DeepMind publie WeatherNext, un modèle open source pour des prévisions météo plus rapides

DeepMind, filiale de Google, a publié WeatherNext, un modèle d’intelligence artificielle open source conçu pour améliorer la précision des prévisions météo, notamment pour les cyclones, en utilisant des données de résolution inférieure à celles des modèles traditionnels.

Le modèle WeatherNext a démontré sa capacité à anticiper les trajectoires des cyclones avec une marge de manœuvre supplémentaire d’environ un jour par rapport aux modèles existants. Ses prédictions à trois jours sont aussi fiables que celles des modèles classiques à deux jours, selon une étude publiée dans Nature. Cette avancée repose sur une approche hybride : le modèle a été entraîné à la fois sur des données météo générales et sur des événements cycloniques, malgré la rareté de ces derniers dans les jeux de données. Les chercheurs soulignent que cette méthode permet de compenser le manque de données spécifiques aux cyclones tout en améliorant la robustesse globale des prévisions.

Les implications pratiques de cette amélioration sont significatives pour les services météorologiques. Un délai supplémentaire d’un jour dans les prévisions peut avoir un impact concret sur l’organisation des évacuations, la logistique des secours et la distribution des ressources en cas de catastrophe. Mike Brennan, directeur du National Hurricane Center aux États-Unis, a qualifié ce gain de temps de « précieux », rappelant que chaque heure compte dans la gestion des risques cycloniques. Les auteurs de l’étude précisent que l’obtention d’un tel progrès par des méthodes traditionnelles aurait nécessité une décennie de recherches.