L’IA pourrait améliorer les prévisions météo

GraphCast pour Google, Aurora pour Microsoft… Les modèles météo qui reposent sur l’intelligence artificielle (IA) explosent depuis 2022. Si ces outils sont pour beaucoup détenus par des géants de l’informatique, ce n’est pas un hasard. En effet, cette IA dite prédictive se nourrit d’un important jeu de données historiques, allant jusqu’à ces soixante dernières années. Rares sont donc les entreprises dotées de la puissance informatique nécessaire pour faire tourner le modèle.

Cela étant dit, l’IA n’est pas une nouveauté dans le domaine de la météo : « Chez Météo France, nous l’utilisons depuis les années quatre-vingt en post-traitement, pour corriger les prévisions de nos modèles physiques, indique Laure Raynaud, chercheuse en prévisions météorologiques et IA pour l’établissement. Ce qui est récent, c’est la technologie d’apprentissage profond avec l’utilisation de réseaux de neurones. »

La stratégie des modèles IA est donc bien différente de celle des modèles physiques, alimentés par des observations de terrain et des équations mathématiques complexes élaborées par les experts. « Avec l’IA, l’humain intervient dans le choix et la préparation des données puis dans la construction de l’algorithme d’apprentissage, explique Laure Raynaud. En revanche, connaître comment l’atmosphère fonctionne n’est plus un prérequis puisqu’on laisse la machine l’apprendre. »

Enjeu de résolution

Derrière cette technologie nouvelle, deux enjeux de taille : gagner en temps et en qualité. Le premier est déjà acquis : « Pour une prévision à quelques jours d’échéance, l’IA une fois entraînée va mettre quelques minutes à la calculer quand le modèle physique aura besoin d’une heure », illustre Laure Raynaud. Le gain qualitatif est également démontré mais il est lié à la qualité des données, elle-même dépendante, entre autres, de la résolution utilisée.

« Aujourd’hui, ces modèles tournent avec une résolution d’environ dix kilomètres, détaille Emmanuel Buisson, directeur produit et innovation chez Weenat. À titre de comparaison, Arome, le modèle physique de Météo France, tourne avec une résolution d’un kilomètre. » Cet écart se ressent dans les capacités de l’IA : elle fait mieux que les modèles physiques sur la température, l’humidité, la pression atmosphérique… Mais reste en deçà pour des paramètres à échelle spatiale plus fine comme le rayonnement solaire, la couverture nuageuse ou la pluviométrie. « Ainsi, l’IA ne répond pas aujourd’hui à la problématique agricole », résume Emmanuel Buisson.

Selon lui, l’IA a aussi des lacunes sur les projections climatiques : « Elle n’a pas la capacité de voir les phénomènes brutaux (orages, grêle…) caractéristiques du changement climatique. » Malgré tout, le potentiel est là et la recherche progresse, y compris en France. Météo France travaille notamment sur le développement de nouveaux modèles fondés sur l’IA à des résolutions fines d’un kilomètre qui seront utilisés en complément des modèles physiques actuels.