Motifs cachés dans la sismicité volcanique : aperçus par apprentissage profond de l’activité de l’Etna 2020–2021

À l’écoute d’un volcan agité

Le mont Etna, en Sicile, est l’un des volcans les plus actifs au monde ; ses éruptions peuvent menacer les villes voisines, les aéroports et des infrastructures essentielles. Les observatoires volcaniques surveillent déjà de près l’Etna avec de nombreux instruments, mais le volume massif de données rend difficile pour des humains de repérer tous les signes avant-coureurs à temps. Cette étude montre comment l’intelligence artificielle moderne peut analyser une année du « rythme cardiaque » sismique de l’Etna pour mettre au jour des motifs cachés indiquant quand le volcan est calme, quand il se recharge et quand il se prépare à entrer en éruption.

Pourquoi les « bandes sonores » volcaniques comptent

Les volcans génèrent en permanence des vibrations qui se propagent dans le sol sous forme d’ondes sismiques. Certaines sont des secousses brèves et ressemblant à des tremblements de terre, tandis que d’autres sont plus proches d’un bourdonnement continu appelé trémor volcanique ou de tonalités particulières connues sous le nom d’événements longue-période. À l’Etna, ces signaux sont enregistrés jour et nuit par un réseau dense de sismomètres. Traditionnellement, les spécialistes examinent l’amplitude et la fréquence de ces secousses, ainsi que les émissions de gaz, le gonflement du sol et les observations visuelles, pour évaluer si le volcan est en sécurité ou s’approche d’une éruption dangereuse. Mais l’activité de l’Etna de la fin 2020 à la fin 2021 a été particulièrement intense, produisant deux longues séquences de fontaines de lave spectaculaires et un flux de données difficile à interpréter en temps réel.

Apprendre aux ordinateurs à repérer des motifs cachés

Les chercheurs ont utilisé une approche d’apprentissage profond non supervisée, ce qui signifie que l’ordinateur n’a pas été informé à l’avance des jours éruptifs ou calmes. Ils ont plutôt alimenté le système avec des spectrogrammes journaliers — des images colorées montrant comment l’énergie des vibrations sismiques varie en fonction du temps et de la fréquence — provenant de deux stations sommitales de l’Etna. Un type de réseau de neurones appelé autoencodeur a d’abord appris à compresser l’« image » sismique complexe de chaque jour en un petit ensemble de caractéristiques clés puis à la reconstruire, garantissant la préservation des informations importantes. Une méthode de regroupement a ensuite classé les jours présentant des empreintes sismiques similaires en quatre grappes distinctes. L’équipe a confronté ces groupes à des preuves indépendantes : moments où des fontaines de lave ont été signalées, intensité du trémor, nombre d’événements longue-période et nombre de petits séismes sous le volcan.

Quatre visages de l’activité de l’Etna

Les quatre grappes identifiées par l’ordinateur correspondaient nettement à des comportements volcaniques signifiants. Un groupe correspondait à des jours relativement calmes ou mixtes, où ne présentaient que le trémor de fond et des explosions occasionnelles et faibles. Un deuxième groupe rassemblait des jours dominés par de nombreux événements longue-période, probablement liés à la montée de gaz et de fluides pressurisant le système hydrothermal peu profond sans produire encore de grandes éruptions. Un troisième groupe mettait en évidence une « phase préparatoire », pendant laquelle le trémor s’est renforcé et est devenu plus persistant sur des semaines, de la mi-décembre 2020 à la mi-février 2021, bien qu’aucune fontaine de lave majeure ne se soit encore produite en surface. Le quatrième groupe correspondait aux épisodes spectaculaires de fontaines de lave avec une précision remarquable, détectant environ 95 % des jours éruptifs et montrant une énergie sismique intense et à large bande lors des paroxysmes.

Voir les transitions et les jours ambigus

En combinant les données des deux stations sommitales et en recherchant les jours où plusieurs instruments concordaient sur la même grappe, les chercheurs ont pu distinguer des régimes clairs d’intervalles plus ambigus. Certains jours entraient dans une catégorie « indéfinie », où les signaux étaient mélangés ou différents entre les deux sites — reflétant vraisemblablement des processus qui se superposent, tels que séismes, trémor et événements liés aux gaz se produisant simultanément. Fait intéressant, la méthode a aussi détecté des signes d’un régime préparatoire fin novembre 2021 et a laissé entrevoir le deuxième cycle éruptif plusieurs jours avant la confirmation des fontaines de lave, ce qui suggère que des changements subtils des motifs sismiques peuvent précéder l’activité visible.

Qu’est-ce que cela signifie pour les populations vivant près des volcans

Pour les non-spécialistes, le message essentiel est que les ordinateurs peuvent désormais « écouter » un volcan agité et trier automatiquement ses vibrations complexes en quelques états compréhensibles : activité de fond, pressurisation interne, phase de montée en puissance et éruptions à part entière. L’étude montre que de tels outils d’apprentissage profond non supervisés peuvent se rapprocher fortement du jugement d’experts tout en opérant rapidement et de manière cohérente sur de grands jeux de données. Bien que cette approche ne remplace pas les volcanologues humains ni les autres méthodes de surveillance, elle offre une paire d’yeux supplémentaire puissante — aidant les observatoires à reconnaître quand un volcan comme l’Etna mijote tranquillement, se recharge ou pourrait être sur le point d’un nouvel épisode spectaculaire.

Citation: Abed, W., Zali, Z., Sciotto, M. et al. Hidden patterns in volcanic seismicity: deep learning insights from Mt. Etna’s 2020–2021 activity. Sci Rep 16, 6155 (2026). https://doi.org/10.1038/s41598-026-36677-x

Mots-clés: surveillance des volcans, apprentissage automatique, Mont Etna, activité sismique, prévision des éruptions