L’évaluation indépendante des sorties de modèles de surcote ou des produits indicateurs par rapport à des données d’observation séparées et à des critères de performance afin de quantifier compétence, biais et incertitude sur plusieurs événements et conditions.

Principe

Utiliser des jeux de données indépendants ou des schémas de validation croisée et plusieurs métriques de compétence (par ex. biais, RMSE, taux de détection/fausses alarmes, accord des surfaces d’inondation) pour évaluer la fidélité du modèle sans réutiliser les données de calibration, et rapporter les marges d’incertitude.

Démonstration

Valider une prévision opérationnelle de surcote en comparant hauteurs de pic hindcastées et empreintes d’inondation avec un réseau indépendant de marégraphes et des images satellitaires post‑événement pour dix tempêtes, en calculant des scores de compétence et intervalles de confiance.

Mauvaise application

Déclarer un modèle validé seulement sur la base d’un petit nombre d’événements non représentatifs ou des mêmes enregistrements utilisés lors de la calibration, ce qui survend les performances et masque des erreurs systémiques sous d’autres conditions.

Conséquence

Une validation correcte établit la crédibilité du modèle, quantifie les limites d’applicabilité, oriente les améliorations et fournit une incertitude documentée aux décideurs et aux planificateurs d’urgence.

Inversion

Une inversion consiste à constater une défaillance systématique du modèle lors de la validation, ce qui invalide les hypothèses et doit entraîner une révision du modèle, un élargissement de la collecte de données ou un retrait opérationnel jusqu’à application de correctifs.

Limite

S’applique à l’évaluation de produits de surcote predictifs ou hindcastés à l’aide d’observations indépendantes ; ne remplace pas la calibration et ne peut compenser l’absence de processus physiques ou la mauvaise qualité des données d’entrée du modèle sous‑jacent.

Tension sémantique

Tension entre la validation comme condition d’usage opérationnel et la validation comme diagnostic pour la compréhension scientifique ; les parties prenantes peuvent attendre des résultats binaires alors que la validation fournit naturellement des jugements conditionnels et probabilistes.

Synthèse

La validation de la surcote est une évaluation transparente et reproductible qui compare des observations indépendantes aux sorties de modèle à l’aide de multiples métriques et d’énoncés d’incertitude pour déterminer l’aptitude du modèle à la prévision, la planification ou la recherche.