Des séismes contrôlés pour la surveillance des pentes instables

Les tremblements de terre comptent parmi les plus grands risques naturels. Or, il est pratiquement impossible d'observer dans la nature ce qui se passe immédiatement avant une rupture dans la roche, car personne ne sait à l'avance où et quand un séisme va se produire. Le BedrettoLab de l’ETH Zurich renverse cette situation : dans une galerie du Tessin, recouverte d’environ un kilomètre et demi de roche, des chercheurs injectent de l’eau dans la roche et provoquent ainsi de manière ciblée de minuscules secousses, tandis qu’un réseau dense de capteurs enregistre le moindre mouvement.

Cela génère des volumes de données difficiles à analyser avec les outils habituels de la sismologie. C’est là qu’est intervenu le projet mené en 2024 et 2025 par Anne Obermann, du Service sismologique suisse (SED), en collaboration avec Léonard Seydoux, de l’Institut de physique du globe de Paris (IPGP): une méthode d’apprentissage automatique non supervisé, développée en France, devait permettre de détecter dans les enregistrements des motifs que personne n’avait cherchés de manière ciblée. Cette collaboration a été soutenue par le programme de financement Germaine de Staël.

Madame Obermann, au BedrettoLab, vous déclenchez de manière ciblée de minuscules séismes au plus profond de la roche. Que pouvez-vous y observer qui ne soit visible ni dans un laboratoire classique, ni à la surface de la Terre ?

Au BedrettoLab, dans un tunnel qui traverse les Alpes, nous pouvons étudier les séismes directement là où ils se produisent : au plus profond de la roche, dans des conditions naturelles de pression et de contrainte. Grâce à l’injection ciblée d’eau, nous modifions la pression dans de petites fissures rocheuses et déclenchons de minuscules séismes. Des capteurs de haute précision mesurent comment les fissures se forment, se propagent et libèrent les contraintes. Nous acquérons ainsi de nouvelles connaissances sur la genèse et la propagation des séismes. Le BedrettoLab est unique en son genre par son envergure. Dans un laboratoire classique, les échantillons sont très petits et il est difficile de reproduire fidèlement les conditions de contrainte naturelles de la croûte terrestre. À la surface de la Terre, en revanche, la distance par rapport au foyer sismique est trop grande pour observer ces processus directement et en détail.

Vos capteurs enregistrent en continu et avec une très haute résolution. À quel moment les méthodes d’analyse classiques de la sismologie atteignent-elles leurs limites face à de tels volumes de données ?

Les méthodes sismologiques classiques recherchent généralement de manière ciblée des signaux sismiques présentant certaines caractéristiques. Or, au BedrettoLab, d’énormes volumes de données sont générés, dans lesquels se cachent également des signaux très faibles et superposés. Beaucoup d’entre eux passent inaperçus, car ils sont noyés dans le bruit ou ne correspondent pas aux schémas attendus. De plus, l’analyse manuelle prend beaucoup de temps et peut difficilement s’appliquer à des mesures continues de cette ampleur. De nouvelles méthodes automatisées nous aident donc à détecter même les événements les plus infimes, à identifier des motifs dans les données et à mieux comprendre les processus qui se déroulent dans la roche.

Dans le cadre du projet mené avec l’IPGP, vous avez analysé les données à l’aide d’un procédé d’apprentissage automatique non supervisé, c’est-à-dire sans indiquer à l’algorithme ce qu’il devait rechercher. Qu’a-t-il découvert qui avait été négligé auparavant ? Et quelles ont été les difficultés rencontrées ?

Cette méthode a permis de détecter nettement plus d’événements sismiques que le catalogue de référence existant : dans le cadre de l’expérience étudiée, leur nombre était environ neuf fois plus élevé. De plus, elle a permis de distinguer les signaux sismiques, le bruit électronique et autres interférences, ainsi que les signaux provenant de sources sismiques actives, de manière nettement plus rapide et plus fiable que les méthodes classiques. Le traitement de ces volumes importants de données à des fréquences d’échantillonnage extrêmement élevées, de l’ordre du mégahertz, a constitué un défi particulier, nécessitant une exécution parallèle des calculs. Il reste à déterminer si tous les modèles identifiés peuvent faire l’objet d’une interprétation physique univoque.

Le titre du projet évoque des signaux précurseurs de séismes. À quel point la recherche est-elle proche de pouvoir annoncer des séismes ? Et que signifient vos résultats pour la Suisse, par exemple pour la géothermie profonde ?

Nous sommes encore loin de pouvoir prédire les séismes de manière fiable. Nos résultats montrent toutefois que l’apprentissage automatique non supervisé permet d’identifier des événements sismiques supplémentaires et certains groupes de signaux, notamment des signaux de type tremblement précédant l’activation d’une zone de rupture. Il reste à déterminer si ces signaux peuvent effectivement être considérés comme des signes précurseurs. Pour la Suisse, cette approche pourrait s’avérer particulièrement pertinente dans le domaine de la géothermie profonde. Une meilleure compréhension des processus de rupture et de l’activité sismique qui y est associée pourrait, à long terme, contribuer à mieux évaluer les risques liés à la stimulation de la roche. Toutefois, cette méthode ne permet pas actuellement de prévoir ou d’éviter de manière fiable les séismes dans le cadre de la géothermie profonde.

À quel point la recherche est-elle proche de pouvoir prédire les séismes ? Et quel est le potentiel de l’apprentissage automatique non supervisé en sismologie en général ?

Nous sommes encore loin de pouvoir prédire les séismes de manière fiable. Nos résultats montrent toutefois que l’apprentissage automatique non supervisé peut identifier des événements sismiques supplémentaires et des groupes de signaux jusqu’ici peu pris en compte. Cela n’est pas seulement intéressant pour l’étude des processus de rupture et de la géothermie profonde. Le même principe peut également s’appliquer à d’autres processus géophysiques : au lieu de rechercher exclusivement des signaux connus, nous pouvons analyser systématiquement des données de mesure en continu à la recherche de motifs récurrents et de changements. Cela pourrait ouvrir de nouvelles perspectives, par exemple pour la surveillance des pentes instables. Il nous reste encore à déterminer dans quelle mesure cette méthode est fiable et dans quelles conditions elle fonctionne.

La méthode vient de France, les données du Tessin. Qu’est-ce que les séjours à Paris et à Grenoble, ainsi que la visite de retour en Suisse, ont permis de réaliser qui n’aurait pas été possible par visioconférence ? Et qu’en ont retiré les jeunes chercheurs de votre équipe ?

Les rencontres en personne à Paris, à Grenoble et en Suisse ont permis un échange scientifique direct qui va au-delà des visioconférences. Ce sont justement les idées spontanées et les nouvelles approches qui naissent souvent plus facilement lors d’entretiens en face à face, lorsque l’on discute ensemble des données, des méthodes et des questions en suspens. La collaboration entre les équipes françaises et suisses a ainsi pu être approfondie et la recherche commune développée davantage. Pour les jeunes chercheurs, ces séjours ont également été l’occasion de nouer des contacts et d’étendre leur réseau scientifique au-delà de leur propre institution – une base importante pour de futures coopérations.

Le programme de financement ne couvre que les frais de déplacement et d’hébergement. Quel est l’impact réel d’un montant aussi modeste et que conseillez-vous aux chercheurs qui souhaitent postuler ?

Ce budget n’est bien sûr pas comparable au financement de grands projets de recherche. Il vise plutôt à permettre des coopérations entre chercheurs individuels. C’est précisément là que réside l’un de ses atouts : on peut échanger spontanément des idées en dehors des grands consortiums de recherche, les développer ensemble et tester de nouvelles approches sans devoir, dans un premier temps, mettre sur pied un projet de grande envergure. Dans notre cas, l’idée d’une collaboration avec la France est née spontanément lors d’une conférence ; à l’origine, aucun financement propre n’était prévu à cet effet. C’est la bourse Germaine-de-Staël qui a rendu cette coopération possible. Je conseille donc aux chercheurs de saisir de telles opportunités, de rechercher activement des partenaires adaptés et d’être ouverts aux idées communes – ce sont justement les petites rencontres qui peuvent donner naissance à des coopérations à long terme.

Je trouve particulièrement passionnant que l’impact dépasse désormais le cadre du projet initial. Nous avons d’abord appliqué la méthode à des données sismiques issues d’expériences contrôlées menées à Bedretto. Lors d’une visite réciproque, l’idée est venue de tester cette approche également sur les données relatives à l’éboulement de glace et de roche de Blatten. Les premiers résultats se sont révélés très prometteurs. C’est ainsi qu’une collaboration initialement axée sur l’étude des séismes a donné naissance à une nouvelle question de recherche concernant la surveillance des risques naturels.

Cela illustre à mes yeux la valeur particulière de tels programmes de financement : ils ne se contentent pas de financer des déplacements, mais créent les conditions propices aux échanges personnels, à de nouvelles façons de penser et à des coopérations dont le potentiel ne se révèle souvent qu’au fil d’un travail commun.

Le projet est terminé. Quelle sera la suite de cette collaboration et de cette méthode ? À quelle question souhaitez-vous répondre ensuite ?

Lorsque Léonard Seydoux nous a récemment rendu visite à Zurich, j’étais justement en train d’analyser les données sismiques de l’éboulement de glace et de roche de Blatten survenu en mai 2025. C’est là qu’est née l’idée d’appliquer notre méthode à ces données. Aussitôt dit, aussitôt fait : dès le lendemain, nous avions obtenu les premiers résultats, très prometteurs. Ceux-ci indiquent qu’avec l’apprentissage automatique non supervisé et les données d’une seule station, nous pouvons bien suivre l’activité sur un versant. Il ne s’agit pas encore d’un système d’alerte précoce opérationnel, mais d’une perspective passionnante pour la surveillance future des risques naturels. Nous souhaitons désormais approfondir cette approche. Peut-être aurons-nous l’occasion de poursuivre cette collaboration grâce à une nouvelle bourse Germaine-de-Staël !