Rien de plus difficile que de prédire la météo. L’atmosphère terrestre étant un système chaotique et dynamique, où de nombreux facteurs interagissent de manière complexe, la météorologie doit compter sur des modèles numériques qui nécessitent une grande quantité de données pour donner ses prévisions. Néanmoins, ces données sont toujours incomplètes et peuvent contenir des erreurs.
L’intelligence artificielle peut grandement aider à affiner ces prévisions, Météo France l’a d’ailleurs bien compris. Cette fois-ci, c’est le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) vient de dévoiler un modèle spécifiquement conçu pour prédire la météo qui surpasse tous les systèmes traditionnels.
AIFS : un modèle d’IA très précis
Le modèle développé par le CEPMMT est sobrement intitulé Artificial Intelligence Forecasting System (AIFS), que l’on pourrait simplement traduire par « Système de Prévision par Intelligence Artificielle ». En termes de performances brutes, il écrase les systèmes conventionnels, basés sur la physique, puisque ses prévisions sont plus précises de 20 %. Le tout en fonctionnant plus rapidement et en consommant 1 000 fois moins d’énergie.
Le CEPMMT, qui fête aujourd’hui ses 50 ans d’existence (et d’excellence), ajoutera donc ce nouvel outil à son arsenal déjà bien fourni. L’organisme européen est notamment connu pour son modèle ENS, dont les premières bases furent posées dans les années 1980 ; aujourd’hui, il reste toujours l’un des systèmes de prévision météorologique à moyen terme les plus performants au monde. Ces prévisions, qui couvrent une période allant de trois à quinze jours, s’étendent même jusqu’à un an dans certains cas.
Apprentissage automatique et prévisions météorologiques : un mariage prometteur
Les modèles météorologiques traditionnels reposent sur la résolution d’équations physiques pour générer leurs prévisions. Comme évoqué succinctement en introduction, ils sont limités par le caractère approximatif de ces représentations mathématiques des dynamiques atmosphériques. Ces équations sont basées sur des lois fondamentales de la physique, mais elles nécessitent des simplifications et des approximations pour être résolues numériquement.
C’est pourquoi aujourd’hui il y a un réel attrait pour des modèles pilotés par l’intelligence artificielle : car ils sont capables d’assimiler directement des relations et des dynamiques météorologiques complexes à partir des données, sans se limiter aux équations préalablement documentées. Ils n’ont pas besoin de résoudre explicitement ces équations, mais ils peuvent apprendre à partir des données pour prédire l’évolution de l’atmosphère.
Le CEPMMT n’est d’ailleurs pas le seul organisme à développer des modèles si performants. Google, plus précisément Google Deepmind (filiale de la société Alphabet spécialisée dans l’IA) avait présenté en décembre le modèle GenCast, successeur des logiciels NeuralGCM et GraphCast.
Les performances de GenCast ont surpassé celles d’ENS sur 97,2 % des cibles à travers différentes variables météorologiques. Pour les prévisions au-delà de 36 heures, GenCast s’est montré plus précis sur 99,8 % des cibles. Les cibles auxquelles on fait référence ici, ce sont des paramètres météorologiques spécifiques : température (à différentes altitudes ou niveaux de pression), précipitations (quantité, type), vitesse et direction du vent, humidité, pression atmosphérique, etc.
GenCast est donc directement en concurrence avec AIFS, c’est pourquoi ce n’est que le premier coup de semonce de la part du CEPMMT. En effet, AIFS est simplement la première version opérationnelle du système (AIFS-single), qui tendra donc à évoluer et à s’améliorer avec le temps.
Florian Pappenberger, Directeur des prévisions et des services au CEPMMT explique que AIFS ne sera pas utilisé seul pour le moment. « Actuellement, la résolution d’AIFS reste inférieure à celle de notre modèle IFS, qui atteint une résolution de 9 km grâce à une approche fondée sur la physique. Nous considérons AIFS et IFS comme complémentaires ». L’IFS (Integrated Forecasting System) est le modèle de prévision météorologique phare du CEPMMT, considéré comme l’un des meilleurs au monde pour les prévisions à moyen terme (jusqu’à 10 jours).
C’est pourquoi l’équipe du CEPMMT explore l’hybridation des modélisations basées sur les données et sur la physique : pour affiner la précision de leurs prévisions. Car sans les données physiques, l’IA ne peut pas travailler. « Les modèles basés sur la physique sont essentiels au processus actuel d’assimilation des données », précise Matthew Chantry, responsable stratégique de l’apprentissage automatique au CEPMMT et directeur de la plateforme d’innovation. « Ce même processus d’assimilation est vital pour initialiser quotidiennement les modèles d’apprentissage automatique et leur permettre d’établir des prévisions ».
Il s’agit donc de combiner le meilleur des deux mondes : la capacité de l’IA à traiter de grandes quantités de données et la précision des modèles physiques pour comprendre les phénomènes météorologiques. Pour Chantry, la prochaine étape est l’intégration complète de l’apprentissage automatique dans le processus d’assimilation des données, ce qui permettrait de créer une chaîne de prévision entièrement basée sur l’IA. Seul obstacle : l’efficacité réelle des capacités prédictives de cette technologie lorsqu’elle devra s’écarter des scénarios connus, c’est-à-dire des situations non rencontrées lors de son apprentissage.
- Le CEPMMT vient de dévoiler AIFS, un modèle IA capable de surpasser les méthodes classiques de prévision météo en rapidité et en précision.
- Contrairement aux modèles traditionnels, l’IA apprend directement à partir des données et pourrait révolutionner la météorologie.
- L’objectif du CEPMMT est d’hybrider l’IA et la physique pour combiner puissance de calcul et fiabilité des prévisions.
📍 Pour ne manquer aucune actualité de Presse-citron, suivez-nous sur Google Actualités et WhatsApp.
