Hackathon Météo France

L'organisation

Chez Météo France, la plus grande partie de l'activité de recherche a lieu à Toulouse, c'est donc tout naturellement dans ces locaux qu'a eu lieu le hackathon sur le thème "Le Climat en Données". Les équipes, formées sur place ou lors de précédents meetings, avaient 2 jours pour concevoir et réaliser un projet qui fait usage des données que Météo France et la DINUM nous fournissent. Ces données sont en fait en version beta, tout fraîchement sortis des derniers runs de simulation!

Quelques jours avant l'événement, Météo France avait proposé deux meetings de formation d'équipe, principalement dans le but que nous puissions nous retrouver par affinité sur des sujets liés au climat. C'est comme ca que j'ai rencontré Florent Cornet (ingénieur en énergie et fondateur de la startup Seracle), Marie Jamet (data journaliste freelance et passionnée de science), et Mareva July-Wormit (scientifique climat et météo chez Météo France, mais aussi très intéressée par le secteur de l'énergie). En tant que développeur de logiciels scientifiques, j'étais vraiment content de voir que dans notre équipe, tout le monde était différent  et qu'on se complétait super bien!

Quand le premier jour du hackathon arrive, je rencontre enfin mes acolytes, et aussi toute l'équipe encadrante. Elle est composée de chercheurs et de membres de la DIMUN, qui seront nos mentors pour les prochaines 48h et nous aideront à naviguer dans les eaux troubles et denses des modèles, des projections, des corrections de biais, des grilles et des nombreux acronymes!

La conception

Après une brève présentation d'introduction, nous nous mettons au travail, et assez rapidement nous arrivons à faire le tri parmi les nombreux jeux de données et à nous mettre d'accord sur ce que nous allons construire ensemble dans ces deux prochains jours. Avec une équipe formée autour de ce projet et composée de personnes que je n'avais jamais vu avant, j'appréhendais un peu que nous ayons du mal à nous aligner sur un projet commun, mais finalement nous nous sommes super rapidement entendus sur une idée et la suite consistait principalement à laisser chacun agir sur son terrain d'expertise (ca, c'est vraiment l'avantage de ne pas avoir du tout de redondance au sein d'une équipe).

Je savais que j'étais capable de mettre assez rapidement en place une appli web avec une carto sympa et des couches de visualisations animées, Mareva nous expliqué ce que représentent les différents jeux de données, Florent à mis à profit son expertise en énergie renouvelable et nous à concocté une liste d'indicateurs pertinents pour la production photovoltaïque et éolienne, et Marie a utilisé son expérience en data-journalism pour affiner le récit et contribuer aux scripts de traitement de données en Python.

L'équipe des mentors Météo France était à la table juste à côté de la nôtre et sont souvent venus pour voir comment on s'en sortait. Un grand merci à Lola Corre et Sam Sommot qui ont pris le temps de répondre aux centaines de questions qu'on avait! C'est grâce à ces échanges que j'ai pu en apprendre un peu plus sur la TRACC, ces forces et ses faiblesses.

Après cette première session de questions, notre idée de projet prenait enfin forme: une application web qui fournit des indicateurs climatiques pertinents pour évaluer la consommation d'électricité ainsi que la production d'énergie solaire et éolienne, avec une approche régionalisée grâce aux données de projection à haute résolution spatiale. Avec les changements climatiques d'ici à 2010, y a t'il des zones à haut rendement de production en énergie douce qui vont se dessiner? Ou au contraire, des températures trop fortes pourraient-elles mettre à risque certaines fermes solaires existantes? Nous voulions que notre outil réponde à ce type de questions.

TRACC et scénarios

Contrairement à ce qu'on pourrait penser, la TRACC n'est pas un modèle de prévision climatique mais plutôt un ensemble de recommandations de référence pour s'adapter au réchauffement climatique. Elle définit plusieurs jalons (+2°C, +2,7°C et +4°C) et décrit l'effet de ces hausses de températures sur les différents aspects de notre quotidien et de la société, mais sans indiquer de date précise, car ça, c'est le travail des chercheurs.

Pour se projeter dans l'avenir, les chercheurs en science du climat partent de différentes hypothèses, qui jouent de rôles de scénarios possibles: les trajectoires socio-économiques partagées ("Shared socioeconomic Pathways", ou SSPs). Certains sont assez optimistes (les nations travaillent ensemble et font une priorité de la lutte contre le réchauffement climatique), et d'autres sont plus réalistes, voire tout à fait pessimistes (conflits permanents, le climat n'intéresse pas les preneurs de décisions).

Le peu de temps à notre disposition nous à poussé à faire des choix: remplacer le traditionnel curseur de temps par un curseur de hausse de température. Cette décision a plusieurs avantages:

• nous de devions plus traiter les jeux de données pour tous les SSPs, mais juste en choisir un "moyen"

• notre application s'ancre dans la cadre de la TRACC: "On ne sais pas quand, mais on sais à quelle température"

• l'application est plus légère en terme d'expérience utilisateur

Choix du modèle et des variables pertinentes

Notre application cible le secteur des énergies renouvelables, en particulier l’éolien et le solaire. Nous nous sommes concentrés sur les variables suivantes :

• vitesse du vent, pour l’éolien

• rayonnement solaire incident, pour le photovoltaïque

• température moyenne, car les températures élevées réduisent de beaucoup le rendement photovoltaïque

Nous avons également calculé plusieurs indicateurs :

• les degrés-jours, mesurant les besoins de chauffage et de climatisation

• le nombre de jours par mois en dessous de 0 °C (chauffage ++)

• le nombre de jours par mois au-dessus de 30 °C (climatisation ++)

Tous les modèles de prévision disponibles pour la France métropolitaine et la Corse reposent sur le scénario SSP3-7.0, qui représente une trajectoire future exigeante mais réaliste, c’est le scénario intermédiaire, ni optimiste, ni pessimiste.
Certains modèles proposent des résolutions spatiales différentes selon les variables, ce qui complique le calcul d’indicateurs composites. Compte tenu de ces contraintes, nous avons choisi le modèle climatique régional CNRM-ALADIN64E1, forcé par le modèle global CMCC-CM2-SR5, avec une correction de biais basée sur ANASTASIA et les données de référence SAFRAN.
En résumé, cela produit des jeux de données raster quotidiens de 2014 à 2100, à une résolution d’environ 12 km sur la France hexagonale et la Corse.

Fonctionnalités

Comme le point d’entrée de notre application est le jalon TRACC en °C, nous n’avons utilisé que les années correspondant à ces jalons, ainsi qu’une situation de référence en 2005 pour des hausses de températures moyennes à +1,5 °C. Chaque jalon correspond à une moyenne sur les 20 années environnantes.

La production d’énergie renouvelable étant fortement saisonnière, toutes les variables ont été calculées à l’échelle mensuelle. Cela nous a permis d’ajouter un second curseur pour naviguer au fil des mois.

Pour la visualisation, j’ai proposé une carte web avec des couches rasters pour les variables climat. J’ai adapté une chaîne de tuilage initialement développée pour les prévisions ARPEGE de Météo France afin de l’utiliser avec des GeoTIFF générés à partir de données NetCDF. La visualisation repose sur Maplibre GL JS et permet à la fois un rendu clair et de d’obtenir les valeurs sous le curseur de manière performante.

La stack technique

Nous avons utilisé Python pour le traitement des données (GDAL, Xarray, Pandas, RioXarray), un tuilage personnalisé basé sur GDAL, Maplibre GL JS pour la visualisation, ainsi qu’une infrastructure cloud légère (Hetzner Cloud avec Coolify) pour l’hébergement. Comme l’application web est uniquement côté client avec des fichiers statiques précalculés, cela simplifie l’hébergement.

Améliorations possibles

Deux jours ont suffi pour démontrer le potentiel de ces jeux de données, mais cela nous a aussi laissé de nombreuses pistes d’amélioration :

• intégrer davantage de modèles de projections climatiques

• ajouter des jalons intermédiaires en °C

• ajouter des informations de date par modèle

• améliorer les palettes de couleurs par indicateur

• ajouter un autre axe d’interpolation

Conclusion

À la fin de la deuxième journée, notre projet a été présélectionné par le jury avec huit autres équipes pour une démonstration plus longue le lendemain. Nous n’avons pas remporté la première place, mais le fun d’avoir construit cette app ensemble et les belles rencontres compensent très largement!

J’ai personnellement énormément appris sur la prévision climatique durant cet événement et je continue à digérer la quantité d’informations partagée par mon équipe et les mentors.
Les jeux de données utilisés pendant le hackathon étaient une version bêta, avant leur mise à disposition publique. Bien que nous nous soyons concentrés sur les énergies renouvelables, de nombreux autres sujets peuvent être abordés à partir des projections climatiques, de la prévention des inondations aux îlots de chaleur urbains, en passant par l’évolution des pratiques agricoles.
C’était un événement formidable et je suis très fier de notre équipe pour ce que nous avons réussi à produire en si peu de temps.