Des ingénieurs du MIT ont présenté, dans un article publié le 20 août 2026 dans Nature Communications, une méthode d’apprentissage automatique nommée Extreme Event Aware, ou « η-learning ». Selon l’université, elle génère des scénarios d’événements extrêmes plausibles — intensité, taille et durée — sans avoir besoin de données sur des événements extrêmes passés. La méthode apprend les relations entre statistiques ponctuelles et cartes spatiales, puis utilise ces statistiques pour contraindre les extrêmes représentés dans les cartes générées.

Pour la démontrer, les chercheurs ont utilisé 25 ans de cartes horaires de précipitations aux États-Unis continentaux, agrégées en cartes journalières. L’algorithme a été entraîné sur des paires de cartes à basse et haute résolution issues des six premiers mois seulement, contenant peu ou pas d’exemples de pluies extrêmes. Il pouvait ensuite produire des cartes de tempêtes plausibles, par exemple une pluie centennale atteignant 300 millimètres.

Les auteurs évoquent des applications possibles aux inondations, aux incendies, à la navigation robotique ou aux marchés financiers, sous réserve de disposer des données pertinentes. Les travaux ont été soutenus en partie par une Vannevar Bush Faculty Fellowship et l’U.S. Air Force Office of Scientific Research.