technologie aux régions qui en ont le plus besoin.
Envie de suivre les avancées technologiques qui transforment notre relation avec la planète ? Visitez Geoscopy sur Instagram pour découvrir d’autres éclairages sur les sciences de la Terre, la géologie et les innovations qui sauvent des vies.
