L'IA surpasse la « norme d'or » des prévisions météorologiques

L’IA a surpassé les méthodes de prévision traditionnelles dans le suivi de la qualité de l’air, des conditions météorologiques et des tempêtes tropicales en raison du changement climatique (Photo : Getty).
Un nouveau modèle d'intelligence artificielle (IA) développé par Microsoft appelé Aurora attire une grande attention dans la communauté scientifique lorsqu'il montre sa capacité à prédire le temps plus précisément et plus rapidement que de nombreux centres météorologiques de premier plan dans le monde, notamment le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) et le Centre national des ouragans des États-Unis (NHC).
Selon une étude publiée le 22 mai dans la revue Nature, le système Aurora a été entièrement formé à partir de données historiques, sans utiliser de modèles physiques traditionnels.
Il a néanmoins produit des résultats impressionnants, notamment en prédisant avec précision tous les ouragans majeurs en 2023, tout en générant des prévisions météorologiques sur 10 jours à des coûts de calcul des centaines de fois inférieurs.
Dans un exemple particulier, Aurora avait correctement prédit quatre jours à l’avance que le super typhon Doksuri toucherait terre dans le nord des Philippines, alors que les prévisions officielles de l’époque prévoyaient que la tempête se dirigerait vers le nord de Taïwan.
Doksuri a été plus tard enregistré comme l’une des tempêtes les plus coûteuses de l’histoire de la région Asie- Pacifique .
Aurora a également surpassé l’ECMWF, qui est considéré comme la « référence absolue » en matière de prévision. Plus précisément, l’IA de Microsoft a atteint une précision supérieure à celle de l’ECMWF dans 92 % des prévisions mondiales sur 10 jours, à une résolution d’environ 10 km².
Course à l'IA entre géants de la technologie

L'IA Aurora a prédit avec précision que le typhon Doksuri toucherait terre dans le nord des Philippines (Photo : Microsoft).
Aurora n’est pas le seul modèle d’IA dans cet espace. Auparavant, Huawei avait introduit le modèle Pangu-Weather en 2023, et Google avait également affirmé que son modèle GenCast avait surpassé l'ECMWF dans 97 % des cas de catastrophe naturelle en 2019.
Les principaux pays et les agences météorologiques sont également en pleine course. Météo-France et le CEPMMT développent eux-mêmes leurs propres modèles d'apprentissage automatique. Les représentants de l'ECMWF ont déclaré que leur premier modèle d'IA, mis à l'essai depuis février 2025, permet de gagner plus de 1 000 fois le temps de calcul par rapport au modèle physique, malgré la résolution limitée (30 km²).
L’essor de l’IA dans les prévisions météorologiques vient du fait que les modèles de prévision traditionnels nécessitent une grande quantité de calcul car ils sont basés sur des équations physiques complexes.
Pendant ce temps, l’IA comme Aurora apprend à partir de données réelles, ce qui réduit considérablement le temps de traitement. Selon les experts, cela pourrait être le premier pas vers une révolution de la météorologie.
« Nous sommes au début d’une transformation majeure dans la science du système atmosphérique », a déclaré Paris Perdikaris, professeur associé à l’Université de Pennsylvanie et auteur principal de l’étude.
« L’objectif pour les 5 à 10 prochaines années est de construire des systèmes capables d’exploiter directement les données des satellites et des stations météorologiques pour générer des prévisions à haute résolution partout dans le monde », a-t-il déclaré.
Actuellement, bien qu’Aurora ne soit pas encore commercialisé, les résultats des tests montrent un grand potentiel.
Le remplacement progressif des méthodes traditionnelles par l’IA dans le domaine de la météorologie est considéré comme faisable et nécessaire, notamment dans le contexte d’un changement climatique de plus en plus grave et du besoin de prévisions précises et opportunes devenant plus urgent que jamais.
Source : https://dantri.com.vn/khoa-hoc/ai-vuot-mat-cac-trung-tam-du-bao-thoi-tiet-toan-cau-20250523065832612.htm
Comment (0)