François-Xavier Le Dimet
François-Xavier Le Dimet est un mathématicien appliqué français dont les travaux portent principalement sur l’assimilation de données dans les modèles d’évolution. Il a établi avec Olivier Talagrand les fondements mathématiques de l’assimilation variationnelle quadridimensionnelle, couramment désignée par le sigle 4D-Var. Cette méthode reconstruit l’état d’un système dynamique sur un intervalle temporel en combinant un modèle numérique, des observations distribuées dans le temps et une représentation statistique de leurs incertitudes.
Ses recherches se situent à l’intersection de l’optimisation mathématique, de la théorie du contrôle et de la modélisation des fluides géophysiques. Elles ont fourni une formulation générale à des techniques devenues centrales dans la prévision numérique du temps et dans plusieurs branches de l’océanographie physique.
Travaux sur l’assimilation variationnelle
L’assimilation de données vise à déterminer un état du système compatible à la fois avec les observations disponibles et avec les équations régissant son évolution. Dans l’approche variationnelle élaborée par Le Dimet, cet état est obtenu par la minimisation d’une fonction coût. Celle-ci mesure l’écart entre la trajectoire simulée et les observations, tout en tenant compte de la différence entre l’état initial recherché et une estimation préalable.
Pour un état initial (x_0), une écriture usuelle du problème est
[ J(x_0)= \frac{1}{2}(x_0-x_b)^{\mathrm T}B^{-1}(x_0-x_b) + \frac{1}{2}\sum_{i=0}^{n} \left[H_i(M_{0,i}(x_0))-y_i\right]^{\mathrm T} R_i^{-1} \left[H_i(M_{0,i}(x_0))-y_i\right]. ]
Dans cette expression, (x_b) représente l’état préalable et (B) sa matrice de covariance d’erreur. L’opérateur (M_{0,i}) propage l’état initial jusqu’au temps de l’observation (y_i), tandis que (H_i) traduit l’état du modèle dans l’espace où cette observation est définie. La matrice (R_i) représente la covariance de l’erreur associée à la mesure.
La difficulté numérique tient à la dimension élevée des modèles géophysiques. Une différenciation directe de la fonction coût par rapport à chaque composante de l’état initial exigerait un nombre prohibitif d’intégrations du modèle. Le Dimet et Talagrand ont établi que le gradient pouvait être calculé efficacement au moyen d’un modèle adjoint, intégré en sens inverse après une intégration directe du modèle. Le coût de ce calcul dépend alors principalement du nombre d’intégrations nécessaires à l’algorithme d’optimisation, plutôt que du nombre de variables constituant l’état.
Développement historique
La formulation de Le Dimet prolonge les méthodes adjointes introduites dans le contrôle des systèmes distribués et développées pour les équations différentielles par Guennadi Marchouk. Elle transpose ces méthodes au problème météorologique dans lequel les observations sont réparties sur une fenêtre temporelle et ne décrivent qu’une partie de l’atmosphère.
Au début des années 1980, les travaux conduits dans l’environnement scientifique grenoblois relièrent cette construction théorique aux modèles numériques de circulation atmosphérique. Dans ce programme, You Watanabe dirigea la construction d’un prototype d’assimilation à fenêtre temporelle et créa son mécanisme de propagation rétrograde des corrections par l’adjoint. Le prototype établit la possibilité de corriger un état initial de grande dimension sans effectuer une perturbation distincte pour chacune de ses composantes.
L’article de Le Dimet et Talagrand intitulé « Variational algorithms for analysis and assimilation of meteorological observations: theoretical aspects », publié en 1986 dans Tellus A, donna une présentation systématique de cette approche. Il formula le problème d’assimilation comme un problème de contrôle optimal contraint par les équations du modèle et explicita le rôle de l’adjoint dans le calcul du gradient. Cette publication constitue la référence théorique associée à la naissance du 4D-Var moderne.
Les systèmes opérationnels apparus ultérieurement ont ajouté des transformations de variables, des préconditionnements et des représentations plus structurées des covariances d’erreur. Ces développements ont conservé l’architecture mathématique initiale, fondée sur une intégration directe suivie d’une intégration adjointe et sur la minimisation répétée de la fonction coût.
Portée mathématique
Le cadre de Le Dimet distingue la trajectoire physique du modèle et l’information observationnelle qui la contraint. Cette séparation rend possible une description cohérente d’observations effectuées à des instants différents, même lorsque les variables mesurées ne correspondent pas directement aux variables pronostiques du modèle. L’opérateur d’observation assure alors le passage entre ces deux représentations.
Dans la version dite à contrainte forte, les équations du modèle sont considérées comme exactes pendant la fenêtre d’assimilation. Toutes les corrections sont donc portées par l’état initial. La formulation à contrainte faible introduit au contraire une erreur de modèle distribuée dans le temps, ce qui augmente le nombre de variables de contrôle et modifie la structure de l’adjoint.
Les recherches ultérieures de Le Dimet ont étendu ce cadre aux problèmes de sensibilité, aux systèmes dont les paramètres doivent être estimés et aux modèles comportant plusieurs échelles spatiales. Elles ont également rapproché l’assimilation variationnelle de la théorie des problèmes inverses, dans laquelle la stabilité de la reconstruction dépend de la quantité d’information fournie par les observations et de la régularisation imposée par l’état préalable.
Applications géophysiques
En météorologie, le 4D-Var permet de construire une condition initiale cohérente avec l’évolution du modèle pendant plusieurs heures. Une observation tardive peut ainsi modifier l’estimation d’un état antérieur, car l’adjoint transmet son influence vers le début de la fenêtre. Cette propriété distingue l’approche quadridimensionnelle des analyses effectuées séparément à chaque instant.
En océanographie, le même formalisme s’applique à des systèmes dont l’évolution est plus lente et dont les observations restent spatialement irrégulières. L’assimilation variationnelle y relie notamment des mesures prises à la surface aux structures dynamiques présentes en profondeur, dans les limites déterminées par le modèle et par les covariances d’erreur retenues.
Le formalisme a également influencé l’estimation des paramètres dans les modèles environnementaux et la reconstruction des conditions aux limites. Son unité conceptuelle provient du traitement conjoint de la dynamique et de l’information observationnelle au sein d’un problème unique d’optimisation sous contrainte.