Google DeepMind a dévoilé son nouveau modèle météorologique IA, WeatherNext 2, le 17 novembre, marquant une avancée significative dans les prévisions mondiales.
Le système utilise une nouvelle méthode appelée réseau génératif fonctionnel (FGN) pour créer des prévisions huit fois plus rapidement et avec plus de détails que son prédécesseur. Cette avancée améliore les prévisions d’événements complexes comme les ouragans en générant des centaines de scénarios possibles en quelques minutes.
Google donne désormais accès aux données du modèle via ses plateformes cloud. Cette décision vise à accélérer la recherche et à améliorer la sécurité publique à mesure que l’IA devient plus centrale dans la science météorologique, même si les sources de données publiques sont confrontées à l’incertitude.
Une nouvelle architecture pour des prévisions plus rapides et plus précises
Au cœur de WeatherNext 2 est une nouvelle architecture détaillée dans des recherches récentes. Contrairement à son prédécesseur GenCast, qui utilisait une approche basée sur la diffusion, WeatherNext 2 est construit sur ce que l’on appelle un réseau génératif fonctionnel.
Cette méthode FGN injecte un « bruit » soigneusement structuré directement dans les paramètres du modèle. Il permet au système de générer un large ensemble de scénarios météorologiques physiquement réalistes et cohérents à partir d’un seul point de départ.
Chaque prévision prend moins d’une minute sur un seul TPU, une tâche qui nécessiterait des heures sur un superordinateur traditionnel.
Cette efficacité ne se fait pas au détriment de la précision. Selon les évaluations de Google, WeatherNext 2 surpasse le modèle de pointe précédent, GenCast, sur 99,9 % de toutes les variables et des délais de prévision. Le nouveau modèle démontre une amélioration moyenne de 6,5 % de la précision mesurée par le score de probabilité classé continu (CRPS), une mesure clé pour les prévisions probabilistes.
Il offre également une résolution temporelle plus élevée, avec des prédictions disponibles à des intervalles de 6 heures et des capacités expérimentales pour des pas de temps d’une heure, fournissant des données plus granulaires aux décideurs, comme détaillé dans le documentation officielle du modèle.
L’approche FGN est particulièrement efficace pour modéliser à la fois les éléments météorologiques individuels (« marginaux ») et leurs interactions complexes (« articulations »). En s’entraînant uniquement sur des points de données individuels tels que la température ou la vitesse du vent, le modèle apprend la physique sous-jacente pour prédire des systèmes à grande échelle tels que les rivières atmosphériques et les cyclones.
Cependant, Google note que le modèle présente certaines limites, notamment la possibilité d’artefacts visuels mineurs en « nid d’abeilles » dans les prévisions pour certaines variables, comme indiqué dans son cas d’utilisation et limitations. aperçu.
[contenu intégré]
Du laboratoire de recherche aux plateformes publiques et agences partenaires
En s’appuyant sur ses avancées précédentes, Google a dévoilé une stratégie claire pour faire passer son IA météo de la recherche à l’application dans le monde réel. Les données de prévision de WeatherNext 2 sont désormais accessibles aux chercheurs et aux développeurs via les plateformes Earth Engine et BigQuery de Google.
De plus, un nouveau programme d’accès anticipé sur Vertex AI de Google Cloud permet aux organisations de générer leurs propres prévisions personnalisées à l’aide du modèle.
Cette initiative s’inscrit dans une tendance plus large d’implication croissante des grandes technologies dans la météorologie. Des entreprises comme Microsoft, Nvidia et IBM ont toutes développé leurs propres systèmes de prévision avancés, comme Aardvark Weather de Microsoft et le modèle NASA/IBM Prithvi WxC.
Comme Kirstine Dale, responsable de l’IA au Met Office, l’a souligné à propos de la tendance générale :”Nous voyons le potentiel d’un véritable changement radical… dans la façon dont nous prévoyons, qui est à certains égards similaire à celui où nous avons commencé à utiliser les ordinateurs.”
La stratégie de Google inclut également une collaboration directe avec les principaux acteurs clés. agences gouvernementales. Dans le cadre d’un partenariat historique, le National Hurricane Center (NHC) des États-Unis a intégré un modèle expérimental d’IA de Google dans son flux de travail opérationnel pour la saison des ouragans 2025.
Cette collaboration, une première pour l’agence fédérale, mettra les conseils générés par l’IA à la disposition de prévisionnistes humains experts, associant la vitesse des machines à l’expertise humaine pour améliorer les alertes en cas de tempêtes potentiellement mortelles.
La crise imminente : la dépendance de l’IA à l’égard des espèces en danger. Données publiques
Alors que les progrès technologiques s’accélèrent, l’ensemble du domaine est confronté à une menace fondamentale. Les modèles météorologiques d’IA comme WeatherNext 2 sont formés sur des décennies de données historiques, la plupart provenant d’archives publiques gérées par des agences comme la National Oceanic and Atmospheric Administration (NOAA) des États-Unis.
Ces sources de données essentielles sont désormais menacées en raison des coupes budgétaires proposées et de graves pénuries de personnel.
La situation est devenue si critique que cinq anciens directeurs du National Weather Service (NWS) de la NOAA ont publié une lettre ouverte avertissant des conséquences potentielles.
« Notre pire cauchemar est que les bureaux de prévisions météorologiques soient tellement en sous-effectif qu’il y aura des pertes de vies inutiles », ont-ils écrit. Depuis début 2025, le NWS a perdu plus de 550 employés, laissant certains bureaux de prévision en sous-effectif critique au moment même où commence la saison des ouragans.
Un ancien chef du NHC a décrit les efforts visant à pourvoir les postes vacants comme une simple « manipulation des transats sur le Titanic », ajoutant: « Vous remplissez un trou quelque part et vous en créez un ailleurs. »
Cette crise des données n’est pas passée inaperçue auprès de la communauté scientifique. Le professeur de l’Université de Cambridge, Richard Turner, a exprimé son inquiétude en déclarant: « Étonnamment, à mon avis, la communauté n’a pas encore pris conscience de ce danger… Je pense que les coupes sont très dangereuses à une époque où le climat change réellement. en hauteur, son succès dépend d’une infrastructure de données publiques qui lutte pour sa survie.
Le nouveau partenariat entre Google et le NHC met en évidence l’immense potentiel de l’IA pour sauver des vies, mais il montre également le besoin urgent de protéger les données ouvertes qui rendent de tels progrès possibles, un thème central de la révolution météorologique en cours de l’IA.
