Dans le cadre du projet Horizon 2020 DRYvER (Drying River Networks and Climate Change), une modélisation hydrologique de l’intermittence des cours d’eau est menée sur 6 bassins versants européens caractérisés par des contextes climatiques, géologiques et anthropiques différents. Dans le cadre du projet, une modélisation hydrologique distribuée a été mise en place à travers le modèle J2000 (Krause et al., 2006). Cependant, le coût de calcul des différentes simulations peut devenir important dans le cadre d’estimation des incertitudes à travers des pratiques ensemblistes. Une solution est de construire un métamodèle du modèle distribué permettant de réduire le temps de calcul. L’objectif de cette étude est d’évaluer la capacité du Random Forest (RF) à reproduire le comportement du modèle hydrologique distribué J2000 à l’exutoire du bassin versant dans le climat présent mais également sous climats futurs. Dans un premier temps, le RF est entrainé avec différentes hyperparamétrisations sur la période 1985-2010 en utilisant les données d’entrée provenant de la modélisation J2000 ainsi que les forçages météorologiques associés provenant d’Era5Land (Muñoz Sabater et al., 2021). Le RF est ensuite évalué sur une période indépendante entre 2010 et 2014. Dans un second temps, le RF est également évalué pour différentes périodes futures (2021-2050 et 2070-2100) et différents scénarios d’émissions de gaz à effet de serre (SSP1-2.5 « Sustainability scenario » et SSP5-8.5 « Fossil fueled development scenario »,). Les forçages météorologiques de ces expériences proviennent d’une descente d’échelle de 5 modèles de climats globaux provenant du projet ISIMIP (Lange et Büchner., 2021) utilisant la méthode du Quantile Mapping (Boé et al., 2007). Les différentes évaluations se font à travers des scores couramment utilisés en hydrologie telle que le KGE est sa décomposition. Le RF est globalement capable de reproduire le comportement du modèle hydrologique sur les différents bassins versants malgré des difficultés sur les pics de crue – particulièrement pour les régimes nivaux. Les résultats mettent en avant une baisse de performance sur les climats futurs les plus éloignés du climat actuel – période 2071-2100 et scénario SSP5-8.5). Au-delà de l'utilisation des RF pour la création du métamodèle hydrologique cela met donc en avant les limites de leurs utilisations pour la modélisation hydrologique sous changement climatique. J. Boé et al. (2007). Statistical and dynamical downscaling of the Seine basin climate for hydro-meteorological studies. International Journal of Climatology. doi: https://doi.org/10.1002/joc.1602. Krause et al. (2006) Multiscale investigations in a mesoscale catchment: hydrological modelling in the Gera catchment. Advances in Geosciences. doi:10.5194/adgeo-9-53-2006. Lange et Büchner (2021) ISIMIP3b bias-adjusted atmospheric climate input data (v1.1), ISIMIP Repository. doi:10.48364/ISIMIP.842396.1. J. Muñoz Sabater. ERA5-Land hourly data from 1950 to 1980. Copernicus Climate Change Service (C3S) Climate Data Store (CDS), 2021. doi:10.24381/cds.e2161bac.