De l’incertitude en climatologie/2.

(Suite)

Incertitude, ignorance et confiance.

Le document-guide de Moss and Schneider (2000) sur l'incertitude  recommandait un vocabulaire unifié pour exprimerles niveaux quantitatifs de confiance basés sur une somme de preuves (nombre de sources d'information) et le degré d'accord (consensus) entre les experts. Cette stratégie d'évaluation ne comprend ni une analyse systématique des types et niveaux d'incertitude, ni une analyse de la qualité des preuves et plus important, néglige les indéterminiations et l'ignoré en tant que facteurs d'évaluation de ces niveaux de confiance. Dans un contexte d'encadrement étroit du sujet, cette évaluation de l'incertitude fait du consensus une prophétie auto-réalisatrice.

Les directives sur l'incertitude fournies dans le quatrième rapport du GIEC distinguaient les niveaux de confiance dans les connaissances scientifiques et la propabibilité de résultats particuliers. En pratique, les conclusions originales de ce rapport incluaient un ambigu mélange de probabilités et de niveaux de confiance. Curry and Webster (2010) ont mis en évidence certaines questions par rapport à la formulation "La plus grande part de l'augmentation observée dans les températures moyennes mondiales depuis le milieu du XXième siècle est très probablement due à l'augmentation observée des concentrtations de gaz à effet de serre". Risbey and Kandlikar (2007) ont décrit les ambiguités issues de l'application de probabilités et de niveaux de confiance, y compris dans des situations où ces notions ne peuvent être totalement distinguées, les probabilités contenant un niveau de confiance implicite et l'interprétation de l'incertitude étant plutôt difficile dans certains cas, ainsi lorsqu'il y a deux niveaux d'imprécisions.

De nombreuses méthodes de classement du risque et de l'incertitude ont été décrites dans le contexte de différentes disciplines et pour des applications variées (pour une revue récente, voir Spiegelhalter et Riesch(2011)). Particulièrements pertinents pour le changement climatique, sont les schémas d'analyse de l'incertitude lors d'analyses de risque. Mes inquiétudes de base relatives à la caractérisation de l'incertitude par le GIEC portent sur :

  • une absence de discrimination entre l'incertitude statistique et celle des scénarios,
  • un net manque de prise en compte significatif de ce qui n'est pas connu.

Selon Walker et al.(2003), l'incertitude statistique est distincte de celle des scénarios, car celle-ci implique qu'il n'est pas possible d'exprimer une probablité d'occurence de certains résultats. Un scénario est une description plausible mais invérifiable du développement du système et/ou de ses forces agissantes dans le futur. Les scénarios peuvent être regardés comme un jeu de possibilités discrètes sans probabilités associées a priori.

Wynne (1992) a défini le risque comme la connaissance des chances que cela se réalise (analogue à l'incertitude statistique de Walker et al.) et l'incertitude comme l'ignorance des chances que cela se réalise mais avec une connaissance des principaux paramètres (analogue à l'incertitude des scénarios de Walker et al.).

Stainforth et al. (2007) pensent que l'inadéquation des modèles et le nombre insuffisant de simulations de l'ensemble empêchent de produire des distributions de probabilités ayant un sens, à partir de la fréquence des résultats des modèles du climat futur. Stainforth et al. constatent qu "Etant donné des modèles non-linéaires avec de grandes erreurs systématiques sur les conditions initiales, aucun lien même vague, n'a pu être établi entre la distribution des états des modèles en conditions altérées et les distributions de probablités utiles pour la décision… En outre, ils sont responsables d'induire en erreur car les conclusions présentées généralement sous la forme de densité de probabilité (PDF pour probability density function), impliquent une plus grande confiance que les hypothèses sous-jacentes ne le justifient". Sur les insuffisances des modèles et leurs incertitudes, Betz (2009) considère qu'il faut logiquement considérer les simulations par modèle climatique comme des possibilités, ce qui est cohérent avec l'incertitude des scénarios. Stainforth et al. font un constat similaire : "Chaque simulation issue d'un modèle a un intérêt si elle présente un scénario "que se passe-t-il si" à partir duquel on peut apprendre sur le modèle ou système climatique terrestre". Les jeux de conditions initiales insuffisamment étendus, combinés à l'incertitude sur la structure des modèles et de leurs paramètres gène l'obtention de densités de probabilités à partir des simulations obtenues, qui sont plus utiles pour faire une moyenne ou des intervales de confiance. En présence d'une incertitude de scénario, caractéristique des simulations par modèles, les tentatives d'obtenir une densité de probabilité pour la sensitivité du climat (par exemple Annan and Hargreaves 2010) sont sans aucun doute trompeuses et de mauvais conseil.

L'ignoré est ce qui est est inconnu; Wynne (1992) a établi que l'ignoré était endémique car la connaissance scientifique doit limiter l'incertitude pour pouvoir fonctionner. Walker et al.(2003) classe comme suit les différents niveaux de l'ignoré. L'ignoré complet implique un tel niveau d'incertitude, que l'on ne sait même pas ce qui est inconnu. Une ignorance reconnue est liée à une incertitude fondamentale du mécanisme étudié et des fondements scientifiques faibles pour développer des scénarios. Réduire l'ignoré peut être résolu en poursuivant des recherches plus avant, alors que l'ignoré irréductible implique que la connaissance ne peut être améliorée par celles-ci (par exemple ce qui est arrivé avant le Big Bang). Bammer and Smithson (2008) ont ensuite séparé l'ignorance reconnue, où l'on sait que l'on ignore ce que l'on ne sait pas, de l'ignoré non-reconnu ou méta-ignoré, où l'on ne considère même pas la possibilité de se tromper.

Alors que le schéma d'incertitude de Kandlikar et al. (2005) inclut explicitement l'ignorance effective dans ses sources d'incertitudes, le guide sur l'incertitude du quatrième rapport du GIEC, basé sur Kandlikar et al., l'oublie. Il s'ensuit que les niveaux de confiance définis par le GIEC, basés sur la somme des preuves (le nombre de sources d'informations) et le degré d'accord (consensus) entre experts, ne rendent pas totalement compte de l'indétermination et de l'ignoré, bien que des zones reconnues d'ignorance soient mentionnées dans certaines parties du rapport (par exemple la possibilité d'effets indirects du soleil dans la section XX de ce rapport). L'excès de confiance résulte inévitablement du fait d'avoir négligé indétermination et ignoré.

Une approche complète de la gestion de l'incertitude et de l'identification de ses éléments est décrite dans le système NUSAP, qui comprend des méthodes pour déterminer l'origine et la qualité des données pertinentes et des méthodes utilisées (par exemple, voir van der Sluijs et al. 2005a,b). La complexité de ce syst!me empêche sans doute une adoption massive par le GIEC. L'enjeu est de bien caractériser l'incertitude tout en conservant de la simplicité et de la flexibilité pour la faciliter. dans le contexte de l'analyse de risque, Speigelhalter and Riesch (2011) décrivent un système de caractérisation qui couvre toute la gamme depuis la formalisation numérique complètee de probabilités jusqu'à l'indétermination et l'ignoré et qui inclut la possibilité d'événements non précisés mais surprenants. La qualité des preuves est un élément important des systèmes NUSAP et de Spiegelhalter and Riesch (2011). L'échelle  GRADE du Guyatt et al.(2008) fournit également une méthode utile pour en juger, le NUSAP utilisant lui un système plus complexe pour d'évaluation de la qualité.

Les estimations subjectives de la confiance à accorder devraient aborder non seulement la somme des preuves en faveur ou en défaveur et le niveau de consensus, mais aussi l'adéquation des connaissances fondamentales (ce qui inclut le niveau d'incertitude et l'ignoré) et la qualité de l'information disponible. Une façon pratique d'intégrer ces éléments dans une évaluation de confiance est fournie par Egan (2005). La différence fondamentale entre les deux approches vient de ce que la dimension associée au degré de consensus entre les experts est remplacée par des avis focalisés sur l'adéquation de la base de connaissances et la qualité de l'information disponible.

(A suivre)

@@@@@@
Share on FacebookTweet about this on TwitterEmail this to someone

7 Comments     Poster votre commentaire »