The China Mail - Comment la prévision des tempêtes et des canicules fait des bonds grâce à l'IA

USD -
AED 3.672501
AFN 63.999776
ALL 82.464942
AMD 358.505756
ANG 1.790403
AOA 917.504229
ARS 1549.867929
AUD 1.482975
AWG 1.8025
AZN 1.698454
BAM 1.779156
BBD 2.017129
BDT 124.690139
BGN 1.77347
BHD 0.378157
BIF 3007.43672
BMD 1
BND 1.291033
BOB 11.682086
BRL 5.784499
BSD 1.001496
BTN 94.002656
BWP 14.018585
BYN 3.009424
BYR 19600
BZD 2.014218
CAD 1.43043
CDF 2317.999865
CHF 0.839575
CLF 0.025357
CLP 997.980152
CNY 6.66455
CNH 6.66513
COP 3317.23
CRC 446.292118
CUC 1
CUP 24.035623
CVE 100.306108
CZK 22.182985
DJF 178.348063
DKK 6.792431
DOP 60.867113
DZD 137.047976
EGP 53.674297
ERN 15
ETB 164.376481
EUR 0.90865
FJD 2.28475
FKP 0.758367
GBP 0.758249
GEL 2.594974
GGP 0.758367
GHS 11.732118
GIP 0.758367
GMD 73.49797
GNF 8873.120921
GTQ 7.654066
GYD 209.544342
HKD 7.84613
HNL 26.932961
HRK 6.831965
HTG 131.250142
HUF 331.149501
IDR 18265
ILS 3.24365
IMP 0.758367
INR 93.83345
IQD 1518.259596
IRR 1925253.999992
ISK 124.310346
JEP 0.758367
JMD 158.794125
JOD 0.708981
JPY 159.379799
KES 129.979407
KGS 87.449398
KHR 4106.5296
KMF 447.498901
KPW 900.00035
KRW 1338.930319
KWD 0.31162
KYD 0.834633
KZT 445.59873
LAK 22549.202436
LBP 89683.974965
LKR 333.298462
LRD 170.2507
LSL 16.970744
LTL 2.95274
LVL 0.60489
LYD 6.470746
MAD 9.982716
MDL 18.317444
MGA 4555.8128
MKD 55.961956
MMK 2099.8229
MNT 3605.49036
MOP 8.0932
MRU 40.667528
MUR 47.809876
MVR 15.410193
MWK 1736.583325
MXN 18.50827
MYR 4.089602
MZN 63.909785
NAD 16.970667
NGN 1346.080285
NIO 36.851561
NOK 9.65025
NPR 150.403886
NZD 1.82147
OMR 0.384487
PAB 1.001465
PEN 3.415402
PGK 4.572229
PHP 63.764052
PKR 276.920096
PLN 3.99997
PYG 6215.118421
QAR 3.660925
RON 4.856503
RSD 106.854973
RUB 82.599621
RWF 1479.507134
SAR 3.763042
SBD 8.098361
SCR 13.909944
SDG 601.495895
SEK 10.092555
SGD 1.288755
SHP 0.758581
SLE 23.050346
SLL 20969.503664
SOS 572.372042
SRD 37.4535
STD 20697.981008
STN 22.288025
SVC 8.762969
SYP 13002.000337
SZL 16.966036
THB 33.826058
TJS 9.228432
TMT 3.51
TND 3.027513
TOP 2.40776
TRY 50.417032
TTD 6.801694
TWD 33.007698
TZS 2644.998029
UAH 45.525197
UGX 4156.319079
UYU 40.6615
UZS 12027.818082
VES 914.603603
VND 25749
VUV 120.845902
WST 2.802705
XAF 596.03544
XAG 0.021011
XAU 0.000258068512
XCD 2.70255
XCG 1.8049
XDR 0.707052
XOF 596.03544
XPF 108.488699
YER 236.499831
ZAR 16.9724
ZMK 9001.194297
ZMW 20.506056
ZWL 321.999592
SSP 5946.953244
MXV 2.076879
  • AEX

    3.2400

    1119.29

    +0.29%

  • BEL20

    9.1000

    5694.52

    +0.16%

  • PX1

    -0.8100

    8077.75

    -0.01%

  • ISEQ

    -37.6000

    14425.66

    -0.26%

  • OSEBX

    -4.6100

    2089.87

    -0.22%

  • PSI20

    7.7600

    9712.35

    +0.08%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    12.0700

    4481.36

    +0.27%

  • N150

    -2.5400

    4237.95

    -0.06%

Comment la prévision des tempêtes et des canicules fait des bonds grâce à l'IA
Comment la prévision des tempêtes et des canicules fait des bonds grâce à l'IA / Photo: © GETTY IMAGES NORTH AMERICA/AFP/Archives

Comment la prévision des tempêtes et des canicules fait des bonds grâce à l'IA

Des prévisions de canicules ou de tempêtes plus fiables, plus précises et moins gourmandes en énergie, tel est le rêve de toutes les agences météo, désormais alimenté par les progrès fulgurants des modèles d'intelligence artificielle (IA), cruciaux pour affronter les catastrophes accentuées par le changement climatique.

Taille du texte:

Après une première percée en 2023 d'un modèle d'apprentissage de Huawei, Google et Microsoft ont à leur tour développé des IA capables d'obtenir, en quelques minutes, de meilleures prévisions que celles produites en quelques heures par les puissants calculateurs traditionnels des grandes agences internationales.

Ces performances, expérimentales et non encore disponibles pour le grand public ou même les professionnels, illustrent toutefois les progrès rapides de la recherche.

Selon Google en décembre, son modèle GenCast, entraîné sur des données historiques, s'est montré capable de prévoir la météo et des événements extrêmes sur une période de 15 jours avec une précision inégalée. Si GenCast avait été opérationnel en 2019, il aurait, pour plus de 1.300 désastres climatiques, dépassé dans 97% des cas les prévisions de la référence mondiale, le Centre européen de prévisions météorologiques à moyen terme (ECMWF, en anglais).

Un autre modèle baptisé Aurora et développé par un laboratoire de Microsoft à Amsterdam, toujours sur des données historiques, est devenu le premier modèle IA à systématiquement mieux prédire la trajectoire à cinq jours de cyclones que ne l'avaient fait sept centres de prévisions étatiques, selon des résultats publiés mercredi dans la revue scientifique de référence Nature.

Pour Doksuri en 2023, le plus coûteux typhon du Pacifique à ce jour (plus de 28 milliards de dollars de dégâts), Aurora a été capable de déterminer avec quatre jours d'anticipation que la tempête allait frapper les Philippines alors que les prévisions officielles de l'époque le voyaient se diriger au nord de Taïwan.

"Dans les cinq à dix prochaines années, le Saint Graal consistera à construire des systèmes capables de travailler directement avec des observations", satellites ou autres, "afin de générer des prévisions à haute résolution partout où nous le souhaitons", alors que nombre de pays sont dépourvus à ce jour de système d'alertes fiables, a déclaré Paris Perdikaris, l'auteur principal d'Aurora, dans une vidéo publiée par Nature.

Il était prévisible que les modèles d'IA rivaliseraient un jour avec les modèles physiques classiques, mais "on ne pensait pas que ça arriverait aussi tôt", raconte à l'AFP Laure Raynaud, chercheuse IA à Météo-France, en plein développement de la déclinaison IA de ses modèles Arpège et AROME.

- Toujours des prévisionnistes -

Les modèles dits "physiques", développés depuis des dizaines d'années, consistent à injecter dans de puissants ordinateurs les myriades de données d'observations ou d'archives météo, puis d'y appliquer les lois de la physique transformées en équations mathématiques, pour en déduire les prévisions.

Inconvénient: cela requiert des heures de calculs sur des ordinateurs surpuissants et énergivores.

Un modèle d'apprentissage IA engrange ces mêmes données, mais son réseau neuronal s'auto-alimente et en déduit ses prévisions de façon "complètement statistique", sans tout recalculer, explique Laure Raynaud.

Grâce aux gains de rapidité et de qualité, "on va peut-être pouvoir calculer plus souvent par jour nos prévisions", notamment pour les orages, dévastateurs et très difficiles à prévoir, explique la chercheuse. Météo-France vise des prévisions avec IA à une échelle de quelques centaines de mètres.

Le centre européen ECMWF développe aussi son modèle IA, "à peu près 1.000 fois moins coûteux en temps calcul que le modèle physique" traditionnel, dit à l'AFP Florence Rabier, directrice générale du centre qui fournit des prévisions à 35 pays d'Europe.

Ce modèle d'IA produit pour l'heure des prévisions à une échelle d'environ 30 km2, certes moins fine que celles d'Aurora (environ 10 km2), mais sa première version est déjà une réalité opérationnelle, entre les mains depuis février des prévisionnistes nationaux, chargés d'établir les alertes pour les populations.

Et qui ne sont pas près de disparaître, souligne Laure Raynaud: "on aura toujours besoin de prévisionnistes pour expertiser la donnée".

"Quand il s'agit de la protection des personnes et des biens, je ne pense pas qu'on puisse se priver de l'expertise humaine", abonde Florence Rabier.

X.Gu--ThChM