Le cadre général de la thèse est l’amélioration de prévisions météorologiques. En particulier, l’intérêt va se porter sur la prévision à moyenne échéance, entre les problématiques de prévision à courte échéance (jusqu’à 36-72 heures) et la prévision saisonnière (jusqu’à 1-3 mois). L’objectif à terme pour SCALIAN-Alyotech est de mettre au point des produits de prévision probabiliste destinés à l’aide à la décision. Ces prévisions devraient fournir à l’utilisateur les indicateurs les mieux adaptés aux enjeux de ses décisions météo-dépendantes. Un exemple concret peut être le suivant : l’utilisateur veut prévoir un planning de sorties en mer pour des opérations de maintenance, et sa décision dépend de plusieurs variables météorologiques à moyen terme (température, humidité relative, vitesse du vent, pluviométrie, couverture nuageuse,...).
Les modèles numériques météorologiques fournissent des prévisions dites « ensemblistes », décrivant la distribution prédite des variables d’intérêt pour des horizons de prévisions allant de quelques jours à deux semaines selon les modèles. Cependant, il est connu que ces prévisions d’ensemble peuvent être biaisées et/ou sous-dispersées car les modèles n’intègrent pas toutes les sources d’erreur de prévision (hormis pour une prévision à très courte échéance). Il est donc nécessaire de corriger ces distributions prédites avant de les intégrer dans un outil d’aide à la décision.