conseil supérieur de la météorologie - Météo

MINISTÈRE DE L’ÉCOLOGIE, DU DÉVELOPPEMENT DURABLE ET DE L’ÉNERGIE
CONSEIL SUPÉRIEUR DE LA MÉTÉOROLOGIE
1
CSM/SP/AGRO/N° 2014-2 TOULOUSE, le 1er décembre 2014
COMPTE-RENDU DE LA REUNION
COMMISSION « AGRICULTURE »
DU 16/10//2014
Participants (en vidéo-conférence entre Paris et Toulouse)
D. MARTEAU (APCA – Président de la Commission)
J-P. MAC VEIGH (Météo-France – Secrétaire permanent du CSM)
G. PIGEON (Météo-France – Correspondant DG)
M. REGIMBEAU (Météo-France – Secrétaire de la Commission)
M-P. TRAULLE (Météo-France – Correspondant ENM)
X. LE BRIS (ARVALIS – Institut du végétal)
F. LANGELLIER (CIVC)
P. TOUCHAIS (APCA)
A. YAOUANC (CA du Calvados)
F. BRUN (ACTA)
M. RAYNAL (IFV)
C. CHANSIAUX (INVIVO)
S. MONDON (MEDDE/ONERC)
N. CANAL (Météo-France, ARVALIS – Institut du végétal)
Excusés
O. DEUDON (ARVALIS – Institut du végétal)
I. SIVADON (CIRAME)
F. HUARD (INRA)
M. LOQUET (Ministère de l'Agriculture)
***
I/ Observatoire National des Effets du Réchauffement Climatique : portail et impacts agronomiques (Nicolas
Blériot, Sylvain Mondon, ONERC)
Sylvain Mondon commence par présenter l’Observatoire National des Effets du Réchauffement Climatique
(ONERC) et la genèse de celui-ci. L’ONERC a été créé en 2001 suite à l’adoption à l’unanimité de la loi de 2001
tendant à conférer à la lutte contre l'effet de serre et à la prévention des risques liés au réchauffement climatique la
qualité de priorité nationale et portant création d'un Observatoire national sur les effets du réchauffement climatique en
France métropolitaine et dans les départements et territoires d'outre-mer. L’ONERC dispose d’un double pilotage : un
conseil d’orientation sous la présidence du sénateur Paul Vergès et une direction opérationnelle sous la coupe de
Laurent Michel directeur général de l’énergie et du climat (direction DGEC) du ministère de l’écologie, du
développement durable (MEDDE) et de l’énergie et de Nicolas Bériot en tant que secrétaire général. Au quotidien, une
équipe de 4 chargés de mission dont un sur les questions agricoles travaille sous la direction de ce secrétaire général.
Les missions initiales de l’ONERC étaient au nombre de 3. La première concerne la collecte et la diffusion
d’informations sur les effets du changement climatique. La deuxième est la rédaction d’un rapport annuel au 1
er
ministre
et au parlement sur des points transversaux ou sectoriels. En pratique l’ONERC s’appuie fortement sur la communauté
scientifique pour la rédaction de ces rapports. Enfin, l’ONERC est le point focal français pour le GIEC (Groupement
International d’Experts pour le Climat), c’est à dire qu’il coordonne la sélection des auteurs français aux rapports du
GIEC et le versement de la contribution financière française (environ 200 k€). Une quatrième mission a été confiée à
l’ONERC plus récemment sur la mise au point d’un plan national d’adaptation au changement climatique.
En termes d’organisation, l’ONERC a adopté une logique de travail en réseau avec les différentes directions
des ministères spécialisées sur des secteurs à forte sensibilité climatique. Dans le cas de l’agriculture par exemple,
l’ONERC s’appuie fortement sur l’expertise de la Direction Générale des Politiques Agricoles, Agroalimentaire et des
territoires (DGPAAT) du ministère de l’agriculture (Maryline Loquet). A sa création, l’ONERC était rattaché au
premier ministre et depuis 2008, il dépend directement de la DGEC du MEDDE.
Un élément à forte visibilité du travail de l’ONERC est la publication sur son site internet d’indicateurs. Ceux-
ci ne sont pas des outils de suivi ou de gestion comme le sont des indicateurs que produisent certaines filières. Ces
indicateurs sont publiés dans un objectif de vulgarisation pour sensibiliser ou mobiliser le public autour de la
problématique des impacts du changement climatique. Il s’agit aussi de pouvoir objectiver et quantifier un phénomène

MINISTÈRE DE L’ÉCOLOGIE, DU DÉVELOPPEMENT DURABLE ET DE L’ÉNERGIE
CONSEIL SUPÉRIEUR DE LA MÉTÉOROLOGIE
2
perçu et décrit par les acteurs et le public. C’est pour répondre à cette finalité notamment que le choix des indicateurs
porte souvent autour de la vigne et des appellations reconnus qui sont très emblématiques pour le grand public. Ils sont
bien sûr construits en partenariat avec ces filières ou les acteurs scientifiques. En plus des indicateurs, l’ONERC met
également à disposition sur son site des fiches plus détaillées.
Sylvain Mondon commente par la suite plusieurs des indicateurs publiés concernant le secteur agricole. Les
premiers indicateurs concernent les dates de floraison et de vendanges en Champagne sur un ensemble de 300 points
collectés par le Comité Champagne. Les indicateurs présentés montrent des avancées de l’ordre de 2 semaines en 20 ans
pour les deux périodes critiques de cette culture. Il est rappelé que dans cette évolution, les facteurs climatiques ne sont
pas les seuls en jeu puisque des facteurs agronomiques variant à des échelles de temps semblables sont également à
prendre en compte comme les évolutions des techniques culturales. D’autres exemples, toujours en viticulture, sont
présentés comme les dates de vendanges de Saint Emilion depuis 1892 ou de floraison de vigne en Alsace sur un même
cépage. Pour l’ensemble de ces indicateurs, les précautions autour des protocoles d’homogénéisation et de validité sont
rappelées. La faiblesse de certains signaux de tendance en comparaison avec la variabilité interannuelle est également
pointée. Un dernier jeu d’indicateurs est enfin présenté pour le maïs et le blé. Sylvain Mondon souligne qu’on atteint ici
les limites de l’exercice puisque l’analyse de l’effet individuel du climat est fortement masqué voir compensé par des
adaptations dans la conduite de ces deux cultures.
Sylvain Mondon revient ensuite sur la présentation de la démarche nationale d’adaptation que pilote l’ONERC
et qui a conduit à la mise en place du 1
er
plan national d’adaptation au changement climatique (PNACC) sur la période
2011-2015. Cette démarche s’est en fait déroulée en 4 phases :
• Une 1
ère
phase de constitution de connaissances sur les impacts du climat qui a démarré en 1999 ;
• Une 2
ème
phase de définition d’une stratégie débutée en 2007 ;
• Une 3
ème
phase de concertation en 2010 ;
• Et la dernière phase de planification qui a débuté en 2011.
La mise en œuvre du PNACC a fait l’objet d’une revue à mi-parcours qui a été présentée en janvier 2014 au
Conseil National Technique et Environnemental (CNTE). Le PNACC a également donné lieu à des auditions
parlementaires au printemps 2014 et à la publication d’un rapport du Conseil Economique, Social et Environnemental
(CESE) en mai 2014. Le bilan de ce 1
er
PNACC sera établi à la fin 2015. D’un point de vue quantitatif, le PNACC
représente 84 actions et 230 mesures dont l’ensemble se chiffre à 168 M€ sur 5 ans. Sylvain Mondon conclut par la
présentation de la fiche agriculture qui regroupe les 5 actions dans ce secteur :
• poursuivre l’innovation par la recherche, le retour d’expérience et faciliter le transfert vers les professionnels et
l’enseignement ;
• promouvoir l’aménagement du territoire au regard des vulnérabilités locales et des nouvelles opportunités
offertes ;
• adapter les systèmes de surveillance et d’alerte aux nouveaux risques sanitaires ;
• gérer les ressources naturelles de manière durable et intégrée pour réduire les pressions induites par le changement
climatique et préparer l’adaptation des écosystèmes ;
• gérer les risques inhérents à la variabilité et au changement du climat en agriculture.
Un débat s’ouvre à la suite de cette présentation. Le président de la commission, Didier Marteau, fait état du
constat sur le terrain de l’évolution du climat et pas uniquement du réchauffement climatique. Il mentionne notamment
les raccourcissements des cycles culturaux qu’il observe à titre personnel autour de lui dans sa région tout en soulignant
que ces évolutions ne peuvent être imputées seulement à l’évolution du climat. Xavier Le Bris, vice-président de la
commission, rappelle aussi tout le travail fait autour de l’adaptation variétale qui peut amener des évolutions très
significatives pour une culture comme le maïs mais qui n’est sans doute pas à négliger même pour des cultures pérennes
comme pour la vigne avec la sélection de cépages plus tardifs par exemple. François Langellier fait part des évolutions
de production constatées pour le champagne et évoque effectivement une augmentation des potentiels de récolte sans
écarter l’effet de l’évolution des techniques culturales dans ce signal. Xavier Le Bris pose la question du caractère
pédagogique des indicateurs retenus qui résultent effectivement de plusieurs facteurs et demande si la publication
d’indicateurs agro-climatiques comme des sommes de température, des cumuls de rayonnement serait pertinente.
François Langellier mentionne à titre d’exemple l’indice d’Huglin pour la vigne. Jean-Pierre Mac Veigh, secrétaire
permanent du CSM, demande également si ce type d’indicateurs est publié sur le portail Drias ou est disponible à
Météo-France. Grégoire Pigeon précise qu’actuellement des indicateurs purement climatiques existent sur le site de
l’ONERC comme par exemple l’évolution de la température moyenne, la diminution du nombre annuel de jours de gel
et de la période sensible au gel en hiver. Par ailleurs, Grégoire Pigeon indique que les indicateurs agro-climatiques
évoqués ne figurent pas sur Drias mais qu’ils sont régulièrement calculés dans le cadre d’études spécifiques ou de
convention avec les organismes qui le souhaitent. Sylvain Mondon rappelle l’existence d’un groupe de travail au sein de
l’ONERC sur le sujet des indicateurs spécifiques à l’agriculture et enjoint les membres de la commission à y participer.
François Langellier rappelle également pour le cas de la diminution du nombre de jours de gels et la réduction de la
période sensible à ce phénomène qu’on observe conjointement une précocité d’apparition des stades phénologiques de
la vigne qui y sont sensibles et que le risque global de gel printanier pour la vigne n’a que très peu évolué. L’apport

MINISTÈRE DE L’ÉCOLOGIE, DU DÉVELOPPEMENT DURABLE ET DE L’ÉNERGIE
CONSEIL SUPÉRIEUR DE LA MÉTÉOROLOGIE
3
pour la recherche en sélection variétale d’une mise en ligne de ces indicateurs agro-climatiques est également évoqué
par les participants à la commission. Le besoin de rendre ces indicateurs plus accessibles semble plus ou moins partagé.
Sur la question de la faiblesse de la tendance en comparaison avec les évolution inter-annuelles, François Brun
demande si l’évolution de cette variabilité climatique inter-annuelle pourrait être présentée en plus de l’évolution
moyenne.
Philippe Touchais revient sur la partie de la présentation qui portait sur le PNACC et demande des précisions
sur le rôle de l’ONERC et le chiffrage budgétaire global du PNACC. Sylvain Mondon rappelle la méthode qui a été
appliquée : le chiffrage budgétaire est le résultat d’une quantification de l’ensemble des actions qui étaient déjà menées
avant la mise en œuvre du PNACC et qui a abouti à une valeur de 171 M€. Il rappelle également que le pilotage du plan
se concrétise par des arbitrages et invite les membres de la commission à exprimer ces recommandations. Philippe
Touchais demande également des précisions sur le suivi du PNACC et s’étonne du faible nombre de remarques faites à
ce stade. Sylvain Mondon indique que l’évaluation à mi-parcours a été réalisée par les différentes directions générales
des ministères qui les mettent en œuvre alors que l’évaluation finale sera réalisée dans le cadre d’un audit externe.
II/ Application à l’agriculture de la prévision saisonnière et évaluation à l’échelle de la France (Nicolas Canal,
Météo-France / Arvalis – Institut du Végétal)
Nicolas Canal présente les travaux qu’il a effectués durant ces 3 dernières années dans le cadre d’une thèse CIFRE co-
encadrée par Arvalis-Institut du Végétal et Météo-France sur la valorisation de la prévision saisonnière appliquée à
l’agriculture.
La climatologie et la prévision du temps sont des notions que le monde agricole connaît et utilise au quotidien. Les
nombreux dictons et proverbes pour décrire le temps qu’il va faire, ou encore l’utilisation régulière de prévisions
météorologiques en sont la meilleure illustration et symbolisent cette volonté d’appréhender la variabilité naturelle du
climat.
Depuis plusieurs décennies, la prévision météorologique fait de constants progrès et les outils de communication
permettent aujourd’hui de disposer d’une donnée fiable, rapidement et sans contrainte.
Néanmoins, la communauté météorologique reste ambitieuse et cherche toujours à repousser les limites de la prévision
en élaborant de nouveaux outils et produits, parmi lesquels la prévision saisonnière. Elaborée de la même manière que
la prévision météorologique qui nous est familière, la prévision saisonnière diffère dans l’échéance puisqu’elle cherche
à délivrer une tendance des variables météorologiques moyennées sur les mois à venir, d’où le terme « saisonnier ».
Les régions de moyennes latitudes sont soumises à une variabilité climatique importante, résultant des interactions entre
l’océan, la banquise, l’atmosphère et la biosphère. La prévision saisonnière n’est pas assimilable à une prévision
classique, dite « déterministe », qui consiste à prévoir l’évolution spatiale et temporelle d’une variable le plus finement
possible. Elle cherche plutôt à donner une information probabiliste, c’est-à-dire une prévision de l’évolution moyenne
du temps à venir associée à un pourcentage de chance que ce soit réellement observé. Ce type de prévision présente
l’avantage d’anticiper des variables météorologiques à des échéances pouvant aller jusqu’à plusieurs mois. Ainsi, la
prévision saisonnière ne peut pas être considérée comme une prévision météorologique au sens propre, mais plutôt
comme une prévision climatique.
Cet état de fait est rendu possible grâce à l’évolution de l’atmosphère pilotée par des éléments précurseurs ayant une
influence planétaire ou plus locale, mais induisant des variations climatiques à grande échelle. Le plus important est
l’ENSO, pour « El Nino Southern Oscillation », connu notamment pour ses conséquences sur les côtes ouest de
l’Amérique du Sud et de l’Amérique Centrale, ou encore en Australie, observées avec une fréquence en moyenne
d’environ cinq ans. A l’échelle de l’Europe, la notion de « régime de temps » s’applique, permettant de caractériser des
situations météorologiques quasiment identiques pendant des courtes périodes allant de cinq à quinze jours. A l’aide
d’un modèle climatique, l’identification précoce de ces régimes de temps ou de leurs précurseurs est un élément clé
pour connaître l’évolution du temps au cours des mois qui viennent.
Les principales caractéristiques de la prévision saisonnière sont connues : une meilleure prévisibilité est observée dans
les tropiques (ce qui ne signifie pas qu’elle est nulle dans l’hémisphère nord et en Europe) et elle est plus grande en
hiver. De plus, de meilleures scores de réussite sont obtenus pour les températures comparativement aux précipitations.
La limite de prévisibilité d’une prévision déterministe est située à un intervalle de dix à vingt jours, majoritairement à
cause du comportement chaotique de l’atmosphère (c’est-à-dire que l’évolution de l’atmosphère est susceptible de
complètement changer à cause d’une légère modification de son état initial, aussi appelé l’« effet papillon »). Du fait de
l’imprécision dans la connaissance de l’état initial de l’atmosphère au démarrage d’une simulation et de la grande
sensibilité du modèle à cette incertitude, les prévisions déterministes du temps s’écartent beaucoup trop de la réalité au
bout quelques jours de simulation seulement. La prévision saisonnière du temps permet de tenir compte de cette
incertitude puisque plusieurs prévisions sont réalisées (au lieu d’une seule dans la prévision déterministe) avec à chaque
fois des conditions initiales différentes. Contrairement à une prévision classique, des variables comme la température

MINISTÈRE DE L’ÉCOLOGIE, DU DÉVELOPPEMENT DURABLE ET DE L’ÉNERGIE
CONSEIL SUPÉRIEUR DE LA MÉTÉOROLOGIE
4
des océans, l’humidité des sols ou encore la couverture neigeuse vont avoir plus d’importance dans la modélisation
puisque celles-ci vont influencer durablement l’état de l’atmosphère. En effet, chacune des composantes du système
climatique est susceptible d’apporter une information sur la variabilité climatique attendue.
Plus on réalise un nombre important de simulations qui utilisent à chaque fois des conditions initiales différentes de
l’atmosphère, plus on est susceptible d’augmenter la prévisibilité du système climatique. Les résultats obtenus vont
ainsi caractériser l’état le plus probable de l’atmosphère à une échéance donnée. C’est pour cela que la prévision
saisonnière est de nature probabiliste. Une autre source d’incertitude réside dans le modèle climatique lui-même. Les
modèles simulent le plus fidèlement possible le comportement de l’atmosphère à travers des lois physiques issues de
nos connaissances actuelles dans ce domaine. Or, la représentation de ces lois par un modèle climatique nécessite des
simplifications ainsi que l’utilisation d’une résolution spatiale pas toujours suffisante pour bien caractériser l’évolution
de l’atmosphère. Selon le degré de simplification et la résolution du modèle, une autre source d’incertitude plus ou
moins importante va donc se rajouter dans notre système de prévision. Afin de représenter cette source d’incertitudes,
les approches les plus courantes consistent à utiliser soit plusieurs modèles climatiques (approche « multi-modèles »),
soit à « déformer » légèrement la représentation de la physique de l’atmosphère.
La prévision saisonnière issue d’un modèle climatique possède une résolution assez grossière (de l’ordre de plusieurs
dizaines de kilomètres). Pour obtenir la prévision issue du modèle à une échelle spatiale plus représentative de l’étude
réalisée (de l’ordre du kilomètre), il est nécessaire d’utiliser des méthodes appelées « descente d’échelle » (appelées
ainsi du fait de passer d’une vaste échelle spatiale à une échelle plus petite). Ces méthodes présentent le double
avantage de mieux tenir compte des informations locales logiquement absentes dans les prévisions issues des modèles
climatiques (comme par exemple le relief) ainsi que de corriger l’écart moyen entre les prévisions du modèle et les
observations (le biais) inhérent au modèle climatique.
Fort de cette connaissance, il apparaissait intéressant de vérifier si une adaptation des pratiques agricoles est
envisageable compte tenu de la connaissance de l’évolution moyenne du climat à venir. Les prévisions saisonnières
servant à piloter un modèle de culture.
Dans le cadre d’un travail de thèse commun avec Météo-France, nous avions à disposition les données du projet
européen ENSEMBLES. Ce projet avait pour but de mettre en place une série de prévisions saisonnières des principales
variables météorologiques sur une période de 46 ans et sur un domaine spatial incluant toute l’Europe. Plusieurs
modèles climatiques ont réalisé cet exercice en démarrant leurs simulations à plusieurs dates dans l’année et en tenant
compte à chaque fois de différentes conditions initiales de l’atmosphère. Le seul inconvénient de ce projet était que la
résolution horizontale des données issues des modèles était de 250 kilomètres.
Dans une optique de simplification et pour caler au mieux au calendrier cultural, seule la simulation démarrant au mois
de février a été utilisée pour chacune des 25 années de la période 1981-2005, à une échéance de 4 et 6 mois. A chaque
fois, une méthode de descente d’échelle est appliquée afin d’obtenir des prévisions avec une résolution de 8 kilomètres.
L’évaluation de la qualité de la prévision saisonnière sera faite relativement à une autre méthode actuellement utilisée
par l’Institut. Elle se base sur une prévision en cours de campagne, basée sur un cas météorologique passé (parmi les 20
dernières années) le plus ressemblant à l’année en cours. Cette méthode est appelée « méthode fréquentielle ».
199 sites ont été choisis sur la France pour assurer une couverture relativement homogène du territoire
De cette manière, différents jeux de simulation sont constitués et synthétisés dans le tableau suivant :
Descriptif des différentes simulations en fonction du nombre de modèles utilisés, de la descente d’échelle et de
l’échéance. Les prévisions saisonnières sont évaluées au travers de trois modalités : 1/ La descente d’échelle ;

MINISTÈRE DE L’ÉCOLOGIE, DU DÉVELOPPEMENT DURABLE ET DE L’ÉNERGIE
CONSEIL SUPÉRIEUR DE LA MÉTÉOROLOGIE
5
2/
L’utilisation de plusieurs modèles climatiques ; 3/ L’apport de la prévision saisonnière par rapport à la connaissance
du climat des 20 dernières années, dite « méthode fréquentielle ».
Les critères agro-climatiques retenus pour l’évaluation sont constitués de six stades agronomiques, de huit variables
hydriques et de six variables thermiques. Pour pouvoir évaluer les différentes simulations réalisées avec la prévision
saisonnière au travers de scores statistiques, une approche déterministe doit être envisagée en utilisant la médiane de
l’ensemble des prévisions (cas des modalités 1 et 2). La modalité 3 fait uniquement appel à l’approche probabiliste.
Pour la majorité des indicateurs et pour toutes les variables, les résultats déterministes montrent l’intérêt d’utiliser une
approche multi-modèles, ainsi que d’appliquer une méthode de descente d’échelle. Le couplage « Multi-modèles Q-Q 4
mois » présente les meilleurs scores, avec des biais en diminution et un coefficient de corrélation élevé qui reflète une
certaine capacité à correctement prévoir les variables agro-climatiques futures. Néanmoins, les variables hydriques
présentent des scores globalement médiocres. Une analyse détaillée des résultats montre une segmentation
géographique avec des scores sensiblement meilleurs dans la zone Nord, comparativement à la zone Sud, illustrée par
une augmentation du biais au fur et à mesure de la simulation. La qualité des simulations des variables hydriques ou
thermiques est fortement liée à la nature de celle-ci, qui se traduit dans certains cas par une mauvaise représentation de
la distribution des valeurs par rapport à la référence, en partie imputable à l’approche déterministe choisie.
Une difficulté supplémentaire réside dans le fait que ces variables prennent en compte les stades phénologiques, eux-
mêmes issus de la prévision du modèle de culture.
L’évaluation probabiliste permet de caractériser l’information apportée par la prévision d’ensemble. Compte tenu de la
variabilité des résultats obtenus pour les variables hydriques et thermiques mise en évidence avec les scores
déterministes, seuls les stades phénologiques seront évalués de cette manière. Si l’on classe les prévisions obtenues par
ordre croissant, on peut ensuite les répartir en trois catégories, chaque prévision ayant la même probabilité d’appartenir
à l’une d’entre elles. La catégorie médiane correspond aux prévisions « normales », tandis que les deux catégories
opposées sont respectivement constituées des prévisions « inférieures » et « supérieures » à la normale. Seules ces deux
catégories de prévisions sont évaluées, appelées « tercile inférieur » et « tercile supérieur ». Ils représentent les cas les
plus « marquants » des prévisions obtenues.
A l’exception des stades de fin de cycle, les prévisions sont globalement de meilleure qualité avec la prévision
saisonnière. Au-delà de quatre mois, les prévisions issues de la méthode fréquentielle fournissent une information plus
intéressante. ce type d’évaluation une distinction marquée des scores entre les régions Nord et Sud, en faveur de la
région Nord.
Une dernière approche a consisté à regarder la performance de la prévision saisonnière à l’échelle annuelle via le calcul
d’anomalies standardisées et non plus de manière globale sur la période 1981-2005. Les années atypiques (définies
selon les cas où la prévision dépasse un seuil calculée à partir de l’écart-type de la distribution des prévisions) sont
identifiées pour chacun des deux systèmes de prévision (la prévision saisonnière et la méthode fréquentielle) et ensuite
comparées aux années atypiques réellement observée (en utilisant la référence). De manière générale, la capacité de
chacune des deux systèmes de prévision est équivalente. Les années dites « extrêmes » (ou des événements très rares se
produisent) restent difficilement identifiables.
Au final, la qualité de notre système de prévisions d’ensemble, basé sur l’utilisation de données issues de la prévision
saisonnière du temps apparaît correcte si l’on utilise une approche multi-modèles, si l’on applique une méthode de
descente d’échelle et si l’on se limite à ne prévoir que les variables situées dans les quatre premiers mois après la date
d’initialisation de la simulation. L’approche probabiliste est à privilégier si l’on veut exploiter l’intégralité de
l’information apportée par la prévision saisonnière. Malgré tout, elle ne surpasse pas toujours le calcul fréquentiel.
Selon les régions où sont situés les sites et la catégorie de variables étudiées, les résultats varient avec généralement de
meilleurs scores pour la région nord.
Ces premiers résultats intéressants demandent à être confirmés via l’utilisation de prévisions issues de systèmes
opérationnels comme EUROSIP, qui nous permettrait de bénéficier des dernières avancées de la recherche dans ce
domaine et d’accroître la taille des simulations disponibles. On passerait ainsi de 45 membres dans le projet
ENSEMBLES (cinq modèles fournissant chacun neuf membres) à près de 200 (quatre modèles fournissant chacun 51
membres). De cette manière, on améliorerait la prise en compte des différentes sources d’incertitudes des systèmes de
prévision, tout en utilisant des modèles climatiques plus performants que lors de leur utilisation dans le projet
ENSEMBLES (résolutions affinées, système climatique plus complexe et donc plus réaliste...).
Didier Marteau remercie Nicolas Canal pour son exposé et la qualité de son travail. Philippe Touchais trouve très
intéressante cette présentation des premières applications de la prévision saisonnière à l’agriculture. François Brun
demande en particulier si la variabilité peut être expliquée par chacun des modèles. Nicolas Canal explique que les
résultats sont ici présentés obtenus avec un seul modèle, ceux-ci sont améliorés en considérant les expériences multi-
modèles. Ainsi, Grégoire Pigeon précise que l’ensemble des modèles permet de récupérer la totalité des incertitudes.