Lorsque les chercheurs combinent les modèles météorologiques actuels avec l’intelligence artificielle, le résultat est bluffant et particulièrement efficace, y compris à moyen terme !
Chaque matin, vous regardez le ciel pour avoir une idée de la météo, puis votre application météo (ou la météo à la télé) pour avoir les prévisions de la journée et savoir si vous devez prendre un parapluie, vous couvrir, planifier. la crème solaire, apportez vos lunettes de soleil, etc.
Nous faisons tous ça, c’est normal. Mais savez-vous comment sont établies les prévisions météo que vous consultez ?
Modèles de prévisions météorologiques traditionnels
Les prévisions météorologiques sont aujourd’hui réalisées par des modèles informatiques basés sur nos connaissances de la physique atmosphérique (notamment des courants atmosphériques) et sur des données empiriques. Les modèles sont ensuite confiés à des ordinateurs qui doivent les calculer afin de fournir les prévisions. La plupart du temps, un modèle est calculé plusieurs fois, car il peut donner des résultats différents en raison du caractère chaotique de la météo.
C’est la différence de résultats entre chaque calcul du modèle qui permet d’obtenir le degré d’incertitude de la prévision.
Il y a quelques années, lorsque l’IA a commencé à devenir accessible, la question de son utilisation pour créer des prévisions météorologiques s’est posée. Il faut dire que le fonctionnement actuel, que nous venons de décrire, est très lent, le temps de calcul des prévisions étant long (plusieurs heures), rendant parfois les prévisions obsolètes avant même qu’elles ne soient fournies.
Google a ensuite lancé le bal en créant un modèle de prévision rapide utilisant un réseau de neurones. Le modèle proposé a permis de produire des prévisions météorologiques sur six heures en seulement 1 minute.
Aujourd’hui, les techniques d’intelligence artificielle ont évolué et pourraient bien permettre de faire des prédictions non pas sur plusieurs heures, mais sur plusieurs jours. Cependant, l’utilisation d’un simple modèle d’IA ne peut pas suffire, car les tests ont montré qu’il est bien trop éloigné de la réalité.
Les avantages d’un modèle hybride entre prévisions traditionnelles et IA
Aujourd’hui, Google Deepmind, la branche IA de Google, a dévoilé GenCast. Il s’agit d’un tout nouveau modèle de calcul de prévisions météorologiques à l’aide de l’IA. Sa particularité est qu’il s’appuie sur des modèles traditionnels, auxquels s’ajoute un moteur de calcul d’intelligence artificielle (avec l’ajout des données météorologiques actuelles).
D’après les tests réalisés, GenCast propose des prévisions ultra précises (sur 15 jours), parfois même plus précises que le Centre européen de prévisions météorologiques à moyen terme, actuellement leader en matière de prévision météo. Ainsi, dans 97,2% des cas étudiés, c’est GenCast qui a fourni les prévisions les plus précises.
Deepmind indique sur sa page de présentation que le modèle (son code et toutes les informations nécessaires) sera mis à disposition sur la page GitHub du projet afin que les chercheurs en météorologie du monde entier puissent se l’approprier et le tester.
Par rapport aux modèles de prévisions actuels, DeepMind indique que GenCast est capable de fournir un ensemble d’une cinquantaine de prévisions en un seul calcul (en un temps record de quelques minutes), permettant de visualiser l’évolution possible de la météo, ce qui est particulièrement intéressant en cas d’événements météorologiques extrêmes.
Comme décrit sur la page de présentation du projet, « GenCast est un modèle de streaming, le type de modèle d’IA générative qui s’appuie sur les progrès récents et rapides en matière de génération d’images, de vidéos et de musique. Cependant, GenCast diffère de ces modèles en ce sens qu’il est adapté à la géométrie sphérique de la Terre et apprend à générer avec précision la distribution de probabilité complexe des scénarios météorologiques futurs lorsque l’état météorologique le plus récent lui est fourni dans les données d’entrée.
Pour entraîner GenCast, les équipes de Deepmind lui ont d’abord fourni des données météorologiques des quarante dernières années, tirées des archives du Centre européen de prévisions météorologiques à moyen terme. Ces données comprenaient la température, la vitesse du vent et la pression à différentes altitudes.
