Du big data vers les connaissances. L'humanité a accumulé une quantité quasiment incommensurable de données relatives aux enjeux auxquels notre planète fait face. Ces données se trouvent en augmentation permanente grâce aux progrès de l'instrumentation et aux méthodes modernes d'acquisition de données, comme la télédétection et les capteurs embarqués. Cette profusion de données offre un potentiel sans précédent pour extraire de nouvelles connaissances. Les données d'observation sont complétées par d’immenses volumes de données simulées à l'aide de modèles numériques, comme les modèles climatiques qui intègrent les observations du passé et projettent des trajectoires du futur.

Données spatiotemporelles. Les données disponibles sont souvent géolocalisées et répétées dans le temps, et comportent un grand nombre de variables, parfois assez fortement dépendantes. Les défis posés par ces données spatio-temporelles sont multiples : ils concernent à la fois la visualisation de ces données, la définition de modèles pertinents, les méthodes d'estimation pour ceux-ci et la mise en œuvre de ces méthodes pour des ensembles de données de (très) grande taille.
Face à cette abondance de données disponibles de différentes sources et à différentes échelles spatiales et temporelles, le développement de nouveaux outils d'analyse et de prédiction spatiotemporelles est devenu un enjeu crucial dans le domaine de la statistique, et plus généralement de l‘apprentissage artificiel. 

Événements extrêmes et risques. Il est particulièrement important de développer des méthodes spécifiques pour aborder les phénomènes ayant un fort impact sur les populations humaines et les écosystèmes, comme les événements extrêmes et les risques. En pratique, l'objectif est souvent triple : 

• Identifier les facteurs déterminant les phénomènes étudiés, et quantifier les incertitudes résiduelles.
• Prévoir les évolutions à court terme en prenant en compte leurs incertitudes, mais aussi estimer les probabilités des événements possibles à long terme.
• Simuler, confronter et analyser différents scénarios futurs possibles.

Les activités de RESSTE. Le réseau RESSTE (Risques, Extrêmes et Statistique Spatio-TEmporelle) propose une animation scientifique autour des modèles, méthodes et algorithmes pour les données spatio-temporelles, en fédérant statisticiens et scientifiques ayant à traiter ce type de données, et en confrontant les approches et les points de vue des différents domaines de la statistique. Il a pour ambition d'initier de nouveaux fronts de recherche en statistique spatio-temporelle répondant aux enjeux rencontrés par les scientifiques, et de stimuler les collaborations entre équipes de recherche. Il contribue à une plus large diffusion des méthodes de la statistique spatio-temporelle auprès des statisticiens et des modélisateurs.

Comment rester informé ? 

Si vous souhaitez recevoir des informations concernant RESSTE, en particulier au sujet des événements que nous organisons, vous pouvez demander à être ajouté à la liste de diffusion. Pour cela, envoyer un mail à Thomas Opitz en utilisant son adresse mail canonique prenom.nom@inrae.fr.

Le réseau RESSTE est un des réseaux scientifiques soutenus par le département MathNum d’INRAE.