L’inondation de Florence en 1966 aurait-elle pu être prédite ? Ce qu'une étude a découvert 60 ans plus tard
Inondation de Florence en 1966 : les modèles météorologiques auraient signalé le risque trois jours plus tôt (mais sous-estimé la pluie)
Le 4 novembre 1966, à cinq heures du matin, l'Arno envahit quarante salles des Archives de l'État de Florence, alors hébergées aux Offices. L'eau a submergé les étagères sur environ deux mètres, endommageant des milliers de documents. Soixante ans après cette catastrophe, des recherches scientifiques publiées en 2019 permettent d'observer la crue sous un angle particulier : avec des modèles météorologiques plus avancés, le risque de précipitations exceptionnelles aurait pu être reconnu jusqu'à trois jours plus tôt. La quantité d’eau prévue est cependant restée bien inférieure à celle qui est réellement tombée. Et dans l'une des simulations, à l'approche de la date de l'inondation, les prévisions ont même réussi à se détériorer.
Le 4 novembre 2026 marque le soixanteième anniversaire de l’une des inondations les plus dévastatrices de l’histoire italienne. Selon la Protection Civile, l'inondation a fait 35 victimes en Toscane et a laissé Florence sous environ 600 mille tonnes de boue. Dans la Via dei Neri, dans le quartier de Santa Croce, une plaque indique encore le niveau atteint par l'eau : 4 mètres et 92 centimètres.
La ville fut prise par surprise. Il n'existait aucun réseau de surveillance capable d'annoncer rapidement l'inondation et des secours ont dû être organisés alors que l'eau avait déjà envahi les rues, les maisons et les monuments. Le patrimoine historique a subi d'énormes dégâts : selon les Archives de l'État de Florence, une enquête ultérieure a quantifié environ 70 000 pièces d'archives qui ont été inondées, y compris des matériaux détruits ou manquants. Depuis, la météorologie a fait d’énormes progrès. Cependant, une distinction fondamentale demeure entre reconnaître l’arrivée d’une tempête particulièrement violente et savoir exactement où, combien et quand il va pleuvoir.
'; var fallbackTriggered = faux ; var timeoutId = null ; function renderTaboolaFallback(reason) { if (fallbackTriggered) return ; fallbackTriggered = vrai ; si (timeoutId) { clearTimeout (timeoutId); timeoutId = nul ; } console.log('(ADV2) Render Taboola fallback. Reason:', Reason); root.innerHTML = ''; window._taboola.push({ mode : 'thumbnails-300×250', conteneur : taboolaDivId, emplacement : 'Widget milieu d'article 300×250-2', target_type : 'mix' }); } googletag.cmd.push(function () { console.log('(ADV2) GPT init', gptDivId); var gptSlot = googletag.pubads().getSlots().find(function(s) { return s.getSlotElementId() === gptDivId; }); if (!gptSlot) { console.warn('(ADV2) Slot not found:', gptDivId); renderTaboolaFallback('slot-not-found'); return; } googletag.pubads().addEventListener('slotRenderEnded', function (event) { if (event.slot !== gptSlot) return; console.log('(ADV2) slotRenderEnded', { isEmpty: event.isEmpty, size: event.size, warnerId : event.advertiserId, CampaignId : event.campaignId, lineItemId : event.lineItemId } ; if (fallbackTriggered) return ; if (timeoutId) { clearTimeout(timeoutId } ); console.log('(ADV2) GPT a diffusé une création');
Trois jours plus tôt, puis une prévision qui empire
En 2019, Valerio Capecchi, du Consortium LaMMA, et Roberto Buizza, chercheur alors affilié au Centre européen de prévisions météorologiques à moyen terme (ECMWF) et à l'École d'études avancées Sant'Anna de Pise, ont publié une étude consacrée à la reconstitution de l'événement météorologique de novembre 1966 dans le Journal of Geophysical Research : Atmospheres.
Les chercheurs ont utilisé un système mondial du CEPMMT, opérationnel depuis 2016, parallèlement au modèle régional WRF. Le premier a travaillé sur une grille d'environ 18 kilomètres, le second a atteint 3 kilomètres, suffisant pour décrire plus en détail la répartition des précipitations. Des prévisions ont été élaborées pour les deux ensemblec'est-à-dire plusieurs simulations du même événement avec des conditions initiales légèrement différentes. Un système qui vous permet d'évaluer des scénarios et des probabilités, plutôt que de vous fier à une seule prévision.
'; var fallbackTriggered = faux ; var timeoutId = null ; function renderTaboolaFallback(reason) { if (fallbackTriggered) return ; fallbackTriggered = vrai ; si (timeoutId) { clearTimeout (timeoutId); timeoutId = nul ; } console.log('(ADV3) Render Taboola fallback. Reason:', Reason); root.innerHTML = ''; window._taboola.push({ mode : 'thumbnails-300×250', conteneur : taboolaDivId, emplacement : 'Widget milieu d'article 300×250-3', target_type : 'mix' }); } googletag.cmd.push(function () { console.log('(ADV3) GPT init', gptDivId); var gptSlot = googletag.pubads().getSlots().find(function(s) { return s.getSlotElementId() === gptDivId; }); if (!gptSlot) { console.warn('(ADV3) Slot not found:', gptDivId); renderTaboolaFallback('slot-not-found'); return; } googletag.pubads().addEventListener('slotRenderEnded', function (event) { if (event.slot !== gptSlot) return; console.log('(ADV3) slotRenderEnded', { isEmpty: event.isEmpty, size: event.size, warnerId : event.advertiserId, CampaignId : event.campaignId, lineItemId : event.lineItemId } ; if (fallbackTriggered) return ; if (timeoutId) { clearTimeout(timeoutId } ); console.log('(ADV3) GPT a diffusé une création');
Les résultats montrent que déjà 72 heures avant l'événement, les modèles globaux fournissaient des informations utiles sur les conditions météorologiques dangereuses. Cependant, les simulations n’ont pas toujours localisé les précipitations les plus fortes dans les zones réellement touchées et ont souvent sous-estimé leur quantité. Jusqu’à présent, une limitation compréhensible. La partie intéressante vient de la comparaison des prévisions produites à différentes distances temporelles.
Dans les simulations régionales, celle démarrée 48 heures avant la fin de la période analysée reproduisait, en moyenne, environ 73% des précipitations observées dans les stations de la zone étudiée. La prévision qui avait commencé 36 heures plus tôt est tombée à 30 %. Douze heures d'information plus proches de l'événement et une estimation bien pire.
Le problème dépendait de la représentation de la circulation atmosphérique : dans la simulation de 36 heures, la zone de haute pression au-dessus des Balkans s'est déplacée trop à l'est, éloignant même les maximums de précipitations de la zone affectée. Une plus grande proximité avec l’événement ne garantit donc pas automatiquement de meilleures prévisions. Une résolution plus élevée ne pouvait pas non plus toujours corriger les erreurs dans les conditions atmosphériques utilisées par le modèle global.
'; var fallbackTriggered = faux ; var timeoutId = null ; function renderTaboolaFallback(reason) { if (fallbackTriggered) return ; fallbackTriggered = vrai ; si (timeoutId) { clearTimeout (timeoutId); timeoutId = nul ; } console.log('(ADV4) Render Taboola fallback. Reason:', Reason); root.innerHTML = ''; window._taboola.push({ mode : 'thumbnails-300×250', conteneur : taboolaDivId, emplacement : 'Widget milieu d'article 300×250-4', target_type : 'mix' }); } googletag.cmd.push(function () { console.log('(ADV4) GPT init', gptDivId); var gptSlot = googletag.pubads().getSlots().find(function(s) { return s.getSlotElementId() === gptDivId; }); if (!gptSlot) { console.warn('(ADV4) Slot not found:', gptDivId); renderTaboolaFallback('slot-not-found'); return; } googletag.pubads().addEventListener('slotRenderEnded', function (event) { if (event.slot !== gptSlot) return; console.log('(ADV4) slotRenderEnded', { isEmpty: event.isEmpty, size: event.size, warnerId : event.advertiserId, CampaignId : event.campaignId, lineItemId : event.lineItemId } ; if (fallbackTriggered) return ; if (timeoutId) { clearTimeout(timeoutId } ); console.log('(ADV4) GPT a diffusé une création');
La pluie que les mannequins ne pouvaient pas voir
Lors de la crue, de nombreuses stations météorologiques ont enregistré des cumuls exceptionnels. Comme indiqué également dans une précédente analyse du CEPMMT signée par les mêmes chercheurs avec Simon Lang, 15 des 41 mesures prises en compte dans le bassin de l'Arno ont dépassé 100 millimètres de précipitations en 24 heures.
Dans une station près de Florence, près de 130 millimètres ont été mesurés. Pourtant, pour cet endroit, les simulations globales analysées n’ont même pas réussi à représenter la possibilité de parvenir à une accumulation similaire. Le modèle régional de 3 kilomètres a amélioré la représentation des précipitations dans plusieurs cas, notamment les maximums les plus intenses, mais n'a pas éliminé le problème. Les pluies annoncées sont généralement restées insuffisantes.
Et pour une rivière, la différence entre 70 et 130 millimètres de précipitations peut peser lourd. Par ailleurs, en novembre 1966, la Toscane connut des semaines de fortes pluies. La même étude rappelle qu'au cours du mois d'octobre, les accumulations dans le bassin de l'Arno étaient égales à environ une fois et demie la moyenne mensuelle.
Le sol était déjà très humide et les cours d’eau ont dû à nouveau recevoir des pluies particulièrement abondantes. Pour estimer la réaction de l'Arno, il aurait donc fallu combiner les prévisions météorologiques avec des données hydrologiques, des observations des niveaux du fleuve et des modèles capables de représenter l'évolution de la crue. Les recherches de 2019 se sont concentrées sur les précipitations. Il n’a pas été prévu de prévoir la hauteur à laquelle l’eau atteindrait les rues de Florence.
Le problème des données de 1966
Il y a ensuite une autre difficulté, liée précisément au moment de la catastrophe. Les modèles météorologiques doivent connaître les conditions initiales de l’atmosphère : pression, température, humidité et vent. Aujourd’hui, ces informations proviennent également de satellites, de radars et de réseaux d’observation très étendus. En 1966, cependant, les données disponibles étaient nettement plus rares.
Capecchi et Buizza ont dû travailler sur des reconstructions historiques, en adaptant également les perturbations utilisées dans les prévisions globales pour mieux représenter l'incertitude des informations de départ. Les auteurs reconnaissent que cette rareté a pu pénaliser la performance des modèles. Avec des observations plus complètes, les systèmes utilisés auraient probablement fourni de meilleurs résultats. Cependant, l'expérience ne nous permet pas de déterminer dans quelle mesure cela s'améliore.
Le résultat des trois jours demande également à être précisé : il découle de l’analyse d’un seul épisode météorologique. Pour évaluer la fiabilité générale de systèmes de prévision similaires, il est nécessaire d’étudier de nombreux autres événements extrêmes, présentant des caractéristiques atmosphériques différentes. Le résultat de la reconstruction demeure : des instruments météorologiques plus avancés que ceux disponibles en 1966 auraient pu reconnaître à l'avance une situation potentiellement dangereuse, même s'ils se trompaient sur la quantité et la répartition des précipitations.
Trois jours auraient pu offrir une marge précieuse pour renforcer la surveillance de la zone et préparer une réponse. L’étude ne démontre cependant pas quelles alertes auraient été émises, ni combien de dégâts ou de victimes auraient pu être évités. En novembre 1966, Florence ne disposait pas d'un système d'alerte adéquat. Lorsque l'Arno déborda, la ville se retrouva confrontée à une catastrophe qui avait déjà commencé. La construction d’un système national de protection civile n’interviendra que dans les années suivantes.
