La majeure partie de ce que nous savons de l'intérieur de la Terre provient de l'observation des ondes sismiques, qui se déplacent à des vitesses différentes selon que la roche est solide, semi-fondue, gorgée d'eau, fracturée, ou simplement de mauvaise humeur. Rassemblez suffisamment de données provenant de suffisamment d'événements sismiques, et vous pouvez reconstituer une image de ce qui se cache sous nos pieds. Les tremblements de terre fournissent des données naturelles ; les explosifs fournissent des données intentionnelles. Mais une équipe de Penn State suggère un juste milieu : les orages. Oui, ces colères célestes bruyantes peuvent provoquer des « séismes de tonnerre » - des signaux sismiques qui sont, pour diverses raisons physiques, un vrai désordre. L'équipe dit avoir enfin construit un modèle qui donne un sens à ce chaos, et l'a utilisé pour reconstruire le terrain sous leur propre campus.

Pourquoi les séismes de tonnerre sont-ils si horriblement complexes ? Tout commence par la foudre, qui crée le tonnerre en formant des bulles de plasma surchauffé le long de son trajet - comme un chapelet de perles. Chaque perle peut générer une onde de choc acoustique, conduisant à une chaîne d'ondes en expansion qui suivent le trajet erratique de la foudre. Ces ondes interfèrent les unes avec les autres, et lorsqu'elles atteignent le sol, elles ne s'arrêtent pas simplement - elles frappent le sol meuble, la roche dure et les infrastructures humaines, chacune affectant la transmission d'énergie. Une partie de l'énergie devient des ondes de Rayleigh qui filent le long de la surface ; le reste plonge plus profondément. Pour extraire des informations utiles, il faut modéliser à quoi devraient ressembler les ondes sismiques d'un coup de tonnerre - ce qui signifie modéliser tout ce chaos. Comme chaque séisme de tonnerre est unique, tout modèle est une approximation. La crainte que les approximations ne soient pas assez bonnes a probablement éloigné les scientifiques pendant des années.

L'équipe a utilisé SPECFEM3D Cartesian, un logiciel de reconstruction d'ondes sismiques 3D, ce qui a imposé des compromis. L'atmosphère est traitée comme une couche homogène de 3,6 km d'épaisseur (ce qui n'est certainement pas le cas près d'un orage), et les mises à jour sont plus lentes que les ondes à l'interface Terre-air - ils ont donc étiré les 20 premiers mètres de la Terre pour couvrir 200 mètres. Il y a de nombreuses raisons de penser que le modèle échouerait - alors ils l'ont testé contre de vrais orages passant au-dessus du campus.

Voici la partie amusante : les câbles à fibre optique peuvent agir comme des sismomètres, et Penn State dispose d'une ligne de fibre de 4 kilomètres dédiée à la détection sismique sous le campus, idéalement située dans une région avec des orages estivaux réguliers. Deux années de données ont produit 458 séismes de tonnerre bien résolus, chacun confirmé à l'aide des enregistrements du National Lightning Detection Network des États-Unis (une chose qui existe apparemment). Les séismes ont montré de multiples signaux arrivant de différentes altitudes, cohérents avec cette structure en chapelet de perles. En touchant le sol, chaque bulle a généré « une ondelette impulsive à haute énergie suivie d'un train d'ondes décroissant dominé par un contenu d'ondes de surface durant une à deux secondes ».

En utilisant ces données, l'équipe a identifié quatre « zones faibles » où les signaux sismiques ralentissent - des zones de sédiments, de roche fracturée ou à forte teneur en eau. Penn State est situé sur une formation karstique, où l'eau a lentement altéré le calcaire, créant potentiellement des points faibles. Ils ont confirmé que ces quatre sites présentent quelque chose d'inhabituel à l'aide de radar, d'études d'ingénierie, de forages et de données sismiques indépendantes.

Malgré toutes les approximations, le modèle produit des reconstructions précises, et les séismes de tonnerre offrent des avantages : ils sont relativement fréquents, et ils sont les meilleurs pour imager les zones proches de la surface où vivent nos infrastructures. C'est donc un cas où le modèle est faux, mais aussi utile. Science Advances, 2026. DOI : 10.1126/sciadv.aeg8096.