{"id":720,"date":"2023-05-03T22:42:00","date_gmt":"2023-05-03T20:42:00","guid":{"rendered":"http:\/\/s603816833.onlinehome.fr\/?p=720"},"modified":"2026-08-04T16:59:13","modified_gmt":"2026-08-04T14:59:13","slug":"methode-de-prevision-probabiliste-de-lenergie-solaire","status":"publish","type":"post","link":"https:\/\/www.calibsun.com\/fr\/probabilistic-forecast-method-solar-energy\/","title":{"rendered":"M\u00e9thodes de pr\u00e9vision probabilistes pour l'\u00e9nergie solaire"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Points cl\u00e9s \u00e0 retenir de cet article<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/path><\/svg>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tLa pr\u00e9vision d\u00e9terministe fournit une seule valeur pr\u00e9visionnelle<\/b>, elle ne contient aucune information sur l'incertitude inh\u00e9rente \u00e0 cette pr\u00e9vision, ce qui constitue un risque op\u00e9rationnel direct dans les syst\u00e8mes variables tels que l'\u00e9nergie solaire.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/path><\/svg>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tLa pr\u00e9vision probabiliste remplace l'estimation ponctuelle par une distribution pr\u00e9dictive compl\u00e8te.<\/b><\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/path><\/svg>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tLes intervalles de pr\u00e9diction constituent le r\u00e9sultat principal<\/b>, d\u00e9finissant l'intervalle dans lequel la production r\u00e9elle devrait se situer, pour un niveau de probabilit\u00e9 donn\u00e9.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/path><\/svg>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tLes mod\u00e8les de CalibSun associent l'apprentissage automatique \u00e0 des donn\u00e9es m\u00e9t\u00e9orologiques en temps r\u00e9el<\/b>, en s'am\u00e9liorant en permanence gr\u00e2ce \u00e0 des tests r\u00e9trospectifs syst\u00e9matiques afin de rester bien calibr\u00e9, quelles que soient les conditions m\u00e9t\u00e9orologiques et les horizons de pr\u00e9vision.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    Pourquoi les pr\u00e9visions d\u00e9terministes ne suffisent pas\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Les pr\u00e9visions d\u00e9terministes traditionnelles fournissent une seule valeur pr\u00e9visionnelle pour un horizon temporel donn\u00e9. Cette approche est simple mais fondamentalement incompl\u00e8te : elle ne donne aucune information sur le degr\u00e9 d\u2019incertitude de cette pr\u00e9vision, ni sur l\u2019\u00e9ventail des r\u00e9sultats plausibles. Pour un syst\u00e8me aussi variable que la production photovolta\u00efque, o\u00f9 le rendement d\u00e9pend de la couverture nuageuse, de l'irradiance, de la temp\u00e9rature et de conditions atmosph\u00e9riques en constante \u00e9volution, un seul chiffre est insuffisant.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    Un secret risque op\u00e9rationnel<\/span><\/h3>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Lorsque les d\u00e9cisions relatives \u00e0 l'\u00e9quilibrage du r\u00e9seau, aux \u00e9changes d'\u00e9nergie ou \u00e0 la gestion du stockage reposent uniquement sur une estimation ponctuelle, l'incertitude sous-jacente devient un risque op\u00e9rationnel direct.<\/i><\/b><\/p>

    Une pr\u00e9vision d\u00e9terministe peut indiquer une production attendue de 80 MW \u00e0 un pas de temps donn\u00e9, mais ne donne aucune indication sur le fait que la production r\u00e9elle pourrait raisonnablement se situer entre 50 MW et 110 MW. C'est pr\u00e9cis\u00e9ment cet \u00e9cart entre la valeur pr\u00e9vue et la fourchette r\u00e9elle des r\u00e9sultats possibles qui est \u00e0 l'origine de mauvaises d\u00e9cisions, et c'est l\u00e0 que les pr\u00e9visions probabilistes apportent leur valeur ajout\u00e9e la plus tangible.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    A inad\u00e9quation structurelle<\/span> sur des horizons plus longs\n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Cette limite prend encore plus d'importance \u00e0 mesure que l'horizon de pr\u00e9vision s'allonge. Sur des d\u00e9lais plus longs, les conditions atmosph\u00e9riques deviennent plus difficiles \u00e0 pr\u00e9voir avec pr\u00e9cision, et l'\u00e9ventail des sc\u00e9narios plausibles s'\u00e9largit. <\/span>Une approche d\u00e9terministe ne dispose d'aucun m\u00e9canisme permettant de refl\u00e9ter cette incertitude croissante<\/b>, il continue simplement \u00e0 produire un seul chiffre, sans rien indiquer qui laisse penser que la confiance dans ce chiffre ait diminu\u00e9. Il ne s'agit pas seulement d'une lacune technique ; c'est un d\u00e9calage structurel entre l'outil et la nature du probl\u00e8me qu'il tente de r\u00e9soudre.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    Le temporel dimension<\/span><\/h3>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    \u00c0 cette dimension spatiale s'ajoute la <\/span>dimension temporelle<\/b>. Pour repr\u00e9senter l'\u00e9volution de l'atmosph\u00e8re, le mod\u00e8le calcule l'\u00e9tat de ces millions de points \u00e0 intervalles r\u00e9guliers. Dans le cas du GFS, les calculs sont effectu\u00e9s toutes les <\/span>7 minutes et 30 secondes<\/b>, sur un horizon pr\u00e9visionnel pouvant aller jusqu'\u00e0 <\/span>15 jours<\/b>, ce qui correspond \u00e0 <\/span>2 880 pas de temps<\/b>.<\/span><\/p>

    Compte tenu du fait que le mod\u00e8le produit plus de <\/span>150 variables m\u00e9t\u00e9orologiques<\/b> \u2013 chacune n\u00e9cessitant de nombreuses op\u00e9rations math\u00e9matiques \u2013 l'importance cruciale d'une puissance de calcul suffisante et d'une capacit\u00e9 de stockage ad\u00e9quate appara\u00eet comme une \u00e9vidence.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    Ce qu'apportent les m\u00e9thodes de pr\u00e9vision probabilistes\n<\/h2>\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    La pr\u00e9vision probabiliste remplace la pr\u00e9vision unique par une distribution pr\u00e9dictive, c'est-\u00e0-dire une vue d'ensemble des r\u00e9sultats futurs et des probabilit\u00e9s qui leur sont associ\u00e9es.<\/span><\/p>

    Au lieu de demander \u201c<\/span>\u00c0 quel niveau se situera la production \u00e0 ce pas de temps ?<\/span><\/i>\u201c, on y demande \u201c<\/span>Quelle est la distribution de probabilit\u00e9 de la production \u00e0 cet instant ?<\/span><\/i>\u201c<\/span><\/p>

    Les r\u00e9sultats peuvent prendre la forme d'intervalles de pr\u00e9diction d\u00e9finis par une borne inf\u00e9rieure et une borne sup\u00e9rieure \u00e0 un niveau de confiance donn\u00e9, de pr\u00e9visions quantiles ou de fonctions de densit\u00e9 de probabilit\u00e9 compl\u00e8tes, qui permettent toutes de rendre l'incertitude explicite et exploitable.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    B\u00e9ton cons\u00e9quences op\u00e9rationnelles<\/span> \n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Cette \u00e9volution a des cons\u00e9quences op\u00e9rationnelles concr\u00e8tes. En s'appuyant sur des intervalles de pr\u00e9vision plut\u00f4t que sur des estimations ponctuelles, un gestionnaire de r\u00e9seau peut planifier en fonction d'une gamme r\u00e9aliste de sc\u00e9narios de production, plut\u00f4t que d'un seul r\u00e9sultat hypoth\u00e9tique. Un n\u00e9gociateur peut int\u00e9grer directement la distribution de probabilit\u00e9 de la production future dans ses d\u00e9cisions de tarification et de couverture. Un exploitant d'installations de stockage peut adapter ses strat\u00e9gies de r\u00e9partition en fonction de la variabilit\u00e9 attendue, plut\u00f4t que de r\u00e9agir \u00e0 des impr\u00e9vus.<\/span><\/p>

    Dans chaque cas, les pr\u00e9visions probabilistes ne se contentent pas de d\u00e9crire ce qui pourrait se produire ; elles quantifient la probabilit\u00e9 de chaque sc\u00e9nario, ce qui permet d'adopter des mesures proportionn\u00e9es et tenant compte des risques.<\/i><\/b><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    En temps r\u00e9el capacit\u00e9 d'adaptation<\/span> \n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Cette approche est \u00e9galement adaptative par nature. \u00c0 mesure que de nouvelles donn\u00e9es m\u00e9t\u00e9orologiques sont disponibles \u2014 <\/span>provenant de mod\u00e8les de pr\u00e9vision num\u00e9rique du temps, d'images satellites ou de capteurs terrestres<\/span><\/i>\u2014 le cadre de pr\u00e9vision probabiliste s'actualise en temps r\u00e9el, garantissant ainsi que les pr\u00e9visions restent pertinentes et bien calibr\u00e9es sur l'ensemble de l'horizon de pr\u00e9vision. Cette flexibilit\u00e9 constitue un avantage structurel par rapport aux mod\u00e8les d\u00e9terministes statiques, qui ne peuvent pas int\u00e9grer de nouvelles informations de mani\u00e8re dynamique sans devoir \u00eatre enti\u00e8rement r\u00e9ex\u00e9cut\u00e9s.<\/span><\/p>

    Pour les exploitants de centrales photovolta\u00efques, les n\u00e9gociants et les gestionnaires de r\u00e9seau, cela se traduit directement par des strat\u00e9gies plus efficaces : une meilleure gestion des risques, une tarification plus pr\u00e9cise de l'\u00e9nergie, des op\u00e9rations de stockage et d'\u00e9quilibrage optimis\u00e9es, ainsi qu'une plus grande r\u00e9silience dans la planification de la cha\u00eene d'approvisionnement et de la dynamique du r\u00e9seau.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    L'IA au c\u0153ur des pr\u00e9visions solaires probabilistes\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    L'apprentissage automatique et l'apprentissage profond ont r\u00e9volutionn\u00e9 les possibilit\u00e9s offertes par les pr\u00e9visions probabilistes.\u00a0<\/span><\/p>

    Chez CalibSun, des algorithmes entra\u00een\u00e9s \u00e0 partir de donn\u00e9es historiques et d'informations m\u00e9t\u00e9orologiques en temps r\u00e9el g\u00e9n\u00e8rent des pr\u00e9visions probabilistes qui s'am\u00e9liorent en permanence \u00e0 mesure que de nouvelles donn\u00e9es deviennent disponibles, offrant ainsi aux acteurs du secteur solaire une base analytique leur permettant de prendre des d\u00e9cisions en toute confiance, tout en tenant compte des incertitudes.<\/i><\/b><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    M\u00e9thodes de pr\u00e9vision probabilistes : enjeux actuels\n<\/h4>\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t
    Qu'est-ce qu'un intervalle de pr\u00e9vision<\/span> ?<\/h5>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Un intervalle de pr\u00e9diction d\u00e9finit la fourchette dans laquelle un r\u00e9sultat futur devrait se situer, pour un niveau de probabilit\u00e9 donn\u00e9.<\/span> Un intervalle de pr\u00e9diction 90% est d\u00e9fini de mani\u00e8re \u00e0 inclure la valeur r\u00e9elle 90% de l'heure, <\/b>\u00a0et le calcul de la couverture sur un \u00e9chantillon de validation permet de v\u00e9rifier si cette affirmation se v\u00e9rifie dans la pratique. Dans les applications li\u00e9es \u00e0 l'\u00e9nergie solaire, des intervalles de pr\u00e9vision bien calibr\u00e9s sont essentiels pour la gestion des risques, l'\u00e9quilibrage du r\u00e9seau et la planification de la production, car les d\u00e9cisions fond\u00e9es sur une seule valeur pr\u00e9visionnelle ne tiennent syst\u00e9matiquement pas compte de la fourchette r\u00e9elle des r\u00e9sultats possibles.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t
    Comment \u00e9value-t-on les pr\u00e9visions probabilistes ?\n<\/h5>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    L'\u00e9valuation des pr\u00e9visions probabilistes n\u00e9cessite des indicateurs sp\u00e9cialement con\u00e7us pour les r\u00e9sultats distributifs. La couverture empirique permet de v\u00e9rifier que les intervalles de pr\u00e9diction indiqu\u00e9s contiennent la proportion attendue de r\u00e9sultats r\u00e9els sur un \u00e9chantillon de validation. La perte \u00ab pinball \u00bb, fonction objectif standard en r\u00e9gression quantile, \u00e9value les pr\u00e9visions probabilistes de mani\u00e8re asym\u00e9trique selon que le r\u00e9sultat se situe au-dessus ou en dessous du quantile pr\u00e9dit.<\/span><\/p>

    Le score de probabilit\u00e9 class\u00e9 en continu (CRPS) \u00e9value l'ensemble de la distribution pr\u00e9dictive par rapport aux valeurs observ\u00e9es \u00e0 l'aide d'un indicateur synth\u00e9tique unique. La r\u00e9alisation de tests r\u00e9trospectifs syst\u00e9matiques sur des \u00e9chantillons de validation est essentielle pour garantir l'\u00e9talonnage continu du mod\u00e8le dans des conditions et sur des horizons de pr\u00e9vision variables.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t
    Quels sont les avantages des pr\u00e9visions probabilistes dans le domaine de l'\u00e9nergie solaire ?\n<\/h5>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Son principal atout est<\/span> une meilleure prise de d\u00e9cision en situation d'incertitude.<\/b> Plut\u00f4t que de se fier \u00e0 une seule valeur pr\u00e9visionnelle, les op\u00e9rateurs peuvent appliquer la th\u00e9orie de la d\u00e9cision \u00e0 l'ensemble de la distribution de probabilit\u00e9 de la demande et de la production futures, ce qui leur permet d'optimiser le stockage, de g\u00e9rer les cha\u00eenes d'approvisionnement et de se couvrir contre les risques li\u00e9s aux prix et \u00e0 la demande gr\u00e2ce \u00e0 une vision r\u00e9aliste de ce qu'implique chaque sc\u00e9nario.\u00a0<\/span><\/p>

    Les pr\u00e9visions probabilistes permettent \u00e9galement de quantifier l'incertitude <\/b>aux alentours de<\/i><\/b> les tendances saisonni\u00e8res et intrajournali\u00e8res, <\/b>ce qu'une estimation ponctuelle, aussi pr\u00e9cise soit-elle, ne peut pas fournir. Dans le domaine de l'\u00e9nergie solaire, o\u00f9 la variabilit\u00e9 de la production est structurelle, cela permet de transformer l'incertitude, qui constituait auparavant un angle mort, en un \u00e9l\u00e9ment mesurable et g\u00e9rable.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t
    Les pr\u00e9visions probabilistes peuvent-elles \u00eatre appliqu\u00e9es \u00e0 d'autres domaines que l'\u00e9nergie solaire ?\n<\/h5>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Oui. Les pr\u00e9visions probabilistes constituent une m\u00e9thode statistique largement utilis\u00e9e dans les domaines de l'\u00e9nergie \u00e9olienne, de la pr\u00e9vision de la demande, de la gestion de la cha\u00eene d'approvisionnement, de la pr\u00e9vision de la charge et de l'analyse des prix. Les pr\u00e9visions m\u00e9t\u00e9orologiques probabilistes (<\/span>y compris des exemples de la vie quotidienne, comme les risques de pluie<\/span><\/i>) constitue en soi une forme de pr\u00e9vision probabiliste. Des techniques telles que la simulation de Monte Carlo, la mod\u00e9lisation par distribution gaussienne, les m\u00e9thodes d\u2019ensemble, l\u2019inf\u00e9rence bay\u00e9sienne et la pr\u00e9diction conforme sont ind\u00e9pendantes du domaine d\u2019application. L\u2019expertise de CalibSun porte principalement sur <\/span>pr\u00e9vision du potentiel solaire<\/span>, o\u00f9 la variabilit\u00e9 inh\u00e9rente \u00e0 la production photovolta\u00efque rend les m\u00e9thodes probabilistes indispensables.<\/span><\/p>

    Les pr\u00e9visions probabilistes permettent \u00e9galement de quantifier l'incertitude <\/b>aux alentours de<\/i><\/b> les tendances saisonni\u00e8res et intrajournali\u00e8res, <\/b>ce qu'une estimation ponctuelle, aussi pr\u00e9cise soit-elle, ne peut pas fournir. Dans le domaine de l'\u00e9nergie solaire, o\u00f9 la variabilit\u00e9 de la production est structurelle, cela permet de transformer l'incertitude, qui constituait auparavant un angle mort, en un \u00e9l\u00e9ment mesurable et g\u00e9rable.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    Conclusion<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Le recours \u00e0 des pr\u00e9visions d\u00e9terministes \u00e0 valeur unique introduit des risques financiers et op\u00e9rationnels non ma\u00eetris\u00e9s dans les r\u00e9seaux \u00e9lectriques modernes. En appliquant m\u00e9thodes de pr\u00e9vision probabilistes<\/strong>, les exploitants d'installations solaires, les n\u00e9gociants en \u00e9nergie et les gestionnaires de r\u00e9seau transforment les incertitudes m\u00e9t\u00e9orologiques en donn\u00e9es exploitables et tenant compte des risques, quel que soit l'horizon temporel. L'int\u00e9gration de flux de donn\u00e9es provenant de multiples sources, associ\u00e9e \u00e0 un recalibrage en temps r\u00e9el sur site, garantit des pr\u00e9visions quantiles pr\u00e9cises (de P5 \u00e0 P95), ce qui permet de pr\u00e9server la valeur des actifs et de r\u00e9duire au minimum les frais de d\u00e9s\u00e9quilibre.<\/p>

    Pr\u00eat \u00e0 r\u00e9duire les co\u00fbts li\u00e9s aux d\u00e9s\u00e9quilibres et \u00e0 garantir vos revenus issus de l'\u00e9nergie solaire ?<\/strong><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

    Key takeaways of the article Deterministic forecasting produces a single predicted value, it contains no information about the uncertainty inherent in that prediction, which becomes a direct operational risk in variable systems like solar energy. Probabilistic forecasting replaces the point estimate with a full predictive distribution. Prediction intervals are the core output, defining the range […]<\/p>\n","protected":false},"author":4,"featured_media":145,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[20],"tags":[],"class_list":["post-720","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-forecast-nowcast"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/posts\/720","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/comments?post=720"}],"version-history":[{"count":7,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/posts\/720\/revisions"}],"predecessor-version":[{"id":3674,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/posts\/720\/revisions\/3674"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/media\/145"}],"wp:attachment":[{"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/media?parent=720"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/categories?post=720"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.calibsun.com\/fr\/wp-json\/wp\/v2\/tags?post=720"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}