Google Research et Google DeepMind ont publié WeatherNext 3, la dernière version du système de prévisions météorologiques IA de l'entreprise et, selon Google, son modèle de prévision mondiale le plus précis à ce jour. Annoncé le 3 septembre, le système commencera à alimenter les recherches, Google Maps et Gemini en informations météorologiques et sera accessible aux entreprises et aux chercheurs via les plateformes cloud de Google.

Contrairement aux superordinateurs gouvernementaux qui produisent la plupart des prévisions mondiales depuis des décennies, WeatherNext 3 est un modèle d'apprentissage profond : il apprend les modèles directement à partir des observations plutôt que de résoudre étape par étape les équations de la physique atmosphérique. Google affirme également qu'il s'agit du premier modèle d'IA à intégrer des observations brutes par satellite directement dans une prévision mondiale à haute résolution – une affirmation contestée par au moins un concurrent. Voici ce qui a changé et pourquoi des prévisionnistes bien au-delà de Google surveillent de près les derniers développements de l'IA dans ce domaine.

Comment l'IA a brisé le moule des prévisions météorologiques

Les prévisions traditionnelles proviennent d'agences nationales telles que le National Weather Service des États-Unis et le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), dont les superordinateurs exécutent des équations mathématiques décrivant la physique de l'atmosphère. Ces systèmes sont remarquablement précis mais coûteux et relativement lents.

L’alternative d’apprentissage en profondeur a décollé après que le CEPMMT a publié plus d’un demi-siècle de données météorologiques archivées en 2018, offrant aux chercheurs exactement le type de corpus de formation sur lequel les réseaux neuronaux prospèrent. "Le temps est chaotique, et donc de petites différences commencent vraiment à perturber massivement", a déclaré Ferran Alet, chercheur scientifique responsable chez DeepMind, à TechCrunch. "L'apprentissage automatique cible le problème que nous résolvons réellement, à savoir la physique bruyante approximative à partir d'informations incomplètes et de calculs finis, et il apprend ainsi des modèles à partir d'un grand nombre de données."

Plus net, plus rapide et beaucoup plus fréquent

WeatherNext 3 est un modèle plus grand que son prédécesseur – 2,4 fois plus de paramètres – et il est désormais en tête du Operational WeatherBench de Brightband, une référence indépendante qui compare les systèmes de prévision IA sur la température, la vitesse du vent et l'humidité. Selon TechCrunch, il surpasse les modèles d'apprentissage profond concurrents de Google, Microsoft, Nvidia et du CEPMMT, et bat les prévisions numériques traditionnelles produites par le service météorologique national des États-Unis et le CEPMMT eux-mêmes.

Les gains pratiques sont substantiels :

  • Résolution jusqu'à 5 km pour les variables clés, là où la plupart des modèles d'IA prévoient des zones de 15 à 25 km. Le Decoder rapporte que le modèle est cinq fois plus détaillé que WeatherNext 2.
  • Les prévisions de pluie se sont améliorées de 60 % par rapport à WeatherNext 2 selon les évaluations de Google, et 9to5Google cite des prévisions de précipitations 50 % plus précises pour les propres produits de Google.
  • Prévisions horaires au lieu de la cadence standard de six heures, car le modèle peut ingérer des observations satellite collectées en temps réel chaque heure.
  • Ciblage au niveau de la station, ce qui signifie que le modèle prédit ce que des stations météorologiques spécifiques (et pas seulement des carrés de grille) mesureront.

"L'idée, avec de nombreuses applications d'IA, est d'essayer d'exécuter des tâches aussi de bout en bout que possible", a déclaré Daniel Rothenberg, scientifique atmosphérique chez Brightband, à TechCrunch. "L'ajout d'une capacité grâce à laquelle ce modèle prédit désormais également, par exemple, ce que la station météorologique de l'aéroport de Denver va mesurer sur une base horaire, connecte simplement cette tâche de prévision plus près du cœur."

Le différend sur les données satellitaires brutes

La revendication de Google d'une première repose autant sur la plomberie des données que sur l'architecture du modèle. La plupart des prévisionnistes IA continuent de se former et de s'initialiser sur des ensembles de données d'analyse formatées produits par les agences météorologiques gouvernementales. WeatherNext 3 ingère les observations brutes des satellites directement, toutes les heures – ce qui est plus proche, selon Google, d’une véritable assimilation des données.

La startup météorologique d'IA WindBorne rétorque que son propre modèle WeatherMesh 6 intègre depuis fin 2025 des observations brutes de sa flotte de ballons météorologiques et d'autres sources. Interrogé sur le différend, Google a souligné la résolution globale de ses prévisions. Les deux sociétés, note TechCrunch, s'appuient toujours sur des ensembles de données nationaux pour certaines parties du pipeline, de sorte que l'assimilation entièrement directe reste un travail en cours pour l'ensemble du domaine.

Où les utilisateurs le verront

"Ce sera la première fois que certaines des variables principales alimentent et alimentent un grand nombre de produits Google", a déclaré Samier Merchant, ingénieur senior chez Google, à TechCrunch. Les informations météorologiques dans la recherche, Google Maps et Gemini s'appuieront sur les résultats de WeatherNext 3, soumettant les prévisions générées par l'IA à des milliards d'utilisateurs, dont beaucoup ne connaîtront jamais le modèle qui les sous-tend.

Pourquoi c'est important au-delà de l'application

L’économie est la plus grande histoire. Les prévisions de l’IA sont rapides et peu coûteuses à produire par rapport aux ensembles de superordinateurs, ce qui met les prévisions utilisables à la portée de régions qui n’ont jamais pu se le permettre. Le Decoder rapporte que les régions d’Afrique, d’Amérique latine et d’Asie-Pacifique qui manquent de prévisions précises devraient connaître les gains les plus importants. Bill Gates a cité les prévisions météorologiques basées sur l’IA comme un avantage concret en matière de développement, avec de meilleures prévisions améliorant les rendements des cultures dans les pays en développement, et Alet note que des prévisions à plus haute résolution du vent, de la pluie et des nuages ​​peuvent rendre les projets d’énergies renouvelables plus fiables.

Les agences météorologiques d’Europe et des États-Unis intègrent déjà des modèles d’IA dans leurs produits opérationnels. Avec WeatherNext 3, la révolution des transformateurs qui a remodelé le langage est devenue discrètement le moteur de la météo quotidienne.

Gardez une longueur d'avance sur l'IA

La recherche sur l’IA évolue rapidement. Obtenez les derniers développements de l'IA en un seul endroit.

Lire plus d'actualités sur l'IA →