Des prévisions météorologiques plus précises que jamais, grâce à l'IA : Google présente son nouvel outil

Les prévisions météorologiques ne sont pas une science exacte. Résultat d'un traitement complexe de l'atmosphère et des mouvements des grandes masses d'air, elles sont d'autant plus précises qu'elles sont proches dans le temps. Récemment, Google a pourtant décidé de défier cette limite en lançant GraphCast, un modèle de prévision météorologique basé sur l'IA qui devrait offrir une précision sans précédent. Mais en sera-t-il vraiment ainsi ?

Des prévisions météorologiques précises et rapides : comment fonctionne Google GraphCast

Google DeepMind

Les modèles traditionnels utilisés pour les prévisions météorologiques reposent sur des calculs complexes de fluidodynamique et de thermodynamique. Comme mentionné dans l'introduction, ces modèles traditionnels n'ont vraiment de sens que dans les quelques jours suivant la réalisation de ces calculs. Au-delà de cette période, les variables ne permettent pas une grande précision.

Selon l'étude publiée dans Science, Google GraphCast fait exactement la même chose, mais ne se limite pas aux seuls calculs avancés. En plus, il examine également des données historiques, les conditions météorologiques actuelles et des plages de temps plus larges. Ce modèle de prévision météorologique observe donc le passé et le présent, fournissant des données sur le futur avec une précision étonnante. Selon les données fournies par Google DeepMind, la division de Google spécialisée dans les projets liés à l'intelligence artificielle, GraphCast sera capable de fournir des prévisions météorologiques pour les 10 jours suivants avec une précision de 90%. Et cela en seulement 60 secondes.

L'intelligence artificielle est-elle l'avenir des prévisions météorologiques ?

Pexels

Étendre les prévisions météorologiques jusqu'à 10 jours dans l'avenir, sans compromettre leur fiabilité, n'est pas une mince affaire. Les techniciens de DeepMind travaillant sur Google GraphCast en sont bien conscients. Si le système de prévision météorologique basé sur l'IA venait à confirmer les résultats actuels, cela pourrait représenter une avancée révolutionnaire dans le domaine de la météorologie. L'enjeu principal n'est pas simplement la prédiction des conditions météorologiques d'ici 3 jours ou d'ici une semaine. De ce point de vue, la prévision d'événements extrêmes tels que les cyclones tropicaux et les changements climatiques semble beaucoup plus importante.

Si cela fonctionne, la mise en œuvre de Google GraphCast ne permettra pas seulement d'améliorer les méthodes actuelles de prévision météorologique, mais elle fournira également des outils pour anticiper de manière plus efficace les événements climatiques extrêmes. L'intelligence artificielle représente ainsi une nouvelle perspective pour le secteur des prévisions météorologiques, et bien plus encore.

Tout ce qui brille n'est pas or : les limites de Google GraphCast

Pexels

Dans leur étude, les chercheurs de Google DeepMind mettent en avant les avantages de l'intelligence artificielle et de Google GraphCast. Cependant, ils signalent également certaines limites. La nouvelle méthode, selon l'équipe de recherche, ne traite pas de l'incertitude dans les prévisions météorologiques, en particulier dans les scénarios extrêmes. De plus, les tests actuels se sont basés sur des prévisions spécifiques et des comparaisons avec HRES, la méthode traditionnelle de prévision météorologique. En bref : GraphCast ne s'est pas encore confronté à l'incertitude des conditions météorologiques réelles.

Bien qu'il se joigne aux autres technologies de prévision météorologique de Google, telles que Nowcasting et MetNet-3, GraphCast est fondamentalement différent. Le recours massif à des modèles d'intelligence artificielle, l'ambition et la portée du projet en font une singularité dans le paysage scientifique. En même temps, les limites de la technologie sont également très importantes et devront être résolues à temps. Le risque est de ne pas pouvoir compter sur un outil de pointe pour prévoir la météo, mais seulement sur un autre outil qui prédira qu'il pleuvra demain, pour ensuite constater qu'il ne pleut pas.