Google DeepMind affirme avoir conçu un modèle météorologique d’IA capable de prédire la trajectoire et la force d’un cyclone avec une précision suffisante pour donner aux prévisionnistes environ un jour supplémentaire d’alerte.
L’entreprise a annoncé que son modèle WeatherNext avait atteint une précision de pointe pour prédire la trajectoire, l’intensité et la structure des vents d’un cyclone, selon une étude publiée dans Nature.
Google DeepMind a déclaré que les prévisions à trois jours du modèle étaient à peu près aussi précises que celles produites à deux jours par les anciens systèmes de prévision, donnant aux météorologues environ 24 heures supplémentaires pour se préparer aux tempêtes dangereuses.
Les travaux de recherche ont été menés avec Google Research et des spécialistes de la météorologie issus notamment du Centre national des ouragans des États-Unis (NHC), du Cooperative Institute for Research in the Atmosphere et du Met Office britannique. Google a indiqué que le modèle avait été entraîné sur près de 20 téraoctets de données atmosphériques et d’archives historiques concernant près de 5 000 tempêtes.
Des données à plus faible résolution, des prévisions plus précises
L’une des conclusions les plus surprenantes est que WeatherNext fonctionne bien alors qu’il utilise des données météorologiques de résolution bien inférieure à celle des modèles traditionnels de prévision de l’intensité des ouragans. La version principale exploite des données d’une résolution d’environ 28 × 28 kilomètres, soit, selon Google, une résolution environ 100 fois moins fine que celle des modèles spécialisés à haute résolution généralement utilisés pour prévoir l’intensité.
Les chercheurs ont déclaré ne pas encore comprendre complètement pourquoi le modèle obtient de si bons résultats avec des données d’entrée de plus faible résolution. Le système peut également générer 1 000 scénarios possibles pour une tempête, afin d’aider les prévisionnistes à évaluer toute une gamme d’issues, notamment les phénomènes d’intensification rapide.
L’ouragan Melissa a contribué à valider le modèle
Google a indiqué que le modèle pouvait produire une prévision à 15 jours en moins d’une minute sur un TPU, permettant aux prévisionnistes d’évaluer rapidement de nombreux scénarios possibles.
Le plus grand test grandeur nature du modèle a eu lieu avec l’ouragan Melissa, en octobre 2025.
Lorsque Melissa a été identifiée pour la première fois comme une faible dépression tropicale, WeatherNext a prédit avec une confiance de 80 % qu’elle se transformerait en ouragan de catégorie 5 et frapperait la Jamaïque cinq jours avant de toucher terre.
La tempête a frappé la Jamaïque alors qu’elle comptait parmi les ouragans les plus intenses jamais enregistrés dans l’Atlantique.
Les limites du modèle
Le modèle n’est pas une boule de cristal. Sa capacité à prédire une intensification rapide reste limitée, même selon les propres indicateurs de Google, une mesure standard de précision n’étant passée que de moins de 0,3 à 0,5.
James Franklin, ancien responsable d’une division du NHC, a souligné, selon Straight Arrow News, que même si WeatherNext est intégré aux modèles de consensus des prévisions, « vous ne verrez pas le NHC dire : “Nous avons une grande confiance dans DeepMind, nous déplaçons la prévision vers Miami.” »
Toujours un outil, pas un remplacement
Les responsables prennent soin de présenter WeatherNext comme une donnée parmi d’autres. « Il y a ici un humain, un prévisionniste très compétent… qui s’appuie sur son expertise pour fournir la prévision la plus cohérente et la plus efficace possible, quels que soient les éléments qui y contribuent », a déclaré Michael Brennan, directeur du NHC, à Straight Arrow News.
Pour l’instant, la véritable valeur du modèle réside dans le temps qu’il permet de gagner, la seule chose que les prévisionnistes ne peuvent jamais produire par eux-mêmes.
Parallèlement à l’étude, Google DeepMind a publié les modèles WeatherNext 2, WeatherNext Cyclones et WeatherNext 2-mini sous forme de logiciels open source, mettant leur code et leurs poids à la disposition des chercheurs, des agences météorologiques et des organisations à but non lucratif.
À lire aussi : L’IA Gemini de Google peut désormais contrôler des robots humanoïdes de la tête aux pieds, même si les taux de réussite annoncés par Google pour ces tâches allaient encore de 32 % à 92 %.