Une équipe de scientifiques britanniques a créé un nouvel outil basé sur l’intelligence artificielle pour améliorer les prévisions météorologiques. Selon eux, c’est le meilleur système développé à ce jour, mais qui devra tout de même relever certains défis dans le futur.
Reprogrammer une sortie entre amis parce que le temps n’est plus au rendez-vous ? Décider l’évacuation de la population à cause d’un cyclone ? La météo, et plus largement la météorologie, font partie de notre quotidien. Par ailleurs, l’étude des phénomènes atmosphériques est cruciale pour l’avenir, à la fois pour anticiper les événements climatiques majeurs mais aussi de manière à optimiser l’utilisation des énergies renouvelables. Bien que la météorologie ait grandement évolué à travers les siècles, elle reste encore aujourd’hui difficilement domptable tant elle peut être incertaine sur différentes temporalités. C’est d’autant plus vrai avec le réchauffement climatique qui accentue ces incertitudes. Pour autant, les scientifiques ne se découragent pas et développent des outils toujours plus innovants, comme des modèles météorologiques probabilistes capables de fournir, plus rapidement, des prévisions plus fiables que les méthodes traditionnelles. Une équipe de chercheurs britanniques a ainsi développé l’outil GenCast, basé sur l’apprentissage automatique (intelligence artificielle), considéré, selon eux, comme étant le plus rapide et le plus compétent jamais développé à ce jour.
L’outil le plus compétent en prévision météo
Jusqu’ici, l’ENS, le modèle météorologique probabiliste à moyen terme, développé par l’ECMWF (Centre européen pour les prévisions météorologiques, en français), était l’outil le plus performant à disposition des météorologues pour les prévisions, selon les auteurs de l’étude. Il présentait tout de même quelques inconvénients : lenteur d’exécution, encore sujet aux erreurs dans ses prévisions et long à concevoir. L’objectif de l’équipe a donc été de développer un nouvel outil reprenant le fonctionnement de l’ENS, mais en étant meilleur sur tous les points.
GenCast a d’abord été formé, grâce à l’apprentissage automatique, sur les données ERA5, soit sur plus de 40 années (de 1979 à 2018) d’analyse de multiples variables climatiques atmosphériques, terrestres et océaniques. Suite à cet apprentissage (par intelligence artificielle), GenCast a fourni des résultats impressionnants. Il est en effet capable de fournir de multiples indicateurs météorologiques sur deux semaines en l’espace de quelques minutes avec un niveau de précision très élevé : « GenCast génère un ensemble de prévisions mondiales stochastiques sur 15 jours, par pas de 12 h et avec une résolution de 0,25° de latitude-longitude, pour plus de 80 variables de surface et atmosphériques, en 8 min. » détaille l’étude.
L’outil a été testé dans de multiples configurations afin d’évaluer son efficacité dans plusieurs scénarios. Premièrement, GenCast est capable de fournir des trajectoires météorologiques uniques et réalistes, plutôt qu’un ensemble de statistiques basées sur des moyennes. Deuxièmement, les prévisions à une heure et un lieu donnés sont bien calibrées et fournissent des résultats très justes, y compris pour les événements extrêmes. Troisièmement, il fournit des pronostics très pertinents pour la gestion de la production régionale des parcs éoliens et la prévision de la trajectoire des cyclones tropicaux. Dans tous ces scénarios, il est au moins aussi bon que l’ENS, voire bien meilleur. « Il est plus performant que l’ENS sur 97,2 % des 1 320 cibles que nous avons évaluées et prédit mieux les conditions météorologiques extrêmes, les trajectoires des cyclones tropicaux et la production d’énergie éolienne. » s’enthousiasment les chercheurs.
Bien que très prometteuse, cette innovation technologique montre cependant certains points d’améliorations. L’équipe souhaiterait à l’avenir pouvoir augmenter la résolution pour obtenir davantage de résultats et plus précis. De plus, l’outil est à la fois coûteux et énergivore à l’utilisation •
Rédigé par François Terminet.
