Une prévision unique, parfois appelée run « déterministe », part d'une seule meilleure estimation de l'atmosphère actuelle et la projette une seule fois dans le temps. Le problème est que l'atmosphère est chaotique : de minuscules erreurs inévitables dans cette photographie de départ, bien plus petites que ce qu'un instrument pourrait jamais mesurer, s'amplifient avec le temps et peuvent complètement changer le résultat au bout de sept à dix jours. C'est le fameux « effet papillon ». Un run unique ne montre donc qu'un seul avenir possible parmi beaucoup d'autres tout aussi plausibles. Une prévision d'ensemble résout ce problème en exécutant le même modèle des dizaines de fois, chaque fois avec un point de départ légèrement différent mais tout aussi réaliste, afin d'échantillonner l'éventail des avenirs que l'atmosphère pourrait réellement prendre.
Comment les ensembles sont construits
Deux types de perturbations construisent un ensemble. D'abord, les conditions initiales sont légèrement modifiées dans la marge d'incertitude connue des observations qui alimentent le modèle, ce qui produit de nombreuses atmosphères de départ légèrement différentes mais tout aussi valables. Ensuite, des perturbations stochastiques de la physique font varier la façon dont le modèle représente les processus trop petits pour être calculés directement, comme les nuages individuels ou la turbulence, puisque ceux-ci sont approximés plutôt que résolus exactement. L'ensemble d'ECMWF, appelé ENS, exécute 50 membres perturbés plus un run de contrôle non perturbé, jusqu'à 15 jours. Le GEFS de la NOAA, l'ensemble du GFS, exécute environ 30 membres. L'AIFS d'ECMWF, basé sur l'intelligence artificielle, est assez peu coûteux en calcul pour que son propre ensemble puisse être généré rapidement avec beaucoup moins de matériel, rendant les grands ensembles plus accessibles que jamais. Certains prévisionnistes vont plus loin et construisent des ensembles multi-modèles, mélangeant des membres de plusieurs modèles de centres nationaux différents en un seul groupe plus large.
Comment interpréter un ensemble
La visualisation classique est le « spaghetti plot » : une ligne par membre, toutes superposées pour la même variable, comme la hauteur à 500 hPa ou la température à 850 hPa. Quand les lignes se regroupent étroitement, les membres s'accordent et la confiance est élevée ; quand elles s'éparpillent largement, l'avenir de l'atmosphère est réellement incertain à ce moment-là, quelle que soit la conviction qu'inspire une ligne isolée. La moyenne d'ensemble, la moyenne de tous les membres, est plus lisse que n'importe quel run individuel et constitue souvent un bon chiffre unique à citer, mais elle peut fondre deux scénarios distincts et également probables en une valeur médiane trompeuse, donc elle ne doit jamais être lue seule. Les pourcentages sont généralement le résumé le plus utile : si 35 membres sur 50 montrent une pluie mesurable à un endroit, cela représente environ 70 % de probabilité de pluie à cet endroit, ni une certitude ni un tirage à pile ou face. En règle générale, la dispersion de l'ensemble est naturellement étroite à un ou deux jours et s'élargit progressivement au fil de la semaine ; traitez donc la sortie du jour un comme une vérification de cohérence et celle du jour huit ou neuf comme un guide de l'éventail des possibilités plutôt qu'une réponse unique. Sur les pages d'ensembles ECMWF, GFS et AIFS de ngmeteo.com, cliquez sur n'importe quel lieu pour voir exactement cet éventail de prévisions membre par membre pour la température et les précipitations, l'image la plus honnête de ce qu'un modèle de prévision sait réellement sur l'avenir.