Google DeepMind et Google Research ont lancé WeatherNext 3 jeudi, le décrivant comme le modèle d'IA météorologique mondial le plus avancé et le plus précis jamais construit par l'entreprise. Le nouveau système produit une nouvelle prévision toutes les heures au lieu de toutes les six heures, et résout les variables de surface clés telles que la température et l'humidité sur une grille de 5 kilomètres – une image selon Google est environ cinq fois plus nette que son prédécesseur, WeatherNext 2.
Contrairement à la plupart des lancements de modèles, celui-ci est déjà intégré à des produits utilisés par des milliards de personnes. Selon Google, WeatherNext 3 alimente désormais les résultats météorologiques dans Search, Gemini, Maps, Google Maps Platform et Google Cloud. Pour les adeptes des dernières actualités et recherches sur l'IA, les prévisions météorologiques sont progressivement devenues l'une des frontières les plus réussies commercialement de l'apprentissage automatique - un domaine dans lequel les systèmes d'IA ne sont plus des démonstrations de recherche mais le moteur par défaut derrière les réponses quotidiennes.
Une résolution multipliée par cinq
L'utilité d'une prévision se résume souvent à des détails : la précision avec laquelle un modèle résout à la fois l'espace et le temps. WeatherNext 3 génère des prévisions horaires à plusieurs résolutions spatiales. La température et l'humidité de la surface sont rendues à 5 kilomètres, les autres variables de surface à 10 kilomètres et les variables atmosphériques telles que la vitesse du vent à 25 kilomètres.
WeatherNext 2, en comparaison, produisait des prévisions sur une grille de 25 kilomètres par incréments de 6 heures. Dans une comparaison publiée parallèlement à l'annonce, la prévision de température de 2 mètres du nouveau modèle au-dessus du Royaume-Uni a résolu une topographie locale complexe, évitant les représentations thermiques pixélisées et trop lissées produites par l'ancienne grille.
Apprendre à partir de satellites en direct, pas seulement de simulations
Le changement le plus profond est ce dont le modèle apprend. La plupart des modèles météorologiques d'IA, y compris WeatherNext 2, sont formés sur les résultats de la prévision numérique du temps (NWP) – les simulations physiques pilotées par superordinateur qui ont ancré la météorologie opérationnelle pendant des décennies. Ces simulations comportent un décalage de données de six heures, ce qui introduit des biais dans les variables à évolution rapide telles que la pluie et la température de surface.
WeatherNext 3 emprunte un chemin différent. Il ingère une mosaïque en direct d’images satellitaires géostationnaires mondiales actualisées toutes les heures, parallèlement à l’analyse historique traditionnelle, et alimente les deux dans un seul réseau génératif fonctionnel (FGN) – une architecture de transformateur maillé qui produit de manière native des champs maillés denses, des traces de cyclones discrètes et des prévisions au niveau de la station. Étant donné que chaque prévision horaire est basée sur les observations satellite les plus récentes, Google affirme que le modèle peut suivre les changements météorologiques rapides avec une bien plus grande précision, avec certains des gains de précipitations les plus importants – les prévisions de pluie et de neige sur lesquelles les gens planifient réellement leurs journées.
Des cellules de grille aux traces de cyclones
Les sorties du FGN sont particulièrement diverses pour un même modèle. Au-delà des champs maillés, il émet des traces de cyclones discrètes et des coordonnées clairsemées au niveau de la station en tant que prédictions de première classe plutôt que des modules complémentaires post-traités. C’est important pour les prévisionnistes qui surveillent les ouragans et les typhons, où les erreurs de trajectoire se traduisent directement par des décisions d’évacuation. La précédente génération WeatherNext de Google a attiré l'attention en août pour une percée dans la prévision des cyclones tropicaux, et la nouvelle architecture étend cette ligne de travail.
Où les prévisions apparaîtront
Google déploie WeatherNext 3 sur Search, Gemini, Maps, Google Maps Platform et Cloud. La société a également souligné deux ajouts destinés aux utilisateurs professionnels : des prévisions plus précises des précipitations et de nouvelles variables d'énergie propre, des résultats conçus pour le secteur des énergies renouvelables où les opérateurs éoliens et solaires planifient en fonction des changements atmosphériques horaires.
Les entreprises peuvent intégrer les prévisions via Google Cloud, ce qui positionne WeatherNext 3 non seulement comme une fonctionnalité grand public, mais aussi comme un produit de données sur lequel les entreprises agricoles, les entreprises de logistique et les opérateurs de réseau peuvent s'appuyer directement.
Comment l'allégation d'exactitude a été mesurée
L'affirmation de Google selon laquelle WeatherNext 3 est le modèle météorologique mondial le plus précis à ce jour repose non seulement sur des tests internes, mais aussi sur des évaluations indépendantes en direct menées par Brightband, une société d'IA météorologique qui effectue des tests continus de systèmes de prévision. Faire appel à des évaluations tierces devient une tendance pour les modèles scientifiques de Google, et cela répond à une critique de longue date selon laquelle les journaux météorologiques basés sur l'IA rapportent des résultats sur des ensembles historiques sélectionnés plutôt que sur des conditions réelles.
Pourquoi c'est important au-delà de l'application générale
L'annonce de Google considère la météo comme un facteur de décision à toutes les échelles : de la prise d'un parapluie à la gestion des vagues de chaleur et des sécheresses qui se répercutent sur l'agriculture, les chaînes d'approvisionnement mondiales, la production d'énergie propre et les économies nationales. Ces dernières années, les prévisionnistes IA ont gagné leur place dans ce pipeline en générant des prévisions plus rapidement que les méthodes traditionnelles tout en égalant ou en dépassant leur précision, selon Google.
Le paysage concurrentiel se réchauffe également. Les agences météorologiques et les entreprises technologiques ont livré des systèmes de prévision par IA ces dernières années, et les prévisions horaires basées sur des satellites placent la barre plus haut pour chacune d'entre elles. La question pour l'année prochaine est de savoir si les services météorologiques nationaux commenceront à traiter des modèles comme WeatherNext 3 comme des sources principales plutôt que comme des suppléments expérimentaux – et si la cadence horaire de Google deviendra la nouvelle référence de l'industrie.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
