Heu oui mais comment on connait "le bon" alors, s'ils sont si différents à l'arrivée
A mon avis, ils le sont tous.
Une phénomène chaotique comme la météo est très sensible aux conditions initiales. Imagine que le "seed" de la fonction "random" soit différent (et donc le nombre aléatoire suivant) pour chaque processeur et chaque CPU, ce qui a mon avis est souvent le cas, tu as avec les mêmes hypothèses autant de modèles que de conditions initiales.
Or un phénomène chaotique est un phénomène déterministe non périodique. C'est donc un phénomène modélisable. Mais pour prédire, il te faut faire les calculs jusqu'à la date de prédiction. Car il est non-périodique, tu ne peux pas donc prédire que, à une période donnée, le phénomène sera identique à ce qu'il était à une période antérieure. Et dans la pratique on voit bien qu'à échéance lointaine, une faible différence entraine des différences considérables.
Mais, on observe aussi que les résultats restent dans un domaine assez restreint de ce qu'on appelle l'espace des phases : l'"attracteur étrange" (parce que quand on fait un graphique, on voit un forme assez floue se dessiner). Donc en testant un gros paquet de conditions initiales, on réussit à distinguer l'attracteur étrange : par exemple, la fourchette de température ou d'humidité atmosphérique.
Donc, on y va, on crunche sans états d'âme.