Une IA européenne promet de rendre la météo infaillible : la fin des prévisions erronées approche-t-elle ?

Prédire la météo a toujours été un défi complexe. L’atmosphère terrestre est un système chaotique où de nombreux facteurs interagissent de manière dynamique, rendant les prévisions météorologiques particulièrement difficiles. Les météorologues s’appuient sur des modèles numériques qui nécessitent une vaste quantité de données pour améliorer leurs prévisions. Cependant, ces données sont souvent incomplètes et sujettes à des erreurs. Avec l’avènement de l’intelligence artificielle, de nouvelles opportunités s’ouvrent pour affiner ces prévisions. Météo France a déjà pris conscience de cet atout, mais c’est désormais le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) qui innove avec un modèle qui pourrait bien révolutionner la météorologie.

Un regard sur AIFS : vers une précision inégalée

Le modèle innovant développé par le CEPMMT est appelé Artificial Intelligence Forecasting System (AIFS). Ce système de prévision par intelligence artificielle offre des performances impressionnantes par rapport aux systèmes traditionnels basés sur la physique. En effet, AIFS se distingue par sa capacité à fournir des prévisions plus précises de 20 % par rapport aux méthodes conventionnelles. De plus, il fonctionne à une rapidité accrue tout en consommant 1 000 fois moins d’énergie, un atout majeur dans un contexte de transition écologique.

Le CEPMMT, célébrant 50 ans d’excellence, ajoute cet outil novateur à son répertoire. L’organisme européen est également connu pour son modèle ENS, établi dans les années 1980, qui demeure aujourd’hui l’un des systèmes de prévision à moyen terme les plus performants. Les prévisions ENS s’étendent sur une période de trois à quinze jours, voire jusqu’à un an dans certains cas, démontrant la robustesse et la longévité de ces modèles.

Avec 132 kg soulevés, ce robot humanoïde chinois établit une nouvelle norme de puissance et défie la concurrence

Apprentissage automatique : une nouvelle ère pour les prévisions météorologiques

Les modèles météorologiques traditionnels reposent sur des équations physiques pour générer leurs prévisions. Cependant, ces modèles sont limités par le caractère approximatif de ces représentations mathématiques des dynamiques atmosphériques. Bien que basées sur des lois fondamentales de la physique, ces équations nécessitent des simplifications pour être résolues numériquement. C’est dans ce contexte que l’intelligence artificielle trouve son intérêt.

Les modèles pilotés par l’intelligence artificielle ont la capacité d’assimiler des relations et des dynamiques météorologiques complexes directement à partir des données, sans se limiter aux équations préalablement documentées. Ainsi, l’IA n’a pas besoin de résoudre explicitement ces équations, mais elle apprend à partir des données pour prédire l’évolution de l’atmosphère. Cette approche présente un potentiel énorme pour améliorer la précision et la rapidité des prévisions météorologiques.

« Révolutionnaire et indestructible » : ce drone d’intérieur ultra-rapide promet de transformer l’inspection des éoliennes en un éclair

GenCast et AIFS : une concurrence stimulante

Le CEPMMT n’est pas le seul à investir dans des modèles d’IA performants. Google Deepmind, une filiale de la société Alphabet spécialisée dans l’IA, a également développé son modèle, GenCast. Présenté en décembre, GenCast a surpassé le modèle ENS du CEPMMT sur 97,2 % des cibles à travers différentes variables météorologiques. Pour les prévisions au-delà de 36 heures, GenCast a démontré une précision accrue sur 99,8 % des cibles. Ces cibles comprennent des paramètres météorologiques tels que la température, les précipitations, la vitesse et la direction du vent, ainsi que la pression atmosphérique.

La concurrence entre GenCast et AIFS est stimulante, incitant chaque organisme à innover davantage. AIFS n’est que la première version opérationnelle du système, avec des évolutions et des améliorations prévues dans le temps. Florian Pappenberger, Directeur des prévisions au CEPMMT, souligne qu’AIFS ne sera pas utilisé seul pour le moment, mais en complément du modèle IFS.

Ce drone bi-coptère révolutionnaire de moins de 250 grammes propulse la Chine au sommet de l’innovation aérienne mondiale

Vers une hybridation des modèles de prévision

L’équipe du CEPMMT explore l’hybridation des modélisations basées sur les données et sur la physique pour affiner la précision de leurs prévisions. Bien que l’IA soit prometteuse, elle ne peut fonctionner sans les données physiques. Les modèles basés sur la physique sont essentiels au processus actuel d’assimilation des données. Ce processus est crucial pour initialiser quotidiennement les modèles d’apprentissage automatique et leur permettre de produire des prévisions.

Matthew Chantry, responsable stratégique de l’apprentissage automatique au CEPMMT, explique que la prochaine étape consiste à intégrer pleinement l’apprentissage automatique dans l’assimilation des données. Cela permettrait de créer une chaîne de prévision entièrement basée sur l’IA. Cependant, un défi persiste : l’efficacité réelle des capacités prédictives de cette technologie lorsque les scénarios s’éloignent des situations connues, c’est-à-dire des situations non rencontrées lors de l’apprentissage.

Le CEPMMT a donc ouvert la voie avec AIFS, un modèle IA qui promet de surpasser les méthodes traditionnelles en termes de rapidité et de précision. L’objectif est d’hybrider l’IA et la physique pour combiner puissance de calcul et fiabilité des prévisions. Mais comment l’IA s’adaptera-t-elle aux défis imprévus et inédits posés par la nature imprévisible de notre atmosphère ?