Ce travail se concentre sur l'inférence de niveaux de durée de vie de conception pour des événements extrêmes dans des conditions non stationnaires. Ses objectifs sont doubles. Le premier est de fournir un indicateur unique qui résume des informations pertinentes et interprétables sur les valeurs élevées dans les séries temporelles, même lorsque la stationnarité ne peut pas être supposée. Les indicateurs de risque classiques tels que le niveau de retour centennal deviennent difficiles à interpréter dans un cadre non stationnaire.
Pour y remédier, nous exploitons le concept existant du niveau de fiabilité équivalent (ER). Sous l'hypothèse de stationnarité, le niveau ER coïncide avec le niveau de retour classique, mais il diffère sinon. Plus précisément, le niveau ER garantit que la probabilité d'avoir toutes les observations en dessous du niveau ER durant une période de conception spécifiée est contrôlée. Cette définition assure l'interprétabilité en termes de sécurité ou de risque de défaillance. Un second objectif est de capturer l'incertitude stochastique et d'estimation, un aspect clé dans toute analyse de risque, car les incertitudes dues aux schémas d'inférence peuvent croître avec les intensités extrêmes. Nous incorporons les deux en utilisant la distribution prédictive bayésienne. Bien que bien connue en statistique bayésienne, la distribution prédictive a rarement été appliquée à l'analyse de risque de séries temporelles climatologiques. Notre approche est démontrée sur des données simulées et sur une étude de cas de maxima annuels de températures sur un site du sud de la France.
Pour ce faire, un modèle bayésien hiérarchique de valeurs extrêmes non stationnaire est utilisé pour combiner les données de 26 simulations de modèles de circulation générale CMIP6 (SSP2-4.5, 1850-2100) avec des observations. Les niveaux ER prédictifs résultants indiquent clairement que la non-stationnarité sur une période de conception d'intérêt, ainsi que l'incertitude d'échantillonnage et d'estimation, doivent être prises en compte pour l'évaluation du risque. Par exemple, le niveau ER prédictif postérieur millénnal pour 2050-2100 est supérieur à toute estimation médiane du niveau de retour millénnal non stationnaire sur la même période, reflétant le risque croissant dû à la non-stationnarité de la trajectoire SSP 2-4.5.