Qu’est-ce qui motive la formation et l’évolution des réseaux de collaboration d’urgence pour les événements météorologiques extrêmes : une recherche basée sur le modèle exponentiel de graphes aléatoires

Pourquoi la coopération pendant les tempêtes compte

Lorsqu’une ville est frappée par des pluies record, aucune agence ne peut gérer la crise seule. Pompiers, météorologues, responsables des transports, bénévoles de quartier et bien d’autres doivent se coordonner sous une forte contrainte de temps. Cet article examine ce qui motive réellement cette coopération au milieu du chaos des intempéries extrêmes, en prenant comme expérience naturelle les deux épisodes de fortes pluies qui ont touché Zhengzhou (Chine) en 2021. En comparant une première réponse en juillet, mal coordonnée, avec une intervention bien plus efficace face à une tempête semblable en août, les auteurs montrent comment se forment les réseaux de collaboration d’urgence, pourquoi ils échouent parfois et comment ils peuvent s’améliorer rapidement.

Deux fortes tempêtes, deux réponses très différentes

En juillet 2021, une pluie centennale a inondé Zhengzhou, provoquant des pertes importantes et des critiques publiques sur la réaction locale. Un mois plus tard, une nouvelle forte averse a touché une grande partie de la même zone, mais cette fois le réseau d’urgence de la ville a mieux fonctionné : moins d’organisations y ont participé, mais la coordination était plus serrée et plus rapide. Cette succession rare de catastrophes a offert une occasion exceptionnelle d’observer comment les schémas de collaboration évoluent en peu de temps dans des conditions presque identiques. Les auteurs ont reconstruit qui a travaillé avec qui lors de chaque épisode à partir de centaines de communiqués officiels et de documents gouvernementaux, puis ont transformé ces liens en deux cartes de collaboration à l’échelle de la ville : le « réseau de juillet » et le « réseau d’août ».

Comment les chercheurs lisent la toile cachée

Pour dépasser de simples comptages des interlocuteurs, l’équipe a utilisé un outil statistique appelé modèle exponentiel de graphes aléatoires. Plutôt que de traiter chaque partenariat comme un événement isolé, cette méthode interroge la manière dont l’ensemble des liens se forme. Elle peut tester, par exemple, si les organisations ont tendance à privilégier des partenaires gouvernementaux, à préférer des types d’agences similaires, à s’appuyer sur des exercices conjoints antérieurs ou à se regrouper en communautés étroitement liées. Elle capture aussi des dynamiques d’auto-organisation : des motifs en étoile autour de hubs puissants, des triangles fermés où « l’ami d’un ami devient partenaire », et des chemins ouverts où un intermédiaire relie des groupes autrement séparés. En comparant de nombreux réseaux simulés aux réseaux réels, les auteurs ont pu déterminer quelles tendances expliquaient le mieux les schémas observés en juillet et en août.

Ce qui détermine qui s’associe en situation de crise

L’étude montre que les conditions externes et la structure interne comptent toutes deux, mais que les motifs internes du réseau dominent souvent. En juillet, les organisations manifestaient des préférences claires : elles étaient plus susceptibles de collaborer avec des associations à but non lucratif et avec des organismes ayant des rôles de commandement ou de coordination, ainsi qu’avec ceux contrôlant des personnes ou des ressources financières. Les agences au même niveau de gouvernement et ayant des missions similaires avaient aussi tendance à se connecter, formant des grappes familières et confortables. Toutefois, ces préférences basées sur les attributs n’expliquaient pas entièrement l’aspect ni la performance du réseau. La force la plus importante était la transitivité : les organisations étaient particulièrement susceptibles de collaborer avec des partenaires qui partageaient déjà un collaborateur avec elles, créant de nombreux triangles fortement interconnectés. Cet effet « ami d’un ami » favorisait la confiance, le partage rapide d’informations et des flux de ressources fiables, tandis que les ponts longs et en chaîne jouaient un rôle moindre que ce que l’on suppose souvent.

Apprendre des exercices et de l’expérience

La collaboration préexistante a laissé une empreinte profonde sur les réseaux. Les exercices d’urgence conjoints menés avant les tempêtes ont facilité les coopérations lorsque la première pluie est tombée. Encore plus déterminante était l’expérience pratique fraîche : le réseau de réponse de juillet est lui‑même devenu un puissant prédicteur de qui collaborerait en août. Lorsque la seconde tempête est arrivée, les agences n’avaient plus autant besoin de s’appuyer sur l’adéquation des rôles, des secteurs ou des plans formels. Elles ont réutilisé et épuré les partenariats qui venaient d’être éprouvés sur le terrain, abandonnant les liens moins utiles et renforçant les petits groupes efficaces. Le réseau d’août était plus petit mais plus dense, avec des chemins plus courts entre les acteurs et davantage de regroupements — la preuve d’une toile plus efficace et allégée fondée sur des enseignements très récents.

Implications pour des villes plus sûres

Pour le grand public, le message principal est que la réussite d’une réponse à une tempête dépend moins des organigrammes figés que de réseaux vivants de confiance et de familiarité. Des micro‑groupes stables et intersectoriels qui s’entraînent ensemble, partagent bien l’information et se font déjà confiance peuvent être activés rapidement en cas de catastrophe, faisant de « qui connaît qui » un facteur aussi important que « qui est responsable ». Les plans d’urgence et les exercices restent essentiels, mais seulement s’ils sont mis à jour en continu et reliés aux opérations réelles, afin que l’apprentissage issu des crises ne se perde pas. En cultivant délibérément ces toiles collaboratives avant le prochain événement météorologique extrême, les autorités municipales peuvent répondre plus vite, mieux coordonner et sauver davantage de vies lorsque les cieux s’ouvrent à nouveau.

Citation: Qie, Z., Bai, N. & Sun, Y. What motivates the formation and evolution of emergency collaboration networks for extreme weather events: a research based on exponential random graph model. Humanit Soc Sci Commun 13, 461 (2026). https://doi.org/10.1057/s41599-026-06800-4

Mots-clés: réseaux de collaboration d’urgence, réponse aux intempéries extrêmes, coordination en cas de catastrophe, analyse des réseaux sociaux, résilience urbaine