La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Un défi météorologique de taille
La prévision des cyclones, ces tempêtes tropicales dévastatrices, est depuis longtemps un défi majeur pour les météorologues du monde entier. Ces phénomènes, que l'on appelle aussi ouragans ou typhons selon les régions, sont parmi les plus destructeurs sur Terre. Au cours des cinquante dernières années, ils ont causé plus de 700 000 décès et généré des pertes économiques dépassant les 1,4 trillion de dollars à l'échelle mondiale. Pour les experts en météorologie, fournir des prévisions précises et en temps opportun est crucial, car chaque heure de préavis peut potentiellement sauver des vies et réduire les dégâts matériels.
L'innovation WeatherNext
Récemment, un article publié dans la revue scientifique Nature a mis en lumière une avancée significative dans ce domaine grâce au modèle d'intelligence artificielle WeatherNext. Ce modèle a démontré une précision inégalée dans la prévision de la trajectoire, de l'intensité et de la structure des vents des cyclones. En moyenne, WeatherNext offre aux prévisionnistes un jour supplémentaire de précision par rapport aux modèles précédents. Cette avancée équivaut à une décennie de progrès en météorologie, permettant des prévisions à trois jours aussi fiables que les prévisions à deux jours des anciens modèles.
Une collaboration internationale
Le développement de WeatherNext est le fruit d'une collaboration entre des chercheurs et ingénieurs de Google DeepMind, Google Research, et des experts du National Hurricane Center (NHC), du Cooperative Institute for Research in the Atmosphere (CIRA), du UK Met Office, ainsi que d'autres agences météorologiques mondiales. Cette coopération a permis de combiner des expertises variées pour créer un modèle capable de transformer la manière dont les cyclones sont prévus.
Un impact concret et immédiat
Lors de la saison des ouragans de 2025, WeatherNext a permis au NHC de prédire avec précision l'intensification rapide de l'ouragan Melissa et son arrivée en Jamaïque. Grâce à cette prévision, un avertissement anticipé a pu être émis, offrant un temps précieux pour les préparatifs sur le terrain. Actuellement, le modèle explore 1 000 scénarios possibles pour chaque cyclone, aidant ainsi les prévisionnistes à prendre des décisions éclairées et à mieux anticiper les impacts potentiels.
Le fonctionnement de WeatherNext
WeatherNext Cyclones fonctionne en analysant les conditions atmosphériques globales, comme celles observées lors de l'ouragan Milton en octobre 2024. Le modèle prédit de manière itérative les conditions météorologiques mondiales et les trajectoires des cyclones jusqu'à 15 jours à l'avance. En utilisant un ensemble de 1 000 membres, il génère des cartes de probabilité des vents, allant de la tempête tropicale à la force d'un ouragan. Cette capacité à prévoir à long terme est cruciale pour les régions vulnérables aux cyclones.
Une approche unique et innovante
Traditionnellement, la prévision des cyclones nécessitait de choisir entre deux types de modèles : ceux qui modélisent les courants atmosphériques globaux et ceux qui se concentrent sur les processus thermodynamiques locaux. WeatherNext réussit à combiner ces deux approches, offrant une précision sans précédent dans la prédiction de la trajectoire, de l'intensité et de la structure des vents des cyclones tropicaux. Cette intégration permet de mieux comprendre et anticiper les comportements complexes des cyclones.
Évaluation et entraînement du modèle
Le modèle a été évalué sur des cyclones historiques de 2023 à 2024, comparant ses performances à d'autres modèles de premier plan. WeatherNext gagne en moyenne plus d'un jour complet d'avance pour prédire les trajectoires et l'intensité des cyclones. Il a été co-entraîné sur des données météorologiques mondiales et des observations historiques de cyclones, utilisant près de 20 To de données et la base IBTrACS. Cette vaste base de données permet au modèle d'apprendre des motifs atmosphériques complexes et de modéliser avec précision les événements météorologiques extrêmes.
Progrès dans la précision des prévisions
Les progrès dans la précision des prévisions de cyclones ont été constants au cours des dernières décennies. WeatherNext Cyclones marque un changement d'échelle dans la précision des prévisions, équivalant à une décennie de progrès selon les tendances observées ces 20 dernières années. Les graphiques montrent comment WeatherNext améliore la précision des prévisions de trajectoire à 3 jours par rapport aux modèles existants comme ECMWF-ENS et HWRF.
Utilisation de Réseaux Génératifs Fonctionnels
WeatherNext utilise des Réseaux Génératifs Fonctionnels (FGNs) pour produire efficacement des ensembles de prévisions, capturant l'incertitude inhérente à la météo. Le modèle peut générer une prévision de 15 jours en moins d'une minute sur un TPU, permettant une évaluation rapide des risques extrêmes potentiels. Cette rapidité est essentielle pour les prévisionnistes qui doivent réagir rapidement aux changements dans les conditions météorologiques.
Réduction des besoins en résolution
Contrairement aux modèles traditionnels nécessitant une haute résolution, WeatherNext Cyclones fonctionne avec une résolution de 28x28 km, soit 100 fois moins précise. Une version plus petite, WeatherNext 2-mini, montre également de bonnes performances à une résolution de 111x111 km. Cette efficacité à basse résolution reste un sujet de recherche ouvert, car elle défie les attentes traditionnelles sur la nécessité de données à haute résolution pour des prévisions précises.
Partage et collaboration avec la communauté
En parallèle de la publication dans Nature, le code et les poids de WeatherNext sont mis en open source, accessibles à tous pour la recherche académique ou le développement de modèles spécialisés. Cette initiative vise à accélérer le progrès dans la communauté météorologique mondiale, en permettant aux chercheurs et aux agences de développer de nouvelles applications et d'améliorer les prévisions météorologiques à travers le monde.
Modèles disponibles et Weather Lab
Nous publions également WeatherNext Cyclones et WeatherNext 2, ainsi que WeatherNext 2-mini, accessible via un Colab notebook public. Les prévisions peuvent être explorées sur Weather Lab, qui offre une interface renouvelée pour visualiser les prévisions météorologiques mondiales. Weather Lab permet aux utilisateurs de voir les prévisions de température, de précipitations, de vitesse du vent et plus encore, le tout en une seule vue intégrée.
Vers un avenir collaboratif en prévision météorologique
Avec cette avancée, WeatherNext offre un jour supplémentaire pour prédire les cyclones, un progrès équivalent à une décennie de développement en météorologie. L'objectif est de créer un écosystème collaboratif de prévision météorologique, combinant apprentissage automatique et expertise humaine, pour sauver des vies et aider les communautés à s'adapter aux changements climatiques. En invitant les chercheurs et les agences à collaborer, Google espère renforcer la capacité mondiale à anticiper et à réagir aux événements météorologiques extrêmes.
