L'intelligence artificielle a le potentiel de révolutionner de nombreux domaines, et la météorologie en fait partie. Le nouveau modèle de Google, GenCast, en est le parfait exemple, avec un taux de prédiction plus efficace que l'outil le plus performant au monde.
Le géant de Mountain View s'intéresse aux prédictions météorologiques depuis quelques années. Cet été, il présentait NeuralGCM, un modèle de prévision combinant l'IA avec des méthodes reposant sur la physique, à l'instar des outils existants. En utilisant moins de puissance de calcul que les méthodes conventionnelles, il obtient des résultats similaires à ces derniers.
GenCast, lui, s'appuie uniquement sur l'intelligence artificielle. De la même manière qu'un modèle de langage qui prédit le mot le plus probable dans une phrase, il génère la condition météorologique à venir la plus plausible.
Meilleur que le meilleur outil
Élaborée par les équipes de Google DeepMind, cette IA a été entraînée sur 40 ans de données météorologiques, de 1979 à 2018. Il lui a ensuite été demandé d'établir des prévisions pour l'année 2019, et le modèle y est parvenu avec brio.
Dans 97 % des cas, il s'est même avéré plus efficace que le meilleur outil de prévision actuel, l'ECMWF-ENS (Ensemble). De même, il a réalisé des prévisions plus précises des conditions de vent et des phénomènes météorologiques extrêmes comme la trajectoire des cyclones tropicaux.
L'enjeu est de taille. Cela pourrait drastiquement améliorer la viabilité de l'énergie éolienne, permettant aux opérateurs de calculer quand ils doivent allumer et éteindre leurs turbines. De meilleures estimations des événements extrêmes devraient également aider à mieux planifier les catastrophes naturelles comme les ouragans.
Génération de probabilités
Plutôt que de produire des prévisions précises, GenCast fournit des probabilités pour divers résultats. Par exemple, en indiquant : « Il y a 40 % de chances que la température atteigne un maximum de 30 °C » ou « il y a 60 % de chances qu'il tombe 30 cm de pluie demain ». De quoi permettre aux responsables de comprendre la probabilité des différents événements météorologiques et de planifier en conséquence.
« Nous publierons bientôt les prévisions historiques et en temps réel de GenCast et des modèles précédents, ce qui permettra à chacun d'intégrer ces données météorologiques dans ses propres modèles et flux de recherche », annonce l'entreprise.
30 décembre 2024 à 10h32
Sources : MIT Technology Review, Nature
