Microsoft met en libre accès une méthode d'apprentissage automatique destinée à corriger les biais des modèles météo. Les chercheurs rapportent des gains notables sur des systèmes de l’ECMWF, avec l’espoir de rendre les prévisions à moyen terme plus accessibles aux acteurs aux moyens limités.
Des gains annoncés sur des modèles de l’ECMWF
Les chercheurs indiquent que la Correction de Biais Probabiliste améliore la précision d’un modèle physique de l’ECMWF pour 98 % des cibles de précipitations et pour 92 % des cibles de température. Ils affirment également que le cadre a doublé la précision du nouveau système de prévision par IA de l’ECMWF dans l’analyse conduite. Ces résultats s’inscrivent dans un contexte où la prévision au-delà de deux semaines reste difficile pour les approches physiques comme pour l’IA, et où les approximations peuvent introduire des biais qui pénalisent l’horizon plus lointain. Les chercheurs de Microsoft avancent que leur méthode est une solution coût-efficace pour améliorer la précision des prévisions entre deux et six semaines à l’avance.
Accessibilité et usages visés dans les pays à ressources limitées
Les auteurs de l’étude estiment que la PBC pourrait transformer la production de prévisions météorologiques, notamment dans les pays en développement où l’accès aux technologies avancées est souvent limité. Genevieve Flaspohler, co-autrice, souligne l’intérêt de modèles légers et faciles à entraîner pour permettre à des scientifiques disposant de peu de ressources de les améliorer. Les chercheurs espèrent que cette approche sera adoptée par des agences météorologiques aux budgets restreints. Selon eux, la mise à disposition en open-source pourrait aussi réduire le coût des prévisions enrichies par l’IA, avec des applications potentielles pour les agriculteurs et les services d’urgence.
Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La PBC corrige les biais des modèles face aux limites des données
La Correction de Biais Probabiliste s’appuie sur l’apprentissage automatique pour repérer et corriger les biais systématiques dans les sorties des modèles météorologiques. Elle peut intégrer l’effet du changement climatique dans les ajustements. Par exemple, alors que les émissions de gaz à effet de serre réchauffent la planète, des modèles fondés sur des données historiques peuvent rester biaisés vers des températures plus basses que celles observées aujourd’hui. Les modèles physiques comme ceux fondés sur l’IA reposent sur des approximations pour pallier le manque de données dans certaines régions ou la complexité de phénomènes encore mal compris, ce qui peut introduire des biais systématiques.
Publication, ouverture et premières collaborations
Les résultats de la recherche ont été publiés dans la revue Nature et l’outil est disponible en open-source. Microsoft rejoint ainsi Google et Nvidia, qui développent également des outils d’IA pour la prévision météorologique, mais choisit ici de corriger les modèles existants plutôt que d’en créer un nouveau. Genevieve Flaspohler, qui a travaillé sur la PBC en tant que stagiaire chez Microsoft et dirige aujourd’hui Rhiza Research, collabore avec l’Autorité météorologique du Kenya pour évaluer si l’IA peut améliorer la précision des alertes précoces. Ce projet, financé par la Fondation Gates, vise notamment à anticiper une saison des pluies plus extrême lors d’un El Niño record.
