Google fait déjà la pluie et le beau temps sur Internet. Mais dans la vraie vie, c'est une autre affaire. Peut-être plus pour longtemps. Une équipe de DeepMind, le laboratoire de recherche en intelligence artificielle (IA) de Google, a présenté dans la semaine un outil qui surpasserait tous les modèles actuels de prévisions météorologiques à moyen terme, soit dix jours en avance. Pour prévoir le temps qu'il fera demain, il faut déjà connaître le temps qu'il fait aujourd'hui. Les services météorologiques s'appuient sur des simulations informatiques en tentant de reproduire la physique de l'atmosphère terrestre.
Météo France utilise des données issues des observations satellites ou de stations au sol, mais aussi par le biais de capteurs embarqués sur des avions de ligne, des navires de commerce ainsi que des bouées ancrées ou dérivantes. Environ 22 millions de données d'observations sont ainsi utilisées chaque jour. Du fait de la multiplication des données disponibles et d'une meilleure puissance de calcul, les prévisions gagnent fiabilité au fil du temps. Mais traiter cette gigantesque masse de données nécessite des calculs, beaucoup de calculs.
L'équipe de Google DeepMind mise sur une nouvelle approche, en servant d'algorithmes d'apprentissage automatique qui ont été entraînés à partir de décennies de données météorologiques (39 ans, pour être précis). Dans une récente étude publiée dans la revue Science, elle décrit le fonctionnement de cet outil encore à l'état expérimental. Lors des tests, GraphCast a été capable de prévoir des mesures atmosphériques avec plus de précision que le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT), qui fait référence en la matière. Le tout, avec une puissance de calcul inférieure.
Malgré ces résultats prometteurs, l'outil mis au point par les ingénieurs de Google est encore d'être abouti. Pour l'instant, il n'est pas en mesure de fournir des prévisions d'ensemble lors d'un événement climatique majeur. Par ailleurs, les modèles d'IA ont parfois tendance à sous-estimer leur puissance, comme pour les tempêtes de catégorie 5 par exemple. Selon les chercheurs, cela pourrait s'expliquer par le fait que leurs algorithmes favorisent des prévisions plus proches des conditions météorologiques moyennes, d'où une certaine réticence à anticiper des scénarios extrêmes.
Lire aussi
Supercalculateur : trois questions sur les nouveaux ordinateurs surpuissants de Météo France
Pour entraîner un logiciel à faire de bonnes prédictions, il faut disposer des bonnes données. Le fait de s'appuyer sur des données historiques afin d'entraîner des modèles d'IA a aussi ses limites. D'autant plus, à l'heure du changement climatique. En effet, que se passerait-il si les conditions météorologiques dans le futur ne ressemblent en rien à celles du passé ? Les modèles de prévisions météorologiques classiques s'appuient sur les lois de la physique. Le temps change, mais les règles qui le régissent ne changent pas. Jusqu'à preuve du contraire, en tout cas.
Sur lemême thème