Détection sismique à l’aide des signaux de polarisation de câbles sous-marins et de l’apprentissage automatique

Écouter les tremblements avec des câbles Internet sous-marins

La plupart des séismes du monde grondent sous les océans, loin des capteurs terrestres traditionnels. Et pourtant, presque tous les continents sont déjà reliés par d’immenses réseaux de câbles à fibres optiques qui transportent notre trafic Internet. Cette étude pose une question simple mais puissante : ces câbles existants peuvent-ils aussi faire office de gigantesques oreilles prêtes à écouter les mouvements du plancher marin ?

Pourquoi un câble Internet peut sentir le mouvement de la Terre

La lumière qui circule dans une fibre optique fait plus que transporter des données : ses propriétés internes se modifient subtilement lorsque le câble est plié, étiré ou secoué. L’un de ces paramètres est l’état de polarisation, une mesure de l’orientation des ondes lumineuses pendant leur propagation. Quand le fond marin bouge lors d’un séisme, il peut bousculer un câble enfoui ou reposant sur le fond, et à son tour modifier la polarisation de la lumière à l’intérieur. Les auteurs ont étudié un itinéraire Internet majeur en Méditerranée, le câble Med‑Nautilus reliant Catane en Sicile à Tel Aviv, pour déterminer si de vrais séismes laissaient une empreinte cohérente dans ces signaux de polarisation.

Transformer des signaux bruts de câble en indices exploitables

Entre mi‑2022 et fin 2024, un opérateur télécom italien a fourni des enregistrements continus de grandeurs liées à la polarisation du câble, ainsi que des informations sur le comportement du système optique. Les chercheurs ont associé ces données à un catalogue indépendant de séismes couvrant la Méditerranée, en se concentrant sur 60 événements de magnitude 5 ou plus. Ils ont estimé la distance de chaque séisme au câble et les instants d’arrivée des ondes primaires et secondaires à l’aide de modèles terrestres standard. Puis ils ont nettoyé et standardisé les données optiques, les découpant en fenêtres temporelles autour de chaque événement et en périodes témoins sans tremblements significatifs. Cette préparation rigoureuse a permis de tester des méthodes de détection classiques et des approches d’intelligence artificielle sur exactement les mêmes données.

Des règles simples montrent leurs limites, les machines apprenantes font mieux

L’équipe a d’abord essayé des outils classiques de sismologie qui recherchent des sauts brusques d’amplitude ou de l’énergie spectrale, contrôlés par des seuils fixes. Sur les données de polarisation, ces méthodes basées sur des règles ont soit déclenché trop de fausses alertes, soit manqué la plupart des événements réels, parfois sans faire mieux qu’un tirage aléatoire. En revanche, des modèles d’apprentissage automatique capables de pondérer simultanément de nombreuses caractéristiques subtiles ont fait sensiblement mieux. Une technique appelée Extreme Gradient Boosting, qui agrège les décisions de nombreux petits arbres de décision, a atteint environ 60 % d’exactitude, de sensibilité et de spécificité lorsqu’on lui demandait de distinguer les jours affectés par un séisme des jours plus calmes. L’analyse du comportement du modèle a montré qu’il ne s’appuyait pas sur une caractéristique unique et décisive, mais sur un mélange de mesures statistiques qui, ensemble, capturaient de petits changements significatifs dans les motifs de polarisation.

Ce que le câble peut — et ne peut pas — entendre

Les auteurs ont ensuite examiné quels séismes étaient les plus susceptibles d’être reconnus par l’algorithme d’apprentissage. De façon surprenante, des facteurs simples comme la distance au câble, la profondeur du séisme ou même la magnitude n’ont pas montré de tendances évidentes. Certains séismes modérément forts ont produit des variations de polarisation nettes et détectables, tandis que d’autres aux caractéristiques similaires sont restés largement indétectés. Une approche de deep learning supplémentaire, qui apprenait le comportement « normal » du câble et signalait comme anomalies les écarts importants, n’a réagi nettement qu’à quelques-uns des plus grands événements. Cela suggère que la capacité d’un câble à « entendre » un séisme dépend de plus que le seul séisme : des détails tels que l’accouplement du câble au fond, son enfouissement et sa construction, ainsi que le bruit environnemental local jouent tous un rôle important.

Les enjeux pour la surveillance océanique future

Malgré des taux de détection modestes et de nombreux événements manqués, l’étude apporte une preuve de concept importante : même si le câble Med‑Nautilus n’a jamais été conçu comme capteur, il transporte tout de même des informations exploitables sur les séismes violents via la polarisation de la lumière. Pour le grand public, le message principal est que notre infrastructure numérique existante pourrait, en principe, faire double usage en formant un vaste et peu coûteux réseau d’instruments scientifiques. Si ces méthodes sont affinées et combinées avec d’autres technologies de détection, les systèmes mondiaux de câbles sous‑marins pourraient aider à combler les angles morts actuels de la surveillance sismique océanique, offrant aux communautés côtières des informations plus précoces et plus riches sur ce qui se passe sous les vagues.

Citation: Caruso, M., Morelli, M., Monaco, A. et al. Seismic detection using submarine cable polarization signals with machine learning. Commun Earth Environ 7, 421 (2026). https://doi.org/10.1038/s43247-026-03434-x

Mots-clés: câbles sous-marins, détection des séismes, détection par fibre optique, apprentissage automatique, mer Méditerranée