L’apprentissage automatique a cartographié plus de 60 000 séismes dans la crise de Santorin

Une crise sismique volcanique se dessine plus nettement

La séquence sismique intense qui a touché Santorin et les îles voisines entre la fin de 2024 et le milieu de 2025 était bien plus vaste et mieux structurée que ne l’indiquait la surveillance conventionnelle. Selon des travaux présentés lors de la réunion annuelle 2026 de la Seismological Society of America, une analyse fondée sur l’apprentissage automatique a identifié plus de 60 000 séismes pendant l’épisode, créant un catalogue à haute résolution qui a permis aux scientifiques de suivre la crise au fur et à mesure de son déroulement.

Le chiffre brut est frappant, mais l’enjeu plus large réside dans ce que rend possible ce type d’analyse en temps quasi réel. Plutôt que de revoir les données des mois plus tard, l’équipe de recherche a utilisé des outils d’apprentissage automatique pendant que l’événement était encore en cours, détectant des poussées de sismicité, retraçant la migration de l’activité à travers les réseaux de failles et capturant des détails que les méthodes standard auraient probablement manqués ou livrés trop tard pour éclairer les décisions opérationnelles.

Pourquoi la séquence de Santorin était difficile à suivre

La crise sismique de Santorin a été exceptionnellement intense. Les chercheurs ont indiqué que certaines périodes comptaient des centaines de séismes en une seule heure, un rythme qui rend le catalogage conventionnel difficile sous contrainte de temps. Ce volume compte, car lorsque les séismes arrivent en grappes denses, le défi n’est pas seulement de mesurer la magnitude ou la localisation, mais de séparer les événements individuels des formes d’onde qui se chevauchent, et de le faire assez vite pour que l’information reste exploitable.

Grâce à des pipelines d’apprentissage automatique fonctionnant en parallèle, l’équipe dirigée par Stanford a pu traiter de grandes quantités de données de formes d’onde et identifier des milliers et des milliers d’événements pendant la crise elle-même. Le jeu de données obtenu couvre décembre 2024 à juin 2025 et offre une image bien plus détaillée de l’évolution de la séquence dans le temps.

C’est une évolution opérationnelle importante. En sismologie, l’apprentissage automatique est souvent utilisé a posteriori, après le passage d’une crise. À Santorin, les méthodes ont été déployées d’une manière qui se rapprochait d’une surveillance en temps quasi réel. Le travail est donc remarquable non seulement comme étude d’une séquence sismique, mais aussi comme démonstration de la manière dont les crises sismiques liées aux volcans pourraient être traitées différemment à l’avenir.

Des poussées, une migration et des indices pointant vers un mouvement du magma

Le catalogue a identifié 46 poussées récurrentes de sismicité, chacune impliquant des centaines de séismes sur une à deux heures. Lors de certaines poussées, la migration sismique s’est déplacée le long de zones de faille à des vitesses atteignant 2 kilomètres par heure. Ces schémas sont plus que de simples curiosités descriptives. Ils aident les scientifiques à évaluer le processus sous-jacent qui alimente l’essaim.

Selon les chercheurs, la vitesse comme le schéma de migration renforcent l’interprétation selon laquelle la séquence était liée à une intrusion magmatique associée aux volcans de la région. Autrement dit, les séismes n’étaient pas simplement un bruit tectonique dispersé. Ils semblent avoir tracé le déplacement de matière et de contraintes à travers un système volcanique actif.

Cette distinction compte pour l’évaluation des dangers. Dans les environnements volcaniques, savoir si un essaim est principalement dû au glissement d’une faille, au mouvement des fluides ou à une intrusion magmatique modifie la façon dont les scientifiques évaluent le risque d’escalade et la communication au public. Un catalogue plus riche ne supprime pas l’incertitude, mais il peut réduire l’éventail des explications plausibles et aider les autorités à dresser un tableau plus clair de la situation.

D’un outil de recherche à une attente opérationnelle

L’un des messages les plus forts de l’étude est institutionnel plutôt que purement géologique : les chercheurs estiment que ces méthodes devraient passer d’un usage limité à une pratique opérationnelle courante. C’est une affirmation importante. Les agences de surveillance sont souvent prudentes avant d’adopter de nouvelles méthodes analytiques dans des flux de travail en temps réel, car la fiabilité, la rapidité et l’interprétabilité sont toutes essentielles lorsque la sécurité publique est en jeu.

Mais des événements comme Santorin mettent en évidence les limites des approches actuelles. Lorsqu’une crise évolue rapidement, les retards d’analyse ne sont pas de simples désagréments académiques. Ils peuvent affecter les prévisions, les alertes et la planification d’urgence. Selon les chercheurs, l’apprentissage automatique a atteint un degré de maturité suffisant pour faire partie de la boîte à outils standard de surveillance, en particulier lors de crises volcaniques à rythme soutenu, où les analystes humains seuls peuvent avoir du mal à suivre le volume d’événements.

Si cette transition se produit, les implications pratiques pourraient s’étendre bien au-delà de la mer Égée. Les observatoires volcaniques et les réseaux de surveillance sismique du monde entier font face à des défis similaires lors des essaims, des intrusions et des cascades de séismes. Des catalogues d’événements plus rapides et plus denses pourraient améliorer la manière dont les agences interprètent les dangers en cours et communiquent l’incertitude au public.

Ce que cette étude change

La séquence de Santorin est devenue une étude de cas sur la manière dont l’informatique peut transformer la science observationnelle pendant un événement en cours. La valeur ne tient pas seulement au fait que l’apprentissage automatique ait trouvé davantage de séismes. Il a trouvé une structure : des poussées répétées, une activité migratoire et des détails du réseau de failles qui, ensemble, ont produit un récit plus cohérent de ce qui se passait en profondeur.

C’est là la leçon fondamentale. En science des risques, une meilleure résolution peut changer le sens même de l’événement. Un essaim diffus et écrasant devient un processus cartographié, avec des rythmes, des trajectoires et des moteurs probables. Cela ne rend pas la prévision facile, et n’élimine pas la possibilité de surprises. Mais cela améliore la qualité des informations disponibles lorsque des décisions doivent être prises en temps réel.

Pour Santorin, le résultat est un enregistrement plus clair d’une crise sismique remarquable. Pour le domaine dans son ensemble, c’est le signe que la sismologie opérationnelle pourrait entrer dans une nouvelle phase, où l’apprentissage automatique n’est plus un assistant de recherche après coup, mais un outil d’analyse de première ligne.

Points clés

• Des chercheurs ont identifié plus de 60 000 séismes pendant la séquence de Santorin en 2025 grâce à l’apprentissage automatique.
• L’étude a détecté 46 poussées récurrentes de sismicité et une migration le long des failles à des vitesses pouvant atteindre 2 kilomètres par heure.
• Les schémas observés soutiennent l’interprétation selon laquelle l’intrusion magmatique a joué un rôle central dans la crise.
• L’équipe estime que ces méthodes d’apprentissage automatique devraient faire partie de la surveillance opérationnelle en temps réel lors de futures urgences volcaniques.

Cet article s’appuie sur un reportage de Phys.org. Lire l’article original.