Catastrophes naturelles, catastrophes évitables ou imprévisibles ?

On a tous vu les images. Et elles sont incroyables. Comme de nombreuses catastrophes naturelles.

Le 25 janvier, Niscemi, petite ville sicilienne, s’est ouvert en deux, suite aux pluies torrentielles associées au cyclone Harry, avec une cicatrice de plusieurs kilomètres. On a vu les routes qui s’effondrent, les voitures qui disparaissent, les maisons qui restent suspendues au bord d’un vide. Plus de 1 600 personnes ont été évacuées. Dans l’article du Guardian, on nous rappelle que ce n’est pas la première fois. On nous explique que le même secteur avait déjà glissé au XVIIIe siècle, puis à nouveau en 1997, et pourtant les constructions ont continué, notamment à partir des années 1950 et 1960.

Est-ce qu’on aurait pu savoir ? Est-ce qu’on savait déjà ? Et si on savait, pourquoi ça arrive quand même ? Mine de rien, à chaque catastrophe naturelle, j’ai souvent que ces questions reviennent elles aussi, invariablement… Je me disais que je pourrais écrire un court billet, rappelant que d’un côté, il existe des régularités étonnantes dans la façon dont certaines catastrophes se déclenchent. Mais pour autant, de l’autre, “prévisible” ne veut pas dire “évitable”, parce que la catastrophe est aussi un fait social, une histoire de vulnérabilité, d’exposition et de décisions publiques (au risque de me répéter, je sais).

Niscemi ou le désastre qui avait un passé

Le papier de Lorenzo Tondo et les photographies d’Alessio Mamo dans le Guardian racontent une ville, Niscemi, avec son bord instable, avec ses zones rouges et noires, ses escortes pour récupérer quelques objets. Et la crainte que la prochaine portion peut lâcher à tout moment. Mais l’article voit plus large, racontant une histoire qui clairement dépasse Niscemi. Il y a la pluie,  il y a la géologie locale, il y a des terrains argileux fragiles, mais il y a aussi, et surtout, des politiques d’urbanisation, un habitat installé là où il ne devrait pas être encouragé

… along riverbeds, on unstable slopes, near cliffs, and in zones exposed to landslides, floods and seismic risk. In short, places where people should never have been encouraged to live.

Et c’est la racine même du problème : on peut discuter indéfiniment de la violence de l’événement météorologique, mais la catastrophe apparaît quand cette violence rencontre une ville, des personnes, des bâtiments, des collectivités, une vulnérabilité. Phil O’Keefe, Ken Westgate et Ben Wisner écrivaient déjà, en 1976, dans Taking the naturalness out of natural disasters, qu’une catastrophe marque la rencontre, l’interface, entre un phénomène physique extrême et une population vulnérable.

Without people there is no disaster

Sans personnes, il n’y a pas de catastrophe. Autrement dit, même si l’aléa était identique, la catastrophe dépend avant tout de l’exposition et de la vulnérabilité. C’est pour ça que la “prévisibilité” des catastrophes devient complexe, ou ambiguë. On peut être très bon pour prévoir l’aléa, et très mauvais quand on doit tenir compte de règles de construction qui tolère l’illégalité, quand on retarde les consolidations, ou quand on n’a pas de système d’alerte opérationnel. Et j’en parle aujourd’hui parce que je suis régulièrement dans des réunions où on nous explique que la prévision de l’aléa climatique est de plus en plus fine. Mais ce n’est pas si simple de passer de la modélisation climatique à la détection d’évènements qui pourraient être la source d’une catastrophes. Par exemple si on cherche à comprendre combien de pluie, pendant combien de temps, suffit à déclencher un glissement de terrain (pour garder mon fil directeur de la catastrophe de Niscemi).

Des seuils de pluie comme règle de pouce

Quand on regarde les glissements de terrain déclenchés par la pluie, on voit des épisodes, souvent courts, où soudain, ça glisse. Les deux facteurs clés sont une intensité (moyenne) de pluie, et une durée. On peut bien entendu raffiner, ajouter l’humidité des jours précédents, le type de sol, l’occupation des sols, mais commençons simplement. On peut trouver  nombreux travaux empiriques qui vont chercher des “seuils” pour un couple (intensité, durée). L’idée n’est pas d’expliquer chaque cas, mais de dessiner une frontière opérationnelle entre des pluies qui déclenchent souvent et des pluies qui déclenchent rarement des glissements de terrain. En Europe centrale et méridionale, Fausto Guzzetti, Silvia Peruccacci, Mauro Rossi et Colin Stark ont passé en revue un grand nombre de seuils publiés (il y a une vingtaine d’années) dans The rainfall intensity–duration control of shallow landslides and debris flows: an update. Ça leur a permis de construire une base de données de 853 épisodes de pluie, certains suivis de glissements, d’autres non. Ils recensent aussi 124 seuils empiriques publiés, et proposent des seuils nouveaux, estimés avec une approche bayésienne, pour, au final récupérer une règle du pouce. Qui dit simplement que plus il pleut longtemps, moins il faut que la pluie soit intense pour déclencher un glissement. Avec une espèce de table liant durée et intensité, et permettant de quantifier le risque. Mais, malheureusement, difficilement transposable. Quand ils comparent leurs seuils aux seuils plus anciens, ils observent que leurs courbes peuvent être plus basses que certains seuils locaux et régionaux, justement parce qu’elles agrègent des données issues de lieux différents. Ils notent qu’il n’y a pas de loi physique universelle, mais simplement une “frontière statistique”, construite avec des données hétérogènes, parfois pessimiste, mais aussi parfois trop optimiste. Aussi étonnant que ça puisse paraître, ce genre d’outil est particulièrement apprécié, parce que même s’il est grossier, ce mécanisme d’alerte devient une machine à décider sous incertitude. Il permet de choisir où placer le curseur entre deux erreurs : déclencher l’alerte trop souvent, et fatiguer tout le monde, ou déclencher trop tard, et rater l’événement. Et il permet au passage de transférer une part de responsabilité, mais c’est un autre sujet.

Du tableau de bord à la physique de l’infiltration

Un glissement de terrain déclenché par la pluie, c’est avant tout la pluie qui s’infiltre, qui modifie les pressions dans les pores du sol, et qui réduit la résistance au cisaillement. En langage d’ingénieur, la pluie fait baisser le “facteur de sécurité”. Dans Landslide triggering by rain infiltrationRichard Iverson part d’un constat très concret. L’eau ne “remplit” pas simplement le sol, elle transmet aussi une variation de pression, un signal qui peut descendre en profondeur plus vite que l’on ne l’imagine. Pour organiser cette idée, il s’appuie sur l’équation de Richards, celle qui gouverne l’écoulement d’une eau plus ou moins saturée dans un milieu poreux sous la pluie. Puis il la simplifie de façon raisonnée, en séparant des échelles de temps. D’un côté, un temps long, celui qui laisse le système installer des pressions de fond, liées à la topographie, la géologie et le climat, et qui influencent la propension à céder sans déclencher la rupture. De l’autre, un temps plus court, celui des orages et des épisodes pluvieux, où la transmission transitoire des pressions interstitielles devient le vrai déclencheur. Entre les deux, Richard Iverson insiste sur une distinction utile. On peut infiltrer de l’eau comme un flux, mais la pression, elle, se diffuse aussi comme une onde, parfois avec peu de “déplacement” d’eau. Cette lecture permet ensuite de combiner une solution hydrologique simplifiée avec un modèle de stabilité de pente, pour relier l’intensité et la durée de la pluie à un calendrier, une profondeur de rupture, et même une vitesse d’accélération. Oui, c’est comme ça qu’on fait des modèles physiques quand on cherche à “prédire” des catastrophes. Et souvent, l’idée générale est simple à dire, même si les détails sont techniques. Il y a une composante de fond, liée à l’état hydrologique moyen et à la nappe, qui rend une pente plus ou moins prête à céder, et une composante transitoire, liée aux épisodes pluvieux, qui déclenche effectivement la rupture.

Si l’on veut faire tourner cette physique sur une carte, cellule par cellule, et produire quelque chose d’opérationnel, on arrive assez vite à des outils comme celui développé par le USGS en 2008. Rex Baum, William Savage, and Jonathan Godt, dans A Fortran Program for Transient Rainfall Infiltration and Grid-Based Regional Slope-Stability Analysis (TRIGRS), modélisent des glissements superficiels induits par la pluie. Ce modèle calcule des changements transitoires de pression interstitielle et les variations associées du facteur de sécurité, en représentant l’infiltration par des solutions analytiques d’équations différentielles en une dimension (verticale), pour des conditions saturées ou non saturées. Il utilise un modèle de pente infinie pour obtenir un facteur de sécurité “cellule par cellule”, et se combine avec un SIG (Système d’Information Géographique) pour préparer les grilles d’entrée et visualiser les sorties.  Sur le papier, c’est exactement ce qu’on cherche, relier pluie, topographie et instabilité, avec une mécanique explicite. Mais le manuel de TRIGRS dit aussi clairement où ça va coincer quand on va chercher à le transposer dans le monde réel. Le modèle est très sensible aux conditions initiales, notamment la profondeur initiale de la nappe et le champ d’écoulement de fond. Si cette profondeur est mal estimée, les résultats peuvent devenir discutables. Prévoir un glissement demande de connaître la pluie, parfois en prévision quantitative à quelques heures. Mais cela demande aussi de connaître l’état d’humidité, la profondeur de nappe, les paramètres hydrauliques, et de les connaître de façon spatialisée. Dans la pratique, on a des stations de pluie inégalement réparties, des radars avec des biais, des sols hétérogènes, des pentes modifiées par les routes et les réseaux, et une urbanisation qui change le ruissellement. Autrement dit, on peut avoir un bon modèle, et rester limité par ce qu’on observe. D’où le retour fréquent, en pratique, aux seuils empiriques. Non pas parce qu’on renonce à la physique, mais parce qu’on cherche une robustesse décisionnelle.

Prévisible n’est pas évitable

Revenons à Niscemi. Dans l’article du Guardian, on lit que la zone avait déjà glissé, que des églises risquent de partir, qu’une bibliothèque avec des livres rares est inaccessible, et que beaucoup de résidents pensent que cela aurait pu être empêché. Il est aussi question d’enquêtes et de responsabilités. Même si l’on admet que l’épisode pluvieux est exceptionnel, la question du pouvait-on éviter renvoie à des décennies, pas à des heures. Le premier sauve des bâtiments, le second sauve des vies. Pour revenir à ce qu’on disait au début, la catastrophe n’est pas l’aléa. C’est l’aléa plus l’exposition plus la vulnérabilité. Dit autrement, on a une prévisibilité à deux niveaux. Au premier niveau, on a la prévisibilité physique. Les glissements superficiels déclenchés par la pluie obéissent à des mécanismes et à des régularités. Les seuils intensité durée donnent des drapeaux rouges. Les modèles d’infiltration et de stabilité donnent des cartes de susceptibilité dynamiques. On peut, souvent, dire qu’un épisode est à risque, et parfois dire où le risque est maximal. Au second niveau, on a la prévisibilité sociale. On connaît très bien, en amont, les endroits où la vulnérabilité est forte. Bâtiments au bord d’un talus instable, réseaux posés sur un versant fragile, absence de drainage, absence d’entretien, constructions en zone connue comme problématique. Et cette connaissance existe même sans modèle sophistiqué, simplement par mémoire institutionnelle, archives, cartographie, et retour d’expérience.

Pour les glissements de terrain déclenchés par la pluie, les systèmes d’alerte opérationnels restent rares et très localisés, au point que la littérature estime qu’ils ne couvrent qu’une fraction infime des terres émergées. Dans leur papier Rainfall thresholds for the initiation of landslides in central and southern Europe (sur l’Europe centrale et méridionale), Fausto Guzzetti, Silvia Peruccacci, Mauro Rossi et Colin Stark notent que des seuils locaux ou régionaux n’ont été définis que dans quelques endroits, et que pour la majorité de la zone étudiée les seuils ne sont pas disponibles, faute de données (ou parce qu’elles sont coûteuses à obtenir).  Cette sous-couverture est un fait politique, autant que technique, car elle dépend de budgets, de responsabilités, de gouvernance, de priorités. Le monde sait construire des seuils et des modèles. Le monde sait moins bien généraliser des dispositifs d’alerte, les maintenir, les expliquer, et les articuler avec des plans d’évacuation. Et puis, il y a un point dont on parle peu, parce qu’il est compliqué, pour ne pas dire embarrassant. L’évacuation est une décision coûteuse socialement. On dérange tout le monde, on interrompt l’économie locale, on déplace des personnes fragiles, on risque de déclencher de la colère si l’événement n’arrive pas. J’en avais parlé dans Les autorités publiques face aux risques, de la confiance au doute en évoquant la série télé Chernobyl, poursuivi dans “Tout est poison, rien n’est poison : c’est la dose qui fait le poison” qui expliquait la difficulté et l’importance du choix du seuil (oui, c’est le cours de Statistique 101, ou dit autrement, le cours de mathématiques de la décision). Un seuil n’est jamais un oracle. Même quand on dépasse le seuil, il peut ne rien se passer à l’endroit où l’on regarde. Un système d’alerte sérieux (moins de morts, moins de dégâts, et plus de temps de réaction) doit assumer explicitement ses erreurs. Les erreurs de première et de seconde espèce, évacuer à tort une ville, ou ne pas évacuer alors qu’il aurait fallu le faire.

Ce que promet une prévision honnête

Ce que la science offre le plus souvent, c’est une fourchette, un niveau d’alerte, une carte de probabilité, une hiérarchie de zones. J’ai l’impression qu’une prévision honnête doit évoquer ces quatre points, d’une manière ou d’une autre

  1. On ne prédit pas un glissement, on prédit un régime de danger. Les seuils intensité durée, comme ceux discutés par Fausto Guzzetti, Silvia Peruccacci, Mauro Rossi et Colin Stark, sont des frontières statistiques utiles, surtout quand il manque des seuils locaux.
  2. La physique aide à comprendre quand un seuil a du sens. Richard Iverson montre pourquoi les temps caractéristiques et la transmission de pressions interstitielles comptent, et pourquoi la pluie moyenne de fond n’est pas le déclencheur.
  3. Les modèles opérationnels payent cash la qualité des conditions initiales. Le modèle TRIGRS du USGS est intéressant, mais il est aussi très sensible à la nappe initiale et au flux de fond. Cela ne condamne pas les modèles, cela dit seulement que la prévisibilité est une chaîne, et qu’elle casse souvent aux maillons les plus faibles.
  4. Enfin, la catastrophe est un objet de politique publique. Sans personnes il n’y a pas de catastrophe, et si l’exposition augmente, on peut avoir plus de catastrophes sans que la Terre soit devenue plus méchante. La prévisibilité sociale, celle qui dit on sait que cette zone est fragile, est parfois la plus cruelle, parce qu’elle pointe des choix évitables.

Et c’est peut-être là dessus que je devrais finir mon billet (parce qu’il faut bien finir un jour, avant le prochain). La question “pouvait-on prévoir” n’est pas seulement une question d’exactitude scientifique. C’est aussi, comme toujours, une question de responsabilité. Que fait-on de ce que l’on sait déjà, même imparfaitement ? À Niscemi, le Guardian rapporte une enquête du parquet et un sentiment local que cela aurait pu être empêché. Dans ce contexte, parler de seuils de pluie et de modèles d’infiltration n’est pas un détour technique. Il me semble que c’est avant tout une façon de préciser ce que prévisible veut dire, et ce que la société choisit d’en faire.


OpenEdition suggests that you cite this post as follows:
Arthur Charpentier (February 10, 2026). Catastrophes naturelles, catastrophes évitables ou imprévisibles ? Freakonometrics. Retrieved March 4, 2026 from https://doi.org/10.58079/15nyd


Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.