Google dévoile un nouveau modèle d’IA pour améliorer les prévisions météorologiques
Google DeepMind et Google Research ont lancé un nouveau modèle d’intelligence artificielle destiné à améliorer les prévisions météorologiques, offrant des prédictions plus précises dans un contexte atmosphérique en constante évolution. WeatherNext 3 représente une avancée significative en météorologie, utilisant des techniques d’apprentissage profond pour fournir des informations météorologiques en temps opportun et précises.
Ce nouveau modèle, qui enrichira les données disponibles dans les résultats de recherche Google, Google Maps et Gemini, vise à optimiser l’expérience utilisateur en intégrant des données météorologiques plus fiables. « Ce sera la première fois que certaines des variables clés alimenteront et dynamiseront bon nombre des produits de Google », a déclaré Samier Merchant, ingénieur senior chez Google.
Selon des évaluations menées à l’aide de l’Operational WeatherBench, un outil d’évaluation développé par Brightband, WeatherNext 3 se révèle être le modèle de prévision par IA le plus précis parmi ses pairs. Il a surpassé des modèles concurrents développés par des grandes entreprises technologiques telles que Microsoft et Nvidia, ainsi que des prévisions traditionnelles de la National Weather Service des États-Unis et de l’ECMWF.
Bien que les superordinateurs gouvernementaux aient traditionnellement dominé la prévision météorologique grâce à des équations mathématiques complexes, ces systèmes sont coûteux et fonctionnent à un rythme plus lent. La publication d’un vaste ensemble de données historiques par l’ECMWF en 2018 a accéléré le développement de modèles d’IA capables de générer des prédictions plus rapidement, avec une précision compétitive.
Ferran Alet, chercheur scientifique chez DeepMind, a expliqué : « La météo est chaotique, et donc de petites différences commencent vraiment à perturber de manière massive… L’apprentissage automatique vise le problème que nous résolvons réellement, à savoir la physique bruitée approximative à partir d’informations incomplètes et de calculs limités, et il apprend donc des motifs à partir de nombreuses données. »
WeatherNext 3 aborde des défis clés auxquels étaient confrontés les précédents modèles de prévision par IA. Il peut fournir des prédictions sur une zone beaucoup plus petite—avec une résolution de 5 km—par rapport à la plage plus large de 15 à 25 km carrés typique des anciens modèles. De plus, les évaluations de la précision des précipitations ont montré une amélioration de 60 % par rapport à son prédécesseur, WeatherNext 2. La capacité accrue permet également des prévisions horaires plutôt que les prévisions standards toutes les six heures.
Les améliorations résultent d’une concentration stratégique sur la conception du modèle, avec WeatherNext 3 comportant 2,4 fois plus de paramètres que les versions précédentes. Cela permet des prévisions plus précises adaptées à des points de données régionaux spécifiques, permettant des évaluations par rapport aux conditions réelles.
Daniel Rothenberg, scientifique de l’atmosphère chez Brightband, a fait remarquer la capacité du modèle à prédire des données détaillées pour des localisations spécifiques. « L’idée, avec beaucoup d’applications d’IA, est d’essayer d’exécuter des tâches aussi de bout en bout que possible », a-t-il déclaré. La capacité du modèle à traiter des données satellite en temps réel facilite des mises à jour plus fréquentes, permettant des prévisions basées sur des observations empiriques brutes collectées toutes les heures.
Bien que Google affirme être le premier modèle d’IA intégrant des données d’observation brutes pour des prévisions globales à haute résolution, il fait face à la concurrence de la start-up AI Weather WindBorne, qui utilise son modèle WeatherMesh 6 pour intégrer des observations brutes depuis fin 2025. Bien que Google mette en avant une résolution globale supérieure, les deux modèles dépendent de jeux de données nationaux pour générer leurs prévisions.
Alors que les innovations en IA s’ancrent dans la prédiction météorologique, des agences météorologiques européennes et américaines commencent à adopter ces technologies, promettant une plus grande efficacité et des coûts réduits dans la fourniture de prévisions, en particulier dans les régions économiquement défavorisées manquant d’instruments de mesure sophistiqués.
Bill Gates a souligné le potentiel de la prévision météorologique soutenue par l’IA pour améliorer les résultats agricoles, en déclarant que des prévisions météorologiques fiables pourraient considérablement améliorer les rendements des cultures dans les pays en développement. Alet a noté que des prévisions plus détaillées concernant le vent, la pluie et la couverture nuageuse pourraient renforcer la fiabilité des initiatives liées aux énergies renouvelables.
« En fin de compte, je pense que Google vise à fournir des informations utiles à l’utilisateur, et beaucoup de ce que recherchent les utilisateurs a trait à la météo d’une manière ou d’une autre », a commenté Alet, soulignant le caractère central des données météorologiques dans les requêtes des utilisateurs.
