Comment on mesure la température moyenne du globe

26 000 stations météo terrestres dans le réseau GHCN-M v4 de la NOAA, plus de 20 000 dans le seul jeu de données de la NASA, des bouées, des navires, et depuis peu des sondeurs micro-ondes en orbite. Six organismes récoltent ces mesures, les traitent chacun à leur manière, et publient six séries différentes. Sur le papier, c'est une recette pour six résultats incompatibles. En pratique, elles racontent la même histoire.

Six équipes indépendantes (Copernicus/ECMWF, NASA, NOAA, Met Office britannique, Berkeley Earth, agence météo japonaise) mesurent la température moyenne du globe avec des méthodes distinctes : réanalyse par assimilation de données pour l'une, moyennes de stations et interpolation pour les autres. Les périodes de référence diffèrent d'une série à l'autre, ce qui rend les valeurs brutes non comparables telles quelles. Le résultat converge malgré tout parce que la chaîne de mesure de base (stations terrestres, navires, bouées) est largement partagée entre les six.

Première chose à comprendre avant de lire n'importe quel bulletin climatique : aucun de ces six organismes ne publie une « température moyenne du globe » en degrés absolus comme vérité unique. Ils publient des anomalies, c'est à dire un écart par rapport à une moyenne de référence. La raison est technique, pas idéologique. Selon la FAQ méthodologique de la NASA GISS, une température absolue varie énormément sur de courtes distances, alors qu'une anomalie mensuelle ou annuelle reste représentative d'une région beaucoup plus large. Ça tombe bien, parce que la couverture des stations est très inégale à l'échelle du globe : dense en Europe et en Amérique du Nord, clairsemée ailleurs. Une anomalie absorbe ce problème, une température absolue le fait ressortir.

Conséquence directe : quand on lit « +1,2 degré » quelque part, ce chiffre ne veut strictement rien dire sans savoir par rapport à quelle période il est calculé. Et là, les six séries sont loin de s'accorder entre elles. C'est exactement ce qui manque dans la plupart des bulletins que je commente ici, comme celui sur l'Europe de mars 2026 ou celui sur les océans de mars 2026 : l'anomalie est donnée, mais rarement la chaîne complète qui va de la station au chiffre final. C'est cette chaîne que je détaille ici.

C'est le point que la plupart des articles de vulgarisation ratent : ils expliquent la notion d'anomalie en général, mais ne croisent jamais les six producteurs dans un seul tableau. En réunissant les pages méthodologiques officielles de chacun, ça donne ceci.

Une ligne de ce tableau reste volontairement incomplète. La méthodologie publique de Berkeley Earth renvoie à une publication à comité de lecture (Earth System Science Data, 2020) pour le détail de l'interpolation et le nombre de stations utilisées, mais cette publication n'a pas été récupérée pour cet article : je préfère laisser la case vide plutôt que de citer un chiffre de station que je n'ai pas vérifié moi-même, sachant qu'il en circule pas mal de divergents sur le net à ce sujet.

ERA5 mérite un traitement à part, parce que ce n'est pas le même type d'outil que les cinq autres. C'est une réanalyse : elle combine un très grand nombre d'observations avec les lois de la physique intégrées dans un modèle de prévision météo, via un processus d'assimilation de données (4D-Var, cycle toutes les 12 heures selon l'ECMWF). Produite par l'ECMWF dans le cadre du programme Copernicus, elle couvre la période depuis le 1er janvier 1940 jusqu'à cinq jours du présent, à une résolution horizontale d'environ 31 km et sur 137 niveaux verticaux.

Sur le papier, une réanalyse a un avantage énorme sur une simple moyenne de stations : elle produit un champ continu partout sur le globe, même là où aucune station n'existe, parce que le modèle physique comble les trous entre les observations disponibles. En pratique, ça reste une modélisation, avec ses propres marges d'incertitude, pas une mesure directe. Les deux approches, réanalyse et analyse de stations, ne mesurent pas exactement la même chose, et c'est justement pour ça que les avoir en parallèle est utile : si un modèle physique et une moyenne de thermomètres racontent la même tendance, la confiance dans le résultat monte d'un cran. Les bulletins Copernicus s'appuient sur ce type de réanalyse, on y revient plus loin, mais un bilan annuel comme celui de 2025, l'année la plus chaude en France, repose sur exactement la même logique de convergence entre plusieurs sources.

Les quatre autres séries, hors ERA5 et Berkeley Earth, partagent globalement la même matière première : des stations terrestres, des navires et des bouées. Là où elles divergent, c'est sur la recette.

GISTEMP (NASA) intègre plus de 20 000 stations météo terrestres, plus des observations de température de surface de la mer par navires et bouées. Sa période de référence, 1951-1980, a été choisie parce que c'était la période « normale » de 30 ans la plus récente au moment où l'analyse GISS a démarré, vers 1980, sur un principe similaire à celui du National Weather Service américain, selon une synthèse académique du Climate Data Guide (UCAR) qui documente ce choix.

HadCRUT5 (Met Office Hadley Centre et Climatic Research Unit) combine deux sous-jeux de données, CRUTEM5 pour la température de l'air en surface terrestre et HadSST4 pour la mer, avec une référence calée sur 1961-1990.

NOAAGlobalTemp (NOAA NCEI) combine GHCNm v4 pour la terre et ERSST v6 pour l'océan, ce dernier reconstruit par réseau de neurones dans sa version 6.1, avec une référence 1991-2020.

JMA (agence météorologique japonaise) utilise des données GHCN via le NCDC avant 2010 puis des messages CLIMAT archivés directement depuis 2011, croisées avec sa propre analyse océanique COBE-SST2, moyennées sur une grille mondiale de 5 sur 5 degrés, référence 1991-2020 également.

Quatre organismes, trois périodes de référence distinctes (1951-1980 pour GISTEMP, 1961-1990 pour HadCRUT5, 1991-2020 pour NOAAGlobalTemp comme pour la JMA), et deux familles distinctes de source pour la mer : HadCRUT5 et Berkeley Earth s'appuient sur la famille HadSST, GISTEMP et NOAAGlobalTemp sur la famille ERSST, selon le comparatif du Climate Data Guide. C'est exactement pour ça qu'un lecteur pressé compare parfois deux anomalies issues de deux séries différentes en pensant lire le même thermomètre.

Un chiffre concret pour illustrer l'ampleur du réseau terrestre derrière ces séries. Le Global Historical Climatology Network Monthly, dans sa version 4, combine des données de sources variées pour atteindre un total de 26 000 stations à mesure mensuelle de température, contre 7 200 dans les versions 2 et 3, selon la NOAA NCEI. C'est un changement d'échelle direct sur la matière première que plusieurs de ces séries, NOAAGlobalTemp en tête, utilisent aujourd'hui. Côté instrumentation justement, j'avais déjà détaillé ailleurs le matériel qui alimente un autre pan de la mesure climatique, les capteurs CO2 des stations de référence : la logique de calibration et de contrôle qualité est proche de celle qui s'applique aux stations de température.

Petite mise au point technique qui mérite sa propre section, parce que la confusion circule largement dès qu'on parle de mesure climatique : les satellites ne mesurent pas la température de l'air à deux mètres du sol. Les sondeurs micro-ondes embarqués (MSU, puis AMSU) mesurent l'émission thermique de molécules d'oxygène à différentes fréquences, selon Remote Sensing Systems, qui exploite ce type de données. Le résultat est une luminance pondérée sur une couche épaisse de l'atmosphère, pas un point de mesure ponctuel. C'est une donnée complémentaire précieuse, notamment sur les océans où les stations terrestres n'existent pas, mais ce n'est pas un substitut direct aux mesures de surface : les deux répondent à des questions légèrement différentes, avec des instruments qui n'ont rien à voir entre eux.

Voilà le point qui surprend le plus quand on regarde le détail : malgré des périmètres, des périodes de référence et des méthodes d'interpolation différentes, les six séries racontent la même tendance. Une synthèse académique du Climate Data Guide (UCAR) précise qu'avant les révisions de traitement de la température de surface de la mer du milieu des années 2010, des divergences plus marquées entre certaines séries (HadCRUT3, une ancienne version de NOAA, une ancienne version de GISTEMP) avaient alimenté la controverse dite du « hiatus », que j'avais déjà disséqué ici sous l'angle des jeux de données corrigés. Honnêtement, je ne sais pas trop chiffrer à quel point l'écart s'est réduit depuis : je n'ai pas trouvé de valeur quantifiée fiable et récente pour ça, et je préfère le dire plutôt que d'inventer un ordre de grandeur qui sonnerait bien.

Ce que je peux dire, en revanche : le fait que six chaînes de mesure indépendantes, avec des choix méthodologiques distincts, aboutissent à la même tendance est en soi un argument plus solide qu'une seule série parfaite. Si une seule équipe se plantait dans son traitement, les cinq autres le révéleraient par leur simple écart. C'est le même principe que sur un banc de test matériel : un seul benchmark peut mentir, cinq benchmarks indépendants qui convergent, beaucoup moins.

Un mot sur l'homogénéisation, parce que c'est l'objection qui revient le plus souvent dès qu'on parle de séries longues. Une station météo n'est pas un instrument figé pendant un siècle : elle change de lieu, d'instrument, d'heure d'observation, et son environnement urbain évolue autour d'elle. Des algorithmes de détection, en comparant chaque station à son voisinage régional, repèrent ces ruptures artificielles et les corrigent, selon une synthèse de Carbon Brief qui s'appuie sur des travaux NOAA et NASA. Toujours selon cette synthèse, l'effet net de ces corrections aux États-Unis n'est pas systématiquement orienté vers plus de réchauffement : environ la moitié des corrections font baisser la température, l'autre moitié la fait monter. Cette synthèse reste une source secondaire, pas la publication algorithmique primaire elle-même, donc je le mentionne avec ce qualificateur.

Un dernier point sur un chiffre qui circule beaucoup : selon le résumé à l'intention des décideurs du GIEC (AR6, groupe de travail I, 2021), la température de surface mondiale était plus élevée de 1,09 degré C sur la période 2011-2020 par rapport à 1850-1900, avec un intervalle probable de 0,95 à 1,20 degré C. Je le donne avec l'intervalle complet et sa date, pas comme une valeur figée : c'est un chiffre de 2021, susceptible d'être révisé dans un rapport plus récent, et le PDF officiel du GIEC bloque les récupérations automatiques, donc la citation a été recoupée sur des reprises tierces plutôt que lue sur le document primaire. 1850-1900 reste la période préindustrielle de référence utilisée par le GIEC, choisie parce que c'est la période la plus ancienne pour laquelle les observations terrestres et océaniques sont suffisamment complètes à l'échelle mondiale, selon NOAA Climate.gov. Pour le détail de la fabrication de ces rapports, comment le GIEC fonctionne et valide ses conclusions est traité dans un article dédié.

Pourquoi les organismes climatiques parlent-ils d'anomalie et jamais de température absolue ?#

Parce qu'une température absolue varie énormément sur de courtes distances, alors qu'une anomalie mensuelle ou annuelle reste représentative d'une région beaucoup plus large, selon la FAQ méthodologique de la NASA GISS. C'est ce qui permet de calculer une moyenne globale fiable malgré une couverture de stations très inégale sur le globe.

Les six jeux de données utilisent-ils la même période de référence ?#

Non, et c'est la source numéro un de confusion. GISTEMP (NASA) utilise 1951-1980, HadCRUT5 (Met Office) utilise 1961-1990, NOAAGlobalTemp et JMA utilisent tous les deux 1991-2020. Comparer deux anomalies sans vérifier leur période de référence respective revient à comparer des chiffres qui ne parlent pas de la même chose.

ERA5 est-il une simple moyenne de stations météo comme les autres ?#

Non. ERA5, produit par l'ECMWF dans le cadre de Copernicus, est une réanalyse : elle combine un très grand nombre d'observations avec un modèle physique de prévision météo via de l'assimilation de données. Les cinq autres jeux de données présentés ici reposent principalement sur des moyennes de stations, de navires et de bouées.

Les satellites mesurent-ils la température de l'air comme les stations météo au sol ?#

Non. Les sondeurs micro-ondes embarqués mesurent l'émission thermique de molécules d'oxygène à différentes fréquences, ce qui donne une luminance pondérée sur une couche épaisse de l'atmosphère, pas une mesure ponctuelle de la température de l'air à deux mètres du sol, selon Remote Sensing Systems.

Pourquoi les six séries convergent-elles malgré des méthodes différentes ?#

Parce qu'elles partagent en grande partie la même matière première de mesure (stations, navires, bouées) et parce que, depuis les révisions de traitement de la température de surface de la mer du milieu des années 2010, toutes ont adopté une homogénéisation SST améliorée et une interpolation polaire comparable, d'après le Climate Data Guide (UCAR). Avant ces révisions, des divergences plus marquées entre certaines séries avaient nourri la controverse dite du « hiatus ».

• Copernicus Climate Change Service, Climate reanalysis
• Copernicus Climate Change Service, le jeu de données de réanalyse ERA5
• NASA GISS, FAQ GISTEMP : anomalies et températures absolues
• Met Office Hadley Centre, HadCRUT5
• NOAA NCEI, NOAAGlobalTemp
• Japan Meteorological Agency, Tokyo Climate Center, méthode de calcul de la température globale
• Berkeley Earth, Methodology
• Remote Sensing Systems, Upper Air Temperature
• NOAA NCEI, Global Historical Climatology Network Monthly
• NASA Science, Earth Observatory, World of Change : Global Temperatures
• NOAA Climate.gov, Climate Change : Global Temperature
• Climate Data Guide (UCAR), tableau comparatif des jeux de données de température globale
• Carbon Brief, How data adjustments affect global temperature records