Pourquoi les prévisions météorologiques basées sur l’IA ne peuvent-elles pas remplacer les méthodes traditionnelles ?

Bien que l’IA soit prometteuse, les experts affirment qu’elle jouera un rôle complémentaire et ne remplacera pas complètement les modèles de prévision météorologique traditionnels.

Les prévisions météorologiques jouent un rôle essentiel pour protéger les populations et les économies des phénomènes météorologiques extrêmes. À l'échelle mondiale, des milliards de dollars dépendent chaque année de prévisions précises.

Aux États-Unis seulement, environ un tiers de l’économie (soit 3 000 milliards de dollars) est affecté par les conditions météorologiques et le climat.

Alors que le changement climatique accroît l’incertitude, le rôle de l’intelligence artificielle (IA) dans l’amélioration des prévisions suscite une attention croissante.

Mécanisme de prévision traditionnel

Un météorologue surveille l'activité météorologique dans un complexe de la NOAA dans le Maryland, aux États-Unis. Photo : Bloomberg

Les prévisions météorologiques modernes reposent sur une série de mesures effectuées à partir de ballons, de satellites, d’avions commerciaux, de navires et de nombreux autres dispositifs d’observation.

Les données provenant de ces sources sont synchronisées grâce à une technique appelée « assimilation de données » pour créer l’image la plus précise de l’état actuel de l’atmosphère.

Le système fonctionne en alimentant un modèle physique programmé par un superordinateur. La Terre est divisée en une grille tridimensionnelle, chacune contenant des équations décrivant le mouvement de l'air. Le modèle calcule ensuite les évolutions futures.

Les prévisions sont mises à jour toutes les quelques heures afin de garantir que les données reflètent les conditions atmosphériques les plus récentes. Cependant, même une petite erreur initiale peut entraîner des erreurs importantes dans les prévisions – un phénomène connu sous le nom d'effet papillon.

IA : approches alternatives et complémentaires

À partir de 2022, les modèles météorologiques alimentés par l'IA se généraliseront. Plutôt que de s'appuyer sur des équations physiques, les modèles d'IA s'appuient sur des données historiques pour identifier des tendances et établir des prévisions. Ce processus est moins gourmand en ressources informatiques.

Des entreprises comme Google DeepMind et Nvidia, ainsi que des organismes météorologiques comme le Centre européen pour les prévisions à moyen terme (CEPMMT) et l'Administration nationale océanique et atmosphérique (NOAA) des États-Unis, développent des modèles d'IA pour les prévisions météorologiques. GraphCast, développé par DeepMind, a surpassé les méthodes traditionnelles pour prédire les trajectoires des tempêtes dans les océans Pacifique et Atlantique pour la période 2021-2024. Nvidia propose CorrDiff, un modèle qui utilise l'IA pour générer des prévisions détaillées à un coût énergétique bien inférieur.

Les avantages de l'IA dans les prévisions météorologiques

L’IA devrait contribuer à surmonter les limites inhérentes aux modèles traditionnels, en particulier dans les trois domaines de la prévision hyperlocale, de la prévision des précipitations tropicales et de la prévision à moyen terme.

Avec les prévisions hyperlocales, des phénomènes tels que les orages localisés ou les tornades sont difficiles à simuler avec précision avec les modèles traditionnels en raison de leur faible résolution. L'IA permet d'améliorer le niveau de détail des prévisions sans recourir à des supercalculateurs coûteux.

En matière de prévision des précipitations tropicales, les régions équatoriales rencontrent encore des difficultés en raison du manque d'équipements d'observation et des caractéristiques uniques des systèmes pluviométriques. L'IA permet de détecter des tendances, même avec des données d'entrée limitées.

Une inondation a frappé une plantation de coton dans la province pakistanaise du Sindh en août 2022. Photo : Bloomberg

Pour les prévisions à moyen terme (2 semaines à 3 mois), cette période est cruciale pour les marchés agricoles et énergétiques, mais elle est mal modélisée. Des recherches menées par l'Université Fudan (Chine) montrent que l'IA peut améliorer les prévisions de l'oscillation de Madden-Julian, un phénomène qui affecte les précipitations et les températures plusieurs semaines plus tard.

Intégrer l'IA dans la chaîne de prévision

L'IA remplace non seulement les modèles, mais prend également en charge de nombreuses autres étapes du processus de prévision. Par exemple, grâce à la collecte de données, l'IA élargit le champ des observations, en incluant des facteurs non météorologiques tels que l'aménagement urbain, la consommation d'énergie et le comportement humain. Le CEPMMT utilise l'IA pour prévoir les incendies de forêt en fonction de l'activité humaine et des conditions de combustible.

L’IA peut également aider à traiter les images satellites : l’observatoire de Hong Kong (Chine) utilise la vision par ordinateur pour analyser le radar de pluie, prédisant ainsi la direction et la vitesse du mouvement des nuages.

Grâce à l’étape de post-traitement des données, l’IA permet de calculer des résultats spécifiques à partir d’une prévision générale, comme la quantité d’électricité qu’une éolienne produira.

Pour améliorer les prévisions traditionnelles, le Met Office utilise l’apprentissage automatique pour augmenter la précision des prévisions tout en augmentant l’utilité pour les utilisateurs finaux.

Bien que l'IA soit très prometteuse, les experts affirment qu'elle complétera probablement les modèles physiques traditionnels, et non les remplacera. En effet, l'IA s'appuie sur de vastes quantités de données historiques, dont une grande partie est obtenue par des observations et des modélisations physiques.

Le développement de l’IA doit également garantir la transparence, des coûts d’utilisation raisonnables et l’opérabilité au sein du système national de prévision.

L’IA sera le nouveau maillon de la chaîne technologique de prévision, contribuant à accroître la précision, à réduire les coûts et à étendre la capacité à prédire la météo future.

Dans un environnement météorologique de plus en plus volatil en raison du changement climatique, la combinaison de l’IA et de la science traditionnelle sera essentielle pour des systèmes de prévision plus modernes, durables et inclusifs.

(Selon Bloomberg)

18 ans d'infertilité, l'IA scanne 8 millions de photos pour trouver du sperme L'histoire d'un couple tombé enceinte grâce à la technologie STAR, un système d'intelligence artificielle capable de détecter des spermatozoïdes microscopiques, n'est pas seulement une prouesse scientifique, mais aussi un témoignage du pouvoir de l'espoir face au désespoir.

Source : https://vietnamnet.vn/vi-sao-ai-du-bao-thoi-tiet-chua-the-thay-the-phuong-phap-truyen-thong-2423878.html