Les modèles de prévision opérationnels d'aujourd'hui auraient-ils été fiables sur la crue de 1910 ? Analyse rétrospective critique sur une base de données de 1910

La crue de janvier 1910 survenue sur le bassin de la Seine constitue un mythe pour le Service de Prévision des Crues Seine Moyenne-Yonne-Loing (SPC SMYL) de la DIREN Ile-de-France, une référence quant à sa capacité à être opérationnel et performant sur un tel événement et un défi pour les modèles. Sur la base de données d'époque, issues de l'exploitation récente d'archives, un exercice en temps réel de simulation de la crue a été proposé aux prévisionnistes, munis seulement d'outils de prévision rudimentaires. Les prévisions produites dans ce mode dégradé répondent de façon satisfaisante aux attentes, tant en anticipation qu'en précision, pour l'Ile-de-France. Les modèles de prévision opérationnels du SPC ont eux aussi été testés, mettant en évidence de bons résultats pour la partie hydraulique de la modélisation, mais de faibles performances pour la partie hydrologique. Ces déficiences trouvent une explication dans la faible quantité et le format des données disponibles, mais surtout dans les processus physiques exceptionnels qui ont généré cette crue. / The flood event of January 1910 on the Seine basin is legendary for the Seine-Moyenne-Yonne-Loing Flood Forecasting Service (SPC SMYL) of the DIREN Ile-de-France (Regional Environmental Authority). It has become a reference for assessing the operationality and performance of the SPC during such an event, as well as a challenge for models. By means of a database recently constructed using archives from that period, a simulated real-time exercise of flood forecasting was carried out by forecasters, using only very simple forecasting tools. The forecasts made during this exercise adequately met expectations in terms of lead time and accuracy for the Ile-de-France region. The operational flood forecasting models used by the SPC were also tested. The hydraulic models produced good results, but the hydrological models obtained low performances. While this failure can be partially explained by the limited data availability, it is mainly due to the exceptional physical conditions that generated this flood.