Un modèle baptisé Aurora a battu à plat de couture de coûteuses prévisions traditionnelles. La révolution est en marche.
Un modèle d’intelligence artificielle (IA) de Microsoft a obtenu des prévisions météorologiques à 10 jours plus précises et à moindre coût que celles des grandes agences internationales, selon des résultats publiés mercredi dans la revue scientifique de référence «Nature».
Ces performances expérimentales, non disponibles pour le grand public, sont une nouvelle percée dans l’ère ouverte en 2023 par le modèle d’IA Pangu-Weather de Huawei. Google avait aussi annoncé l’an dernier avoir battu les modèles habituels avec un modèle d’apprentissage IA.
Le modèle d’apprentissage de Microsoft a pour nom Aurora. Il «surpasse les prévisions opérationnelles en matière de prévision de la qualité de l’air, des vagues océaniques et des trajectoires des cyclones tropicaux (…), le tout à un coût de calcul» nettement inférieur, rapportent les chercheurs dans leurs résultats publiés par Nature.
Selon ses concepteurs, Aurora est ainsi le premier modèle IA à avoir systématiquement mieux appréhendé la trajectoire à 5 jours de cyclones dévastateurs que sept centres de prévisions, dont le Centre américain des ouragans.
Dans sa simulation, Aurora a ainsi correctement prévu, et quatre jours avant, que Doksuri, le plus coûteux typhon du Pacifique à ce jour allait frapper les Philippines. Les prévisions officielles de l’époque, en 2023, le voyait se diriger au nord de Taïwan.
Le modèle IA de Microsoft a également dépassé dans 92% des cas la qualité des prévisions mondiales, à 10 jours et sur une échelle d’environ 10 km², établies par le modèle du Centre européen de prévisions météorologiques à moyen terme (ECMWF, en anglais).
L’ECMWF, qui fournit des prévisions pour 35 pays d’Europe, est considéré comme la référence mondiale en matière de précision météorologique.
Google pas loin du 100%
En décembre, Google avait annoncé que son modèle GenCast avait dépassé la précision du centre européen dans plus de 97% des 1320 désastres climatiques répertoriés en 2019.
Ces performances prometteuses, mais encore expérimentales et seulement testées sur des données passées, sont scrutées de près par les agences météo, dont plusieurs comme Météo-France développent leur propre modèle d’apprentissage IA en parallèle des modèles numériques traditionnels.
«C’est quelque chose qu’on a pris à bras-le-corps», déclare à l’AFP Florence Rabier, la directrice générale de l’ECMWF, annonçant avoir mis à disposition de ses États membres en février son «premier modèle» d’apprentissage, «à peu près 1000 fois moins coûteux en temps calcul que le modèle physique» traditionnel.
Ce modèle produit pour l’heure des prévisions à une échelle d’environ 30 km², certes moins fine que celles d’Aurora, mais déjà opérationnelles. Ces prévisions se trouvent entre les mains des prévisionnistes officiels.
Source : lematin.ch
