Pourquoi le domaine correspond
Le principe d'énergie minimale affirme qu'un système persistant sous perturbation environnementale tend à minimiser l'énergie variationnelle libre, unifiant la perception, l'action et l'apprentissage en un seul processus. La science du climat présente exactement cette structure : flux de données observationnels partiels et bruyants (radiosondes, bouées, satellites, carottes de glace), états latents déduits par assimilation de données et choix séquentiels de politiques effectués dans des conditions de profonde incertitude structurale. L'analyse thermodynamique de Kleidon du système Terre montre qu'il génère et dissipe continuellement de l'énergie libre — via le transport hydrique piloté par le solaire, la circulation atmosphérique et le cycle biogéochimique — pour maintenir les conditions de déséquilibre non équilibrées sur lesquelles dépendent la vie, ce qui donne au cadre une base physique ainsi qu'une base cognitive. Ramstead et ses collègues vont plus loin en argumentant que l'inaction climatique est elle-même un symptôme maladaptatif d'un système cognitif global dont les préconceptions institutionnelles sont mal alignées sur la réalité biophysique.
État de la littérature
Le travail sur le principe de l’énergie libre fondateur (Friston) fournit l’outillage mathématique, tandis que Kleidon y fonde la base physiquement en thermodynamique des systèmes terrestres. L'article « Resurrecting Gaia » de Ramstead et al. est le pont conceptuel le plus direct vers la gouvernance planétaire, et le chapitre de Keller sur la théorie de décision bayésienne et le changement climatique est considéré comme un précurseur proto-inférence active — il traite des seuils climatiques et des événements à faible probabilité mais à fort impact, mais manque du terme épistémique (informationnel) explicite de l’inférence active. Les applications les plus concrètes liées au climat se situent dans le domaine de la durabilité plutôt que dans le modélisme climatique central : le cadre « règlebooks d’agents » de Lallée et al. permet aux agents de gouvernance IA de faire passer des priorités de règles fixes pour les villes durables, et des prépublications non évaluées modélisent la gestion durable des ressources dans les systèmes socio-écologiques à l’aide de l’énergie libre attendue. Le blog OpenEarth et les commentaires de Denise Holt sur le protocole Spatial Web de l’IEEE sont des visions non évaluées qui pointent dans la même direction.
Projets et outils clés
Plusieurs outils existants ne sont pas présentés comme une inférence active, mais sont structuralement identiques au module de « perception » : filtrage bayésien ensembliste pour les données d'assimilation atmosphérique, le cadre profond génératif du Purdue pour la downscaling statistique (restauration d'images appliquée aux champs climatiques), et l’émulateur climatique causal CDSD, qui utilise un filtrage bayésien pour mettre à jour un modèle génératif de la dynamique climatique en ligne et explorer des scénarios contraux. Le consortium télédétection du Climate TRACE effectue une détection active littérale — impulsions lidar et radar inférant les émissions et l'utilisation des terres — qui correspond au terme épistémique d'énergie libre attendue. Les travaux méthodologiques sur l’inférence active profonde (gradients variationnels) et la planification basée sur l'énergie libre attendue fournissent la machine à calculer pour étendre ces idées aux espaces climatiques de haute dimension. L’écosystème de l’ Active Inference Institute fonctionne comme un centre d’organisation à travers ces efforts plutôt qu’une source de systèmes déployés spécifiquement liés au climat.
Problèmes non résolus
Quatre lacunes ressortent. Relier les échelles et les modalités : les processus climatiques s'étendent de la micromètre à la circulation planétaire et des secondes aux siècles, et aucun modèle d’inférence active prouvé ne le fait encore tout en intégrant les variables socio-écologiques et de gouvernance. Apprendre à partir de données rares, biaisées et non stationnaires : les réseaux d'observation ont des lacunes spatio-temporelles et les forces anthropiques signifient que les données historiques ne sont qu’une représentation partielle des conditions futures. Préférences normatives et gouvernance : l’inférence active ne résout pas elle-même quels résultats climatiques, compromis en matière d’équité ou de contraintes de seuil planétaire doivent être encodés comme des préférences — cela reste un choix éthique et politique nécessitant des processus participatifs et une vérifiabilité. Validation empirique : le rapport précise que les systèmes d'inférence active doivent être évalués par rapport à des acteurs établis (filtres Kalman d’ensemble, assimilation variationnelle, modèles d’évaluation intégrée) sur des données réelles, et non sur des simulations de jouet, avant que le domaine ne dépasse la promesse conceptuelle.
Squelette de référence
Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Christopher L. Buckley, Chang Sub Kim, Simon McGregor, Anil K. Seth (2017). The free energy principle for action and perception: A mathematical review. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2017.09.004. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). Active Inference, homeostatic regulation and adaptive behavioural control. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv.