Gavin Schmidt: The emergent patterns of climate change

176,386 views ・ 2014-05-01

TED


Please double-click on the English subtitles below to play the video.

Translator: Ian Beauregard Reviewer: Serge Brosseau
00:12
We live in a very complex environment:
0
12864
2323
Notre environnement est très complexe :
00:15
complexity and dynamism
1
15187
1904
sa complexité, son dynamisme et ses schémas
00:17
and patterns of evidence
2
17091
2063
sont mis en évidence par des photos satellite et des vidéos.
00:19
from satellite photographs, from videos.
3
19154
2885
00:22
You can even see it outside your window.
4
22039
3011
Vous pouvez même le constater en regardant par la fenêtre.
00:25
It's endlessly complex, but somehow familiar,
5
25050
3860
Il est infiniment complexe,
mais familier en quelque sorte.
00:28
but the patterns kind of repeat,
6
28910
1960
Les schémas semblent se répéter,
00:30
but they never repeat exactly.
7
30870
2490
mais jamais exactement de la même manière.
00:33
It's a huge challenge to understand.
8
33360
4127
Comprendre cela représente un immense défi.
00:37
The patterns that you see
9
37487
2132
Les schémas que vous voyez sont présents à toutes les échelles,
00:39
are there at all of the different scales,
10
39619
3720
00:43
but you can't chop it into one little bit and say,
11
43339
2906
mais on ne peut pas isoler un petit morceau et dire :
00:46
"Oh, well let me just make a smaller climate."
12
46245
2663
« Bon ! je vais fabriquer un petit climat. »
00:48
I can't use the normal products of reductionism
13
48908
4212
Je ne peux pas utiliser les résultats habituels du réductionnisme
00:53
to get a smaller and smaller thing that I can study
14
53120
2722
afin d’obtenir une chose de plus en plus petite
00:55
in a laboratory and say, "Oh,
15
55842
2308
que je puisse étudier en laboratoire
pour ensuite conclure : « Ça, je peux comprendre ça ! »
00:58
now that's something I now understand."
16
58150
2396
01:00
It's the whole or it's nothing.
17
60546
3367
C’est le tout ou c’est rien.
01:03
The different scales that give you
18
63913
2552
Ces espèces de schémas sont générées
01:06
these kinds of patterns
19
66465
2122
à des échelles couvrant une énorme étendue de grandeurs :
01:08
range over an enormous range of magnitude,
20
68587
3457
01:12
roughly 14 orders of magnitude,
21
72044
2416
environ 14 ordres de grandeur,
01:14
from the small microscopic particles
22
74460
2491
des particules microscopiques qui forment les nuages
01:16
that seed clouds
23
76951
2376
01:19
to the size of the planet itself,
24
79327
2560
jusqu’à la taille de la planète,
01:21
from 10 to the minus six
25
81887
1276
de 10 ^ -6 à 10 ^ 8,
01:23
to 10 to the eight,
26
83163
1077
01:24
14 orders of spatial magnitude.
27
84240
2292
14 ordres de grandeur spatiale ;
01:26
In time, from milliseconds to millennia,
28
86532
3411
en ce qui a trait au temps, de la milliseconde au millénaire,
01:29
again around 14 orders of magnitude.
29
89943
3055
de nouveau environ 14 ordres de grandeur.
01:32
What does that mean?
30
92998
1387
Qu’est-ce que ça signifie ?
01:34
Okay, well if you think about how
31
94385
1939
OK, alors si on pense à la manière de calculer ces choses,
01:36
you can calculate these things,
32
96324
2660
01:38
you can take what you can see,
33
98984
1960
on peut prendre ce qu’on peut voir :
01:40
okay, I'm going to chop it up
34
100944
1026
« Je vais diviser ça en un paquet de petites cellules » ;
01:41
into lots of little boxes,
35
101970
1379
01:43
and that's the result of physics, right?
36
103349
2355
tout cela résulte de la physique, non ?
01:45
And if I think about a weather model,
37
105704
1725
Si on regarde un modèle météo,
01:47
that spans about five orders of magnitude,
38
107429
2494
ça couvre cinq ordres de grandeur, de la planète à quelques kilomètres ;
01:49
from the planet to a few kilometers,
39
109923
3127
01:53
and the time scale
40
113050
1538
l’échelle temporelle, elle,
01:54
from a few minutes to 10 days, maybe a month.
41
114588
4412
va de quelques minutes à dix jours, voire un mois.
01:59
We're interested in more than that.
42
119000
1395
Mais on veut en savoir plus.
02:00
We're interested in the climate.
43
120395
1305
On s’intéresse au climat :
02:01
That's years, that's millennia,
44
121700
2141
on parle d’années, de millénaires,
02:03
and we need to go to even smaller scales.
45
123841
2573
et il faut explorer des échelles encore plus petites.
02:06
The stuff that we can't resolve,
46
126414
1601
Ce qu’on ne peut pas résoudre (les processus à une échelle inférieure),
02:08
the sub-scale processes,
47
128015
1965
02:09
we need to approximate in some way.
48
129980
1980
il faut l’estimer.
02:11
That is a huge challenge.
49
131960
1762
Cela constitue un immense défi.
02:13
Climate models in the 1990s
50
133722
2188
Les modèles climatiques des années 90 étudiaient une partie encore plus petite :
02:15
took an even smaller chunk of that,
51
135910
1970
02:17
only about three orders of magnitude.
52
137880
2018
seulement trois ordres de grandeur.
02:19
Climate models in the 2010s,
53
139898
2095
Les modèles climatiques des années 2010
02:21
kind of what we're working with now,
54
141993
1774
(avec lesquels nous travaillons maintenant)
02:23
four orders of magnitude.
55
143767
2940
couvrent quatre ordres de grandeur.
02:26
We have 14 to go,
56
146707
2303
Il faut se rendre à 14,
02:29
and we're increasing our capability
57
149010
2200
et notre capacité de simulation augmente
02:31
of simulating those at about
58
151210
1870
au rythme d’environ un ordre de grandeur par décennie.
02:33
one extra order of magnitude every decade.
59
153080
3546
02:36
One extra order of magnitude in space
60
156626
1895
Un ordre supplémentaire de grandeur spatiale
02:38
is 10,000 times more calculations.
61
158521
3249
veut dire dix mille fois plus de calculs.
02:41
And we keep adding more things,
62
161770
2380
Et on continue d’ajouter des choses, de poser des questions à ces modèles.
02:44
more questions to these different models.
63
164150
2374
02:46
So what does a climate model look like?
64
166524
2733
Alors à quoi ressemble un modèle climatique ?
02:49
This is an old climate model, admittedly,
65
169257
2341
Ça, c’est un vieux modèle climatique :
02:51
a punch card, a single line of Fortran code.
66
171598
4080
une carte à perforer, une seule ligne de Fortran.
02:55
We no longer use punch cards.
67
175678
1978
Nous n’utilisons plus de cartes à perforer,
02:57
We do still use Fortran.
68
177656
2241
mais nous utilisons toujours le Fortran.
02:59
New-fangled ideas like C
69
179897
1957
Les idées nouveau genre comme le C n’ont vraiment pas eu un impact majeur
03:01
really haven't had a big impact
70
181854
3235
03:05
on the climate modeling community.
71
185089
2367
dans la communauté de la modélisation climatique.
03:07
But how do we go about doing it?
72
187456
1400
Mais comment on fait ça ?
03:08
How do we go from that complexity that you saw
73
188856
4624
Comment passe-t-on
de cette complexité que vous avez vue à une ligne de code ?
03:13
to a line of code?
74
193480
2530
03:16
We do it one piece at a time.
75
196010
1573
On fait ça une pièce à la fois.
03:17
This is a picture of sea ice
76
197583
1878
Voici une photo de glace de mer,
03:19
taken flying over the Arctic.
77
199461
2098
prise en volant au-dessus de l’Arctique.
03:21
We can look at all of the different equations
78
201559
2038
On peut examiner toutes les équations qui sont impliquées
03:23
that go into making the ice grow
79
203597
3112
dans la formation, la fonte ou le changement de forme de la glace ;
03:26
or melt or change shape.
80
206709
2114
03:28
We can look at the fluxes.
81
208823
1131
on peut examiner les échanges ;
03:29
We can look at the rate at which
82
209954
1952
on peut examiner le rythme auquel la neige devient de la glace ;
03:31
snow turns to ice, and we can code that.
83
211906
2845
et on peut coder ça,
03:34
We can encapsulate that in code.
84
214751
2329
on peut encapsuler ça dans du code.
03:37
These models are around
85
217080
1226
Ces modèles comptent aujourd’hui environ un million de lignes de code
03:38
a million lines of code at this point,
86
218306
2083
03:40
and growing by tens of thousands of lines of code
87
220389
3470
et des dizaines de milliers de lignes sont ajoutées chaque année.
03:43
every year.
88
223859
1191
03:45
So you can look at that piece,
89
225050
1653
On peut examiner cette pièce-là,
03:46
but you can look at the other pieces too.
90
226703
1922
mais les autres pièces aussi.
03:48
What happens when you have clouds?
91
228625
1933
Qu’arrive-t-il quand on a des nuages ?
03:50
What happens when clouds form,
92
230558
2159
Qu’arrive-t-il quand ils se forment, se dissipent
03:52
when they dissipate, when they rain out?
93
232717
1882
ou quand il y a précipitation ?
03:54
That's another piece.
94
234599
1742
C’est une autre pièce.
03:56
What happens when we have radiation
95
236341
1846
Que se passe-t-il
quand le rayonnement du Soleil traverse l’atmosphère,
03:58
coming from the sun, going through the atmosphere,
96
238187
2534
04:00
being absorbed and reflected?
97
240721
1926
en étant absorbé et réfléchi au passage ?
04:02
We can code each of those very small pieces as well.
98
242647
3979
On peut également coder chacune de ces très petites pièces.
04:06
There are other pieces:
99
246626
1416
Il y a d’autres pièces :
04:08
the winds changing the ocean currents.
100
248042
3460
les vents qui influencent les courants marins ;
04:11
We can talk about the role of vegetation
101
251502
3770
on peut aussi mentionner le rôle de la végétation
04:15
in transporting water from the soils
102
255272
2329
dans le retour de l’eau des sols vers l’atmosphère.
04:17
back into the atmosphere.
103
257601
1969
04:19
And each of these different elements
104
259570
2914
On peut encapsuler chacun de ces éléments
04:22
we can encapsulate and put into a system.
105
262484
3624
et l’ajouter à un système.
04:26
Each of those pieces ends up adding to the whole.
106
266108
5148
Chacune de ces pièces finit par contribuer au tout.
04:31
And you get something like this.
107
271256
2297
Et on obtient environ ceci.
04:33
You get a beautiful representation
108
273553
2848
On obtient une magnifique représentation
04:36
of what's going on in the climate system,
109
276401
2622
de ce qui se passe dans le système climatique,
04:39
where each and every one of those
110
279023
3389
avec, comme on peut le voir, chacun de ces schémas générés :
04:42
emergent patterns that you can see,
111
282412
2782
04:45
the swirls in the Southern Ocean,
112
285194
2003
les tourbillons dans l’océan Austral, l’ouragan dans le golfe du Mexique
04:47
the tropical cyclone in the Gulf of Mexico,
113
287197
2756
04:49
and there's two more that are going to pop up
114
289953
1641
(et deux autres vont apparaître dans le Pacifique d’un moment à l’autre),
04:51
in the Pacific at any point now,
115
291594
2354
04:53
those rivers of atmospheric water,
116
293948
2713
ces rivières d’eau atmosphérique ;
04:56
all of those are emergent properties
117
296661
2857
voilà autant de phénomènes
04:59
that come from the interactions
118
299518
2124
qui émergent des interactions entre tous les processus à petite échelle
05:01
of all of those small-scale processes I mentioned.
119
301642
3495
que j’ai mentionnés.
05:05
There's no code that says,
120
305137
1905
Y a pas de code qui dit :
05:07
"Do a wiggle in the Southern Ocean."
121
307042
1857
« Trace une ondulation dans l’océan Austral. »
05:08
There's no code that says, "Have two
122
308899
2668
Y a pas de code qui dit :
« Dessine deux ouragans qui tournent l’un autour de l’autre. »
05:11
tropical cyclones that spin around each other."
123
311567
2898
05:14
All of those things are emergent properties.
124
314465
3812
Ce sont tous des phénomènes générés.
05:18
This is all very good. This is all great.
125
318277
2146
Tout ça est très bien, c’est super !
05:20
But what we really want to know
126
320423
1270
Mais que se passe-t-il avec ces phénomènes
05:21
is what happens to these emergent properties
127
321693
1949
05:23
when we kick the system?
128
323642
1705
lorsqu’on déstabilise le système ?
05:25
When something changes, what happens to those properties?
129
325347
3533
Lorsqu’on change quelque chose,
qu’arrive-t-il avec ces phénomènes ?
05:28
And there's lots of different ways to kick the system.
130
328880
2989
Il y a plusieurs façons de déstabiliser le système :
05:31
There are wobbles in the Earth's orbit
131
331869
2033
l’orbite terrestre varie sur des centaines de milliers d’années,
05:33
over hundreds of thousands of years
132
333902
1879
05:35
that change the climate.
133
335781
2026
ce qui modifie le climat ;
05:37
There are changes in the solar cycles,
134
337807
2136
les cycles solaires, longs de 11 ans ou plus,
05:39
every 11 years and longer, that change the climate.
135
339943
3105
modifient le climat ;
05:43
Big volcanoes go off and change the climate.
136
343048
3574
de gros volcans entrent en activité et modifient le climat ;
05:46
Changes in biomass burning, in smoke,
137
346622
3238
des changements dans la combustion de la biomasse,
dans la fumée et dans les aérosols modifient le climat ;
05:49
in aerosol particles, all of those things
138
349860
1863
05:51
change the climate.
139
351723
1822
05:53
The ozone hole changed the climate.
140
353545
4059
le trou de la couche d’ozone a modifié le climat ;
05:57
Deforestation changes the climate
141
357604
2217
la déforestation modifie le climat,
05:59
by changing the surface properties
142
359821
1926
en modifiant les propriétés de surface
06:01
and how water is evaporated
143
361747
1990
et la façon dont l’eau est évaporée et circule dans le système ;
06:03
and moved around in the system.
144
363737
2466
06:06
Contrails change the climate
145
366203
2285
les traînées de condensation modifient le climat,
06:08
by creating clouds where there were none before,
146
368488
2867
en créant des nuages où il n’y en avait pas ;
06:11
and of course greenhouse gases change the system.
147
371355
4598
et, bien sûr, les gaz à effet de serre modifient le système.
06:15
Each of these different kicks
148
375953
3021
Chacun de ces effets
06:18
provides us with a target
149
378974
2151
nous fournit un moyen pour évaluer notre compréhension de ce système.
06:21
to evaluate whether we understand
150
381125
2835
06:23
something about this system.
151
383960
2161
06:26
So we can go to look at
152
386121
2392
Nous pouvons maintenant aborder la notion d’habileté du modèle.
06:28
what model skill is.
153
388513
2704
06:31
Now I use the word "skill" advisedly:
154
391217
2033
J’utilise habileté en connaissance de cause :
06:33
Models are not right or wrong; they're always wrong.
155
393250
2411
un modèle n’a jamais raison ; il a toujours tort.
06:35
They're always approximations.
156
395661
1720
C’est toujours une approximation.
06:37
The question you have to ask
157
397381
1894
Il faut se demander si le modèle
06:39
is whether a model tells you more information
158
399275
3079
nous donne plus d’informations que ce qu’on aurait obtenu sans lui.
06:42
than you would have had otherwise.
159
402354
1925
06:44
If it does, it's skillful.
160
404279
3381
Si oui, alors il est habile.
06:47
This is the impact of the ozone hole
161
407660
2454
Voici l’effet du trou de la couche d’ozone
06:50
on sea level pressure, so low pressure, high pressures,
162
410114
2860
sur la pression atmosphérique au niveau de la mer
06:52
around the southern oceans, around Antarctica.
163
412974
2595
autour de l’Antarctique.
06:55
This is observed data.
164
415569
1913
Ce sont des données observées.
06:57
This is modeled data.
165
417482
2088
Voici des données modélisées.
06:59
There's a good match
166
419570
1594
La correspondance est bonne,
07:01
because we understand the physics
167
421164
1951
parce que nous comprenons les lois
07:03
that controls the temperatures in the stratosphere
168
423115
3138
qui régissent les températures dans la stratosphère
07:06
and what that does to the winds
169
426253
1746
et leur effet sur les vents au-dessus des océans austraux.
07:07
around the southern oceans.
170
427999
2181
07:10
We can look at other examples.
171
430180
1519
On peut examiner d’autres exemples.
07:11
The eruption of Mount Pinatubo in 1991
172
431699
2856
L’éruption du Pinatubo en 1991
07:14
put an enormous amount of aerosols, small particles,
173
434555
2799
a libéré une énorme quantité d’aérosols dans la stratosphère.
07:17
into the stratosphere.
174
437354
1587
07:18
That changed the radiation balance of the whole planet.
175
438941
3147
Cela a eu pour effet de modifier le bilan radiatif de la planète :
07:22
There was less energy coming in than there was before,
176
442088
2782
moins d’énergie nous atteignait qu’avant,
07:24
so that cooled the planet,
177
444870
1658
ce qui a refroidi la planète.
07:26
and those red lines and those green lines,
178
446528
2019
Ces lignes rouges et vertes montrent les différences
07:28
those are the differences between what we expected
179
448547
2565
entre ce que nous anticipions et ce qui s’est vraiment passé.
07:31
and what actually happened.
180
451112
1688
07:32
The models are skillful,
181
452800
1783
Les modèles sont habiles,
07:34
not just in the global mean,
182
454583
1693
autant pour la moyenne mondiale que pour les schémas régionaux.
07:36
but also in the regional patterns.
183
456276
3044
07:39
I could go through a dozen more examples:
184
459320
2840
Je pourrais passer en revue plusieurs autres exemples :
07:42
the skill associated with solar cycles,
185
462160
2850
l’habileté associée aux cycles solaires,
07:45
changing the ozone in the stratosphere;
186
465010
2070
qui modifient l’ozone dans la stratosphère ;
07:47
the skill associated with orbital changes
187
467080
2347
l’habileté associée aux changements d’orbite
07:49
over 6,000 years.
188
469427
2056
sur plus de 6 000 ans.
07:51
We can look at that too, and the models are skillful.
189
471483
2398
Là aussi, les modèles sont habiles.
07:53
The models are skillful in response to the ice sheets
190
473881
3094
Les modèles sont habiles en réaction aux calottes polaires
07:56
20,000 years ago.
191
476975
1520
d’il y a 20 000 ans.
07:58
The models are skillful
192
478495
1671
Les modèles sont habiles
08:00
when it comes to the 20th-century trends
193
480166
2904
en ce qui concerne les tendances à travers les décennies du 20e siècle.
08:03
over the decades.
194
483070
1515
08:04
Models are successful at modeling
195
484585
2282
Les modèles parviennent à modéliser
08:06
lake outbursts into the North Atlantic
196
486867
2605
les débâcles glaciaires dans l’Atlantique Nord
08:09
8,000 years ago.
197
489472
1765
il y a 8 000 ans.
08:11
And we can get a good match to the data.
198
491237
3090
Et ça correspond assez bien aux observations.
08:15
Each of these different targets,
199
495463
2387
Chacune de ces cibles, chacune de ces évaluations,
08:17
each of these different evaluations,
200
497850
2130
08:19
leads us to add more scope
201
499980
2391
nous permet d’augmenter la portée de ces modèles,
08:22
to these models,
202
502371
1151
08:23
and leads us to more and more
203
503522
2744
et engendre des situations de plus en plus complexes,
08:26
complex situations that we can ask
204
506266
3988
à partir desquelles
on peut se poser des questions de plus en plus intéressantes.
08:30
more and more interesting questions,
205
510254
2569
08:32
like, how does dust from the Sahara,
206
512823
2710
Comment la poussière du Sahara,
08:35
that you can see in the orange,
207
515533
1734
que vous voyez en orange,
08:37
interact with tropical cyclones in the Atlantic?
208
517267
3443
interagit-elle avec les ouragans au-dessus de l’Atlantique ?
08:40
How do organic aerosols from biomass burning,
209
520710
3477
Comment les aérosols organiques de la combustion de la biomasse,
08:44
which you can see in the red dots,
210
524187
2723
représentés par les points rouges,
08:46
intersect with clouds and rainfall patterns?
211
526910
2934
influencent-ils les nuages et les schémas de précipitation ?
08:49
How does pollution, which you can see
212
529844
1787
Comment la pollution,
que vous voyez
08:51
in the white wisps of sulfate pollution in Europe,
213
531631
3899
grâce aux traînées de sulfate blanches au-dessus de l’Europe,
08:55
how does that affect the temperatures at the surface
214
535530
3335
influence-t-elle les températures et l’ensoleillement à la surface ?
08:58
and the sunlight that you get at the surface?
215
538865
3488
09:02
We can look at this across the world.
216
542353
3488
On peut examiner la planète entière.
09:05
We can look at the pollution from China.
217
545841
3660
On peut examiner la pollution de la Chine.
09:09
We can look at the impacts of storms
218
549501
3598
On peut examiner l’effet des tempêtes
09:13
on sea salt particles in the atmosphere.
219
553099
3444
sur les particules de sel de mer dans l’atmosphère.
09:16
We can see the combination
220
556543
2561
On peut combiner tous ces facteurs agissant simultanément
09:19
of all of these different things
221
559104
2171
09:21
happening all at once,
222
561275
1468
09:22
and we can ask much more interesting questions.
223
562743
2407
et se poser des questions encore plus intéressantes.
09:25
How do air pollution and climate coexist?
224
565150
4624
Comment la pollution de l’air et le climat
cohabitent-ils ?
09:29
Can we change things
225
569774
1509
Pouvons-nous influencer à la fois la pollution de l’air et le climat ?
09:31
that affect air pollution and climate at the same time?
226
571283
2589
09:33
The answer is yes.
227
573872
2344
La réponse est « oui ».
09:36
So this is a history of the 20th century.
228
576216
3044
Voici un historique du 20e siècle.
09:39
The first one is the model.
229
579260
2243
En haut, on a le modèle :
09:41
The weather is a little bit different
230
581503
1407
le climat diffère un peu de la réalité.
09:42
to what actually happened.
231
582910
1289
09:44
The second one are the observations.
232
584199
2032
En bas, ce sont les observations.
09:46
And we're going through the 1930s.
233
586231
2325
On parcourt en ce moment les années 1930.
09:48
There's variability, there are things going on,
234
588556
2824
On voit des variations, certaines choses se passent,
09:51
but it's all kind of in the noise.
235
591380
2182
mais c’est surtout du bruit.
09:53
As you get towards the 1970s,
236
593562
2862
À l’approche des années 1970,
09:56
things are going to start to change.
237
596424
2009
les choses vont changer :
09:58
They're going to start to look more similar,
238
598433
2062
on va commencer à voir plus de similitudes.
10:00
and by the time you get to the 2000s,
239
600495
2558
Et alors qu’on arrive aux années 2000,
10:03
you're already seeing the patterns of global warming,
240
603063
2642
on voit déjà les schémas du réchauffement planétaire,
10:05
both in the observations and in the model.
241
605705
2749
autant dans les observations que dans le modèle.
10:08
We know what happened over the 20th century.
242
608454
2127
On sait ce qui s’est passé au cours du 20e siècle :
10:10
Right? We know that it's gotten warmer.
243
610581
1760
on sait que ça s’est réchauffé
10:12
We know where it's gotten warmer.
244
612341
1611
et on sait où.
10:13
And if you ask the models why did that happen,
245
613952
2740
Si on demande aux modèles pourquoi cela est arrivé,
10:16
and you say, okay, well, yes,
246
616692
2125
et si on dit qu’au fond c’est en raison
10:18
basically it's because of the carbon dioxide
247
618817
1866
du dioxyde de carbone qu’on a émis dans l’atmosphère,
10:20
we put into the atmosphere.
248
620683
1979
10:22
We have a very good match
249
622662
1682
on observe à ce jour une excellente correspondance.
10:24
up until the present day.
250
624344
2627
10:26
But there's one key reason why we look at models,
251
626971
3420
Mais il y a une raison clé pour laquelle on étudie les modèles,
10:30
and that's because of this phrase here.
252
630391
2221
et elle se retrouve dans cette phrase :
10:32
Because if we had observations of the future,
253
632612
2495
« Si nous disposions d’observations du futur,
10:35
we obviously would trust them more than models,
254
635107
3329
nous nous y fierions assurément plus qu’aux modèles,
10:38
But unfortunately,
255
638436
1944
mais malheureusement...
10:40
observations of the future are not available at this time.
256
640380
5540
aucune observation du futur n’est disponible pour l’instant. »
10:45
So when we go out into the future, there's a difference.
257
645920
2705
Quand on explore le futur, il y a une différence :
10:48
The future is unknown, the future is uncertain,
258
648625
2562
le futur est inconnu, il est incertain,
10:51
and there are choices.
259
651187
2404
et il y a des choix.
10:53
Here are the choices that we have.
260
653591
1833
Voici les choix qui s’offrent à nous :
10:55
We can do some work to mitigate
261
655424
2139
on peut déployer quelques efforts
10:57
the emissions of carbon dioxide into the atmosphere.
262
657563
2795
pour réduire nos émissions de dioxyde de carbone
11:00
That's the top one.
263
660358
1926
(c’est l’animation du haut) ;
11:02
We can do more work
264
662284
1906
on peut déployer encore plus d’efforts pour vraiment les réduire,
11:04
to really bring it down
265
664190
2176
11:06
so that by the end of the century,
266
666366
2218
de sorte qu’à la fin du siècle,
11:08
it's not much more than there is now.
267
668584
2464
il n’y en ait pas beaucoup plus que maintenant ;
11:11
Or we can just leave it to fate
268
671048
3767
ou on peut laisser le destin décider,
11:14
and continue on
269
674815
1493
et continuer avec la même insouciance.
11:16
with a business-as-usual type of attitude.
270
676308
3746
11:20
The differences between these choices
271
680054
3456
Ce n’est pas en regardant des modèles qu’on peut différencier ces choix.
11:23
can't be answered by looking at models.
272
683510
4797
11:28
There's a great phrase
273
688307
1639
Voici une grande question que Sherwood Rowland,
11:29
that Sherwood Rowland,
274
689946
1793
11:31
who won the Nobel Prize for the chemistry
275
691739
3864
qui a reçu un prix Nobel pour ses travaux
sur la chimie de l’amincissement de la couche d’ozone,
11:35
that led to ozone depletion,
276
695603
2273
11:37
when he was accepting his Nobel Prize,
277
697876
2397
a posé lorsqu’il a accepté son prix :
11:40
he asked this question:
278
700273
1379
11:41
"What is the use of having developed a science
279
701652
2311
« À quoi nous sert d’avoir développé une science
11:43
well enough to make predictions if, in the end,
280
703963
3261
capable de faire des prévisions
si, en fin de compte,
11:47
all we're willing to do is stand around
281
707224
2829
tout ce que nous osons faire est rester là et attendre qu’elles se réalisent ? »
11:50
and wait for them to come true?"
282
710053
2707
11:52
The models are skillful,
283
712760
2737
Les modèles sont habiles,
11:55
but what we do with the information from those models
284
715497
3318
mais ce qui est fait avec l’information qu’ils nous donnent,
11:58
is totally up to you.
285
718815
2171
ça dépend complètement de vous.
12:00
Thank you.
286
720986
1938
Merci.
12:02
(Applause)
287
722924
2916
(Applaudissements)
About this website

This site will introduce you to YouTube videos that are useful for learning English. You will see English lessons taught by top-notch teachers from around the world. Double-click on the English subtitles displayed on each video page to play the video from there. The subtitles scroll in sync with the video playback. If you have any comments or requests, please contact us using this contact form.

https://forms.gle/WvT1wiN1qDtmnspy7