> For the complete documentation index, see [llms.txt](https://guides.data.gouv.fr/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://guides.data.gouv.fr/guides/autres-ressources-utiles/guide-du-participant-au-hackathon-le-climat-en-donnees/pendant-le-hackathon-regles-et-bonnes-pratiques/choix-du-defi.md). # Choix du défi Vous travaillerez en équipe sur le défi de votre choix, parmi la liste suivante : {% hint style="info" %} Votre projet peut répondre **à plusieurs défis à la fois**. Vous êtes libres de travailler sur toute autre problématique pertinente. {% endhint %}
Défi 1 - Applications sectorielles : mobiliser les données climatiques à l’échelle de son domaine d'activité Il s’agira d’identifier, à partir des jeux de données mis à disposition, les informations exploitables pour un secteur d’activité spécifique (agriculture, énergie, santé, etc.) et de proposer des façons d’en tirer parti dans une perspective métier (production d’indicateurs sectoriels, etc.). Il sera important de déterminer si les données climatiques mises à disposition répondent aux exigences de votre domaine sectoriel et/ou géographique d’application et de formuler des retours en conséquence.
Défi 2 - Territoires et vulnérabilités : Croiser les données pour guider l’adaptation au changement climatique à l’échelle d’un territoire Il s’agira de croiser les données climatiques proposées avec des données socio-économiques, d’occupation du sol, de vulnérabilité, d’usage des ressources, etc. pour : * révéler des enjeux ou vulnérabilités locales (région, bassin versant, commune, etc.) ; * produire des indicateurs qui permettraient d’orienter les politiques d’adaptation.
Défi 3 - Nouvelles générations de données : Tirer parti des caractéristiques spécifiques des nouvelles données de projections climatiques Il s’agira d’explorer les opportunités ouvertes par les nouveautés proposées dans les données climatiques mises à disposition (résolutions spatiales fines, pas de temps horaire, longues séries depuis 1850, larges ensembles de simulation émulés par IA, etc.) dans votre domaine d’expertise ou d’application.
Défi 4 - Qualité des données : Fiabiliser les nouvelles données de projections climatiques (évaluation technique ou scientifique) Il s’agira d’évaluer et d’améliorer la qualité des données climatiques mises à disposition, notamment : * \[évaluation technique] en automatisant la détection et la correction d’erreurs structurelles (discontinuités spatiales ou temporelles, effets de bord, rupture, erreurs d’unité, etc.), d’incohérences ou d’anomalies (valeurs aberrantes, artefacts numériques, erreurs de métadonnées, etc.) ; * \[évaluation scientifique] en identifiant les biais climatiques (état moyen, variabilité, extrêmes, tendances) et les incohérences possibles avec les données d’observation, les générations précédentes ou la littérature scientifique, en lien avec votre domaine d’expertise.
Défi 5 - Méthodes IA : Utiliser l’intelligence artificielle pour extraire des informations pertinentes des nouvelles données de projections climatiques Il s’agira notamment de tester des méthodes d’intelligence artificielle pour : * identifier des profils météorologiques typiques (des années typiques dans le climat futur) ; * détecter des événements extrêmes ou composés ; * produire des trames narratives possibles pour le climat de demain en France ; * etc.
Défi 6 - Modélisation d’impact : Mettre en oeuvre des modèles d’impact avec les nouvelles données de projections climatiques Selon votre domaine d’expertise et votre appétence, il pourra par exemple s’agir de modèles d’impact qui simulent la recharge des nappes phréatiques, les rendements agricoles, les risques sanitaires pour les populations vulnérables, etc. Il sera important de déterminer si les données climatiques mises à disposition répondent aux exigences de votre modèle d’impact, et si leur qualité permet une simulation fiable. Il conviendra alors de formuler vos retours, qui nous permettront d’améliorer les données : * Quelles sont les limites des jeux de données proposés pour vos usages spécifiques ? * Les résolutions spatiales et temporelles proposées sont-elles suffisantes pour alimenter votre modèle ? * Des prétraitements ou interpolations sont-ils nécessaires pour les intégrer dans vos outils ?
Défi 7 - Diversité des données : Combiner plusieurs sources de données climatiques pour mieux caractériser les changements climatiques à venir Il s’agira notamment de synthétiser différents types de données climatiques (modèles régionaux, haute résolution, émulateurs IA, observations, etc.) en étant attentif à : * gérer efficacement la diversité des sources : descente d’échelle dynamique vs statistique, modèles globaux, régionaux (RCM, CP-RCM), émulateurs IA ; * traiter les différences dans le nombre de réalisations (membres) selon les modèles ; * gérer les écarts de résolution spatiale et temporelle entre jeux de données ; * quantifier et représenter au mieux les incertitudes issues des différentes sources.
Défi 8 - Visualisation des données : Représenter les données climatiques pour faciliter leur compréhension et leur appropriation Il s’agira de proposer des formats pertinents de visualisation des données climatiques, seules ou croisées avec d’autres jeux de données non climatiques, pensés pour des publics comme des décideurs publics, des citoyens, des acteurs territoriaux, des professionnels, etc. Il faudra notamment veiller à intégrer visuellement l’incertitude climatique de manière lisible.
--- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://guides.data.gouv.fr/guides/autres-ressources-utiles/guide-du-participant-au-hackathon-le-climat-en-donnees/pendant-le-hackathon-regles-et-bonnes-pratiques/choix-du-defi.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.