Un modèle d’intelligence artificielle (IA) de Microsoft a obtenu des prévisions météorologiques à 10 jours plus précises et à moindre coût que les modèles traditionnels des grandes agences internationales, selon des résultats publiés mercredi dans la revue scientifique de référence «Nature». Ces performances expérimentales, non disponibles pour le grand public, sont une nouvelle percée dans l’ère ouverte en 2023 par le modèle d’IA Pangu-Weather de Huawei, alors que les grandes agences s’efforcent de produire des prévisions plus fiables des événements extrêmes, coûteux en vies humaines et en destructions et déjà accentués par le réchauffement climatique. Google avait aussi annoncé l’an dernier avoir battu les modèles habituels avec un modèle d’apprentissage IA.
L'IA met un coup de vieux aux prévisions météo traditionnelles
Un modèle d’apprentissage Aurora de Microsoft
En l’occurrence, le modèle d’apprentissage Aurora de Microsoft «surpasse les prévisions opérationnelles en matière de prévision de la qualité de l’air, des vagues océaniques, des trajectoires des cyclones tropicaux et des conditions météorologiques haute résolution, le tout à un coût de calcul» nettement inférieur, rapportent les chercheurs dans leurs résultats publiés par «Nature». Selon ses concepteurs, Aurora, en resimulant des situations du passé récent, est ainsi le premier modèle IA à avoir systématiquement mieux appréhendé la trajectoire à 5 jours de cyclones dévastateurs que sept centres de prévisions, dont le Centre américain des ouragans.
Des prévisions d'une grande précision
Dans sa simulation, Aurora a ainsi correctement prévu avec 4 jours d’anticipation que Doksuri, le plus coûteux typhon du Pacifique à ce jour (plus de 28 milliards de dollars) allait frapper les Philippines alors que les prévisions officielles de l’époque, en 2023, le voyait se diriger au nord de Taïwan.
Le modèle IA de Microsoft a également dépassé dans 92% des cas la qualité des prévisions mondiales, à 10 jours et sur une échelle d’environ 10 km², établies par le modèle du Centre européen de prévisions météorologiques à moyen terme (ECMWF, en anglais). L’ECMWF, qui fournit des prévisions pour 35 pays d’Europe, est considéré comme la référence mondiale en matière de précision météorologique.
En décembre, Google avait annoncé que son modèle GenCast avait dépassé la précision du centre européen dans plus de 97% des 1320 désastres climatiques répertoriés en 2019.
Les grandes agences météo à l'affût
Ces performances prometteuses, mais encore expérimentales et seulement testées sur des données passées, sont scrutées de près par les agences météo, dont plusieurs comme Météo-France développent leur propre modèle d’apprentissage IA en parallèle des modèles numériques traditionnels.
«C’est quelque chose qu’on a pris à bras-le-corps», déclare Florence Rabier, la directrice générale de l’ECMWF, annonçant avoir mis à disposition de ses États membres en février son «premier modèle» d’apprentissage, «à peu près 1000 fois moins coûteux en temps calcul que le modèle physique» traditionnel. Ce modèle produit pour l’heure des prévisions à une échelle d’environ 30 km², certes moins fine que celles d’Aurora, mais déjà opérationnelles, entre les mains au quotidien des prévisionnistes officiels.
Des outils pour les professionnels
Ces avancées technologiques montrent que l’IA peut devenir un outil incontournable pour les professionnels de la météorologie. Les modèles IA comme Aurora et GenCast offrent des prévisions plus précises et à moindre coût, ce qui pourrait révolutionner la manière dont les prévisions météorologiques sont réalisées et utilisées.
Voici quelques points clés à retenir :
- Le modèle Aurora de Microsoft surpasse les prévisions traditionnelles en termes de précision et de coût.
- Google et Huawei ont également développé des modèles IA performants.
- Les grandes agences météo, comme l’ECMWF et Météo-France, intègrent progressivement l’IA dans leurs outils de prévision.
- L’IA pourrait révolutionner la précision et l’efficacité des prévisions météorologiques.
En conclusion, l’IA représente une avancée majeure dans le domaine des prévisions météorologiques, offrant des outils plus précis et moins coûteux pour anticiper les événements climatiques extrêmes.
