Le dernier modèle météorologique par IA de Google ne vous laisse aucune excuse pour oublier votre parapluie

Google DeepMind et Google Research ont dévoilé un nouveau modèle de prévision météorologique alimenté par l'intelligence artificielle, offrant des perspectives plus claires sur les changements atmosphériques et des prévisions plus fréquentes et fiables.

WeatherNext 3 représente un bond significatif en météorologie, porté par l'apprentissage profond. Google prévoit d'intégrer ce modèle dans Search, Google Maps et Gemini, tout en le rendant accessible aux chercheurs et aux utilisateurs via ses plateformes cloud.

« Cela marque la première fois que des variables fondamentales alimenteront directement une large gamme de produits Google », a déclaré Samier Merchant, ingénieur principal senior chez Google, dans une interview accordée à TechCrunch.

Testé sur Operational WeatherBench, un benchmark créé par la startup Brightband pour comparer les prévisions de l'IA, WeatherNext 3 a démontré une précision supérieure sur des indicateurs clés tels que la température, la vitesse du vent et l'humidité.

Il surpasse d'autres modèles d'apprentissage profond de Google, Microsoft, Nvidia et du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), ainsi que les prévisions traditionnelles du Service national de la météorologie des États-Unis et de l'ECMWF.

Crédits image : Brightband / Brightband

Les prévisions météorologiques traditionnelles reposent sur des supercalculateurs gouvernementaux résolvant des équations physiques complexes. Bien que précis, ces systèmes sont coûteux et lents. Depuis 2018, lorsque l'ECMWF a publié des décennies de données historiques, les chercheurs utilisent l'apprentissage profond pour créer des modèles plus rapides offrant une précision comparable.

« La météo est chaotique ; de petites différences peuvent entraîner des perturbations massives », a expliqué Ferran Alet, responsable de la recherche chez DeepMind. « L'apprentissage automatique répond au défi fondamental : approximer une physique bruitée à l'aide d'informations incomplètes et de capacités de calcul limitées, lui permettant d'apprendre des motifs à partir de vastes ensembles de données. »

Les modèles de prévision par IA précédents faisaient face à des limitations clés : ils couvraient de grandes zones (15 à 25 kilomètres carrés) avec une utilité pratique limitée, peinaient à prédire la pluie et s'appuyaient sur des données gouvernementales prétraitées.

WeatherNext 3 répond à ces problèmes. Il offre une résolution de 5 km, améliore la précision de la prédiction de la pluie de 60 % par rapport à WeatherNext 2, et génère des prévisions horaires au lieu des intervalles standards de six heures.

Crédits image : Google / Google

Ces améliorations découlent de choix de conception spécifiques. WeatherNext 3 possède 2,4 fois plus de paramètres que son prédécesseur, avec des têtes de décodeur conçues pour fournir des informations plus exploitables. Contrairement aux prévisions standard qui moyennent les données sur des grilles 3D, le modèle de DeepMind peut visualiser des événements spécifiques tels que les trajectoires des cyclones.

De plus, le modèle est entraîné à prédire les données pour des stations météorologiques spécifiques. Cela améliore la granularité des prévisions et permet une évaluation par rapport aux données de référence au sol.

« L'objectif avec de nombreuses applications d'IA est d'exécuter des tâches de bout en bout », a déclaré Daniel Rothenberg, scientifique atmosphérique chez Brightband. « En prédisant des données de stations spécifiques, telles que les conditions horaires à l'aéroport de Denver, nous rapprochons davantage la prévision de l'utilité réelle. »

La fréquence accrue du modèle est rendue possible par l'ingestion de données satellitaires en temps réel toutes les heures. L'utilisation d'observations empiriques brutes plutôt que d'analyses générées par des supercalculateurs améliore la précision, bien que le traitement de données non formatées reste techniquement difficile.

Google affirme que WeatherNext 3 est le premier modèle d'IA à intégrer des observations brutes pour des prévisions mondiales à haute résolution. Cependant, la startup d'IA WindBorne affirme que son modèle WeatherMesh 6 utilise des données brutes provenant de ballons-sondes depuis la fin de 2025. Google note que ses prévisions offrent une résolution mondiale plus élevée. Les deux modèles s'appuient toujours sur des ensembles de données nationaux, indiquant qu'un travail supplémentaire est nécessaire pour une assimilation directe des données véritablement directe.

Alors que les grands modèles de langage dominent les titres, la révolution des transformateurs en météorologie est tout aussi transformatrice. Les agences météorologiques en Europe et aux États-Unis utilisent déjà l'IA dans leurs prévisions, offrant des avantages de vitesse et de coût qui pourraient rendre les prévisions précises accessibles aux régions plus pauvres.

Bill Gates a récemment mis en avant la prévision météorologique par IA comme un avantage clé, notant son potentiel à améliorer les rendements agricoles dans les pays en développement. Ferran Alet a ajouté que des prévisions à plus haute résolution du vent, de la pluie et de la couverture nuageuse aideront à rendre les projets d'énergie renouvelable plus fiables.

« En fin de compte, Google vise à fournir des informations utiles aux utilisateurs, et la météo en est une partie centrale », a conclu Alet.