Le nouveau modèle d’IA de Google signifie que les perspectives en matière de prévisions météorologiques sont prometteuses

Un nouveau modèle de prévision météorologique basé sur l’IA peut effectuer le travail avec une précision sans précédent et beaucoup plus rapidement que la technologie actuelle.

Construit par Google DeepMind – le laboratoire axé sur l'IA du géant du Web – GraphCast semble prêt à révolutionner le processus de prévision météorologique.

GraphCast peut prévoir la météo jusqu'à 10 jours à l'avance « avec plus de précision et beaucoup plus rapidement que le système de simulation météorologique de référence de l'industrie – la prévision à haute résolution (HRES), produite par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) », Google DeepMind a déclaré dans un article mardi.

Notamment, le modèle peut également proposer des alertes plus précoces en cas d’ événements météorologiques extrêmes et prédire le mouvement des cyclones avec plus de précision, donnant ainsi aux autorités et aux résidents plus de temps pour se préparer aux tempêtes dévastatrices, sauvant ainsi potentiellement des vies.

Lorsque l'ouragan Lee a frappé l'est du Canada en septembre, GraphCast a prédit avec précision qu'il toucherait terre en Nouvelle-Écosse neuf jours avant, alors que les prévisions traditionnelles ne faisaient la même prévision qu'environ six jours à l'avance.

GraphCast a été formé sur quatre décennies de données météorologiques, ce qui lui a permis d'apprendre les relations de cause à effet derrière les systèmes météorologiques de la Terre, a déclaré l'équipe DeepMind.

Remarquablement, GraphCast prend moins de 60 secondes pour créer une prévision sur 10 jours, ce qui la rend bien plus rapide que l'approche conventionnelle utilisée par HRES, qui, selon l'équipe, « peut prendre des heures de calcul dans un superordinateur doté de centaines de machines ».

Lors d'une comparaison des deux systèmes, GraphCast a donné des prévisions plus précises sur plus de 90 % des 1 380 variables de test et des délais de prévision par rapport à HRES.

"Lorsque nous avons limité l'évaluation à la troposphère, la région de l'atmosphère de 6 à 20 kilomètres d'altitude la plus proche de la surface de la Terre où des prévisions précises sont les plus importantes, notre modèle a surpassé HRES sur 99,7 % des variables de test pour les conditions météorologiques futures", a déclaré le rapport. a déclaré l’équipe.

À mesure que les conditions météorologiques évoluent dans le climat en constante évolution de la Terre, GraphCast ne fera que s'améliorer en alimentant des données de meilleure qualité.

L'équipe met à disposition le code modèle de GraphCast pour permettre aux scientifiques et aux prévisionnistes d'accéder à la technologie. Cela leur permettra de l’adapter à des phénomènes météorologiques spécifiques et de l’optimiser pour différentes parties du monde. Le CEPMMT teste déjà ce modèle.

Une étude publiée mardi par Science propose un aperçu plus détaillé de GraphCast. Dans ce document, l'équipe affirme que le modèle « ne doit pas être considéré comme un remplacement des méthodes traditionnelles de prévision météorologique, qui ont été développées pendant des décennies, rigoureusement testées dans de nombreux contextes réels et offrent de nombreuses fonctionnalités que nous n'avons pas encore explorées », ajoutant que GraphCast « a le potentiel de compléter et d’améliorer les meilleures méthodes actuelles ».

Il estime néanmoins que le déploiement de l’IA pour les prévisions météorologiques « bénéficiera à des milliards de personnes dans leur vie quotidienne », expliquant qu’en plus des prévisions météorologiques, il souhaite également utiliser la technologie pour mieux comprendre les tendances plus larges de notre climat. "En développant de nouveaux outils et en accélérant la recherche, nous espérons que l'IA pourra permettre à la communauté mondiale de relever nos plus grands défis environnementaux", peut-on lire.