Etudiant : EL HILALI ANAS

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. YAHYAOUYI ALI

Annèe : 2026

Résumé : Ce mémoire étudie la prévision multi-horizon de l’indice d’humidité des sols (SWI) dans le département de la Manche à partir de longues séries agroclimatiques journalières issues de la chaîne SAFRAN-SIM. L’objectif principal est d’évaluer jusqu’à quel horizon le SWI moyen départemental peut être prédit avec une compétence supérieure à celle de références simples, lorsque seules les informations disponibles à la date de prévision sont utilisées. La démarche repose sur une série journalière agrégée à l’échelle départementale à partir des mailles SAFRAN-SIM retenues pour la Manche. Le problème est formulé sous la forme SWI(t+h), avec des horizons allant de 1 à 365 jours. Le protocole expérimental utilise une séparation chronologique stricte : entraînement sur la période 1959-2009, validation sur 2010-2017 et test hors échantillon sur 2018-2025. Les modèles sont comparés à trois références : la persistance, la climatologie journalière calculée uniquement sur les données d’entraînement et un modèle naïf saisonnier. Les méthodes évaluées comprennent des modèles directs, des modèles récursifs et des approches séquence-à-séquence, avec une attention particulière portée à la prévention des fuites de données. Les résultats montrent que la prévisibilité du SWI dépend fortement de l’horizon. Aux premiers jours, les modèles obtiennent une erreur faible, mais leur apport doit être évalué face à la persistance, qui constitue la référence la plus exigeante aux horizons courts. À partir de l’ordre mensuel, la compétence prédictive reste positive mais devient plus modérée. Aux horizons saisonniers et annuels, les prévisions se rapprochent progressivement d’une estimation essentiellement climatologique : certains gains restent positifs, sans toutefois traduire une forte capacité à anticiper les anomalies futures. Ce travail met ainsi en évidence la portée et les limites de la prévision du SWI à partir des seules informations passées.