La littérature scientifique concernant les données spatio-temporelle se concentre principalement sur la prédiction de trajectoires d'objets mobiles ou l'observation d'événements sur des zones géographiques fixes. Peu d'études abordent l'analyse prédictive des variations dynamiques de zones spatiales ellesmêmes dans le temps. Cette recherche propose une méthodologie duale pour modéliser l'évolution de la piraterie maritime (?350 incidents/an mondialement) : (1) prédiction quantitative à résolution macroscopique (?4000 km/cellule) pour l'allocation stratégique des ressources, et (2) classification qualitative à résolution mésoscopique (?1000 km/cellule) pour détecter les transitions spatiales régionales. L'évaluation sur 15 947 incidents (1978-2024) révèle que la validation standard surestime systématiquement les modèles complexes, notamment en régression où LSTM est bien moins efficace en validation walk-forward. En classification, tous les modèles se dégradent en walk-forward, mais Logistic Regression démontre une robustesse avec une dégradation minime, devenant le meilleur modèle en validation temporelle stricte. L'architecture hybride proposée (Ridge pour la régression et LSTM+Logistic pour la classification) offre une robustesse temporelle pour la surveillance opérationnelle.