Phase préparatoire des grands séismes mise en lumière par une catégorisation non supervisée des caractéristiques des catalogues sismiques

Pourquoi cela compte pour les personnes exposées au risque sismique

Des communautés du monde entier vivent avec la crainte de séismes dévastateurs, et pourtant les scientifiques ne peuvent toujours pas dire précisément quand et où frappera le prochain grand événement. Cette étude examine si des changements subtils dans les petits séismes quotidiens peuvent révéler qu’une faille se prépare discrètement à un événement beaucoup plus important. En appliquant des techniques avancées de détection de motifs aux catalogues sismiques, les auteurs testent s’il est possible de repérer un véritable « emballement » avant les grands séismes — tout en reconnaissant aussi quand un tel avertissement est absent.

Écouter la faille à travers de nombreux petits séismes

Les grands séismes n’apparaissent généralement pas sans signes préalables. Avant une rupture majeure, les failles subissent souvent des changements tels que des précurseurs, des essaims de petits séismes ou un glissement lent et continu. Toutefois, ces phases préparatoires varient beaucoup d’un endroit à l’autre et semblent parfois inexistantes. Les auteurs rassemblent des catalogues détaillés de séismes faibles et modérés pour cinq régions bien étudiées, y compris le séisme de Kahramanmaraş (2023) en Türkiye, celui de L’Aquila (2009) en Italie et l’événement méga-fosse d’Iquique (2014) au Chili. Pour chaque zone, ils examinent des années de sismicité précédant le choc principal, à la recherche de schémas susceptibles d’indiquer qu’un segment de faille est proche de la rupture.

Des catalogues bruts aux familles d’événements apparentés

Plutôt que de traiter chaque séisme comme un point isolé, l’équipe regroupe les événements en « familles » qui sont proches dans l’espace, le temps et la magnitude. Chaque famille contient un choc principal (son plus grand événement) ainsi que ses précurseurs et répliques associés. Autour de chaque événement, les chercheurs calculent des dizaines de mesures descriptives : la rapidité d’occurrence des séismes, la compaction spatiale et temporelle, la quantité d’énergie relâchée et la distribution des tailles des séismes. Ces mesures basées sur les événements sont ensuite moyennées au sein de chaque famille et combinées avec des descripteurs simples de la structure interne de la famille (par exemple, si elle ressemble davantage à une séquence de répliques simple ou à un essaim plus diffus). Le résultat est une empreinte compacte pour chaque famille qui capture le comportement du segment de faille local.

Laisser les données s’organiser elles‑mêmes

Au lieu d’indiquer au préalable à l’ordinateur à quoi doit ressembler un « motif d’alerte », les auteurs utilisent l’apprentissage automatique non supervisé. Plus précisément, ils appliquent un algorithme k‑means qui trie automatiquement les familles de séismes en catégories aux empreintes similaires. Ces catégories vont d’un comportement plus stable — événements répartis dans le temps et l’espace et libérant peu d’énergie — à un comportement plus critique, marqué par un fort regroupement, une interaction intense entre événements et une libération d’énergie concentrée. De manière cruciale, l’algorithme ignore le moment où le grand séisme survient ; il groupe simplement les familles selon leurs caractéristiques. Les chercheurs examinent ensuite quand et où apparaissent les catégories les plus « critiques » par rapport aux chocs principaux ultérieurs.

Où la faille chauffe vraiment — et où elle ne le fait pas

Pour trois séismes connus pour avoir des phases préparatoires nettes — Kahramanmaraş, L’Aquila et Iquique — la méthode identifie avec succès des familles localisées et durables qui apparaissent peu avant le choc principal et se distinguent de l’activité antérieure. Dans ces cas, les catégories critiques sont associées à des grappes denses d’événements, à des empreintes spatiales rétractées et à une plus grande libération d’énergie, cohérentes avec un segment de faille concentrant contraintes et dommages avant la rupture. En revanche, pour deux autres événements — le séisme d’Amatrice (2016) en Italie et celui de Noto (2024) au Japon — le flux de travail ne met pas en évidence une famille critique unique persistant jusqu’au choc principal. Amatrice semble précédé d’un relatif calme, et Noto d’une activité d’essaim complexe et d’effets liés aux fluides, ce qui suggère que tous les grands séismes ne présentent pas un avertissement sismique clair dans les catalogues.

Vers une information précoce utilisable, avec prudence

Enfin, les auteurs testent si leur approche pourrait fonctionner dans un cadre approchant le temps réel. Ils entraînent leur catégorisation sur une période de données antérieure, puis la font glisser à travers le catalogue pour voir quand apparaît une nouvelle catégorie distincte. Dans les trois cas avec des phases préparatoires connues, un changement marqué de la mesure de regroupement survient des semaines à des mois avant le grand séisme, suggérant un usage potentiel pour la prévision opérationnelle des séismes. Néanmoins, l’étude souligne des limites importantes : la méthode ne détecte que les phases préparatoires qui produisent réellement une sismicité détectable, elle dépend de catalogues de haute qualité et requiert une interprétation experte pour juger si une catégorie émergente est véritablement critique. En bref, ce cadre ne « prédit » pas les séismes, mais il offre une manière physiquement fondée de mettre en évidence quand et où de petits séismes peuvent indiquer qu’une faille entre dans un état plus dangereux.

Citation: Karimpouli, S., Martínez-Garzón, P., Núñez-Jara, S. et al. Preparatory phase of large earthquakes illuminated by unsupervised categorization of earthquake catalog features. Nat Commun 17, 4024 (2026). https://doi.org/10.1038/s41467-026-72279-x

Mots-clés: prévision des séismes, schémas de sismicité, apprentissage automatique, séismes précurseurs, mécanique des failles