Google peut désormais prédire la pluie et le beau temps avec 97,2 % de précision

Des grandes industries à l’agriculture, en passant par les transports et les travaux publics… les données météorologiques sont aujourd’hui essentielles à de nombreuses organisations pour leur permettre d’adapter leurs activités aux caprices de la météo. Mais avant de prendre des décisions aux lourdes conséquences économiques pour son entreprise, un dirigeant doit pouvoir compter sur des prévisions un peu plus fiables qu’une estimation au doigt mouillé…

Google DeepMind a dévoilé ce mercredi en grande pompe un modèle d’IA qui se veut « révolutionnaire » — du Steve Jobs dans le texte — en améliorant considérablement la précision des prévisions météorologiques. Un nouveau dispositif qui tombe à point nommé, tant le réchauffement climatique a accru dans le temps le nombre de phénomènes météorologiques extrême et donc le besoin pour les scientifiques et les pouvoirs publics de profiter de prévisions fiables.

Le modèle annonce pouvoir prédire les changements météorologiques quotidiens et les conditions extrêmes jusqu’à 15 jours à l’avance. GenCast, de son petit nom, offre ainsi une vue d’ensemble des modèles météorologiques potentiels, ce qui est essentiel pour les décideurs dans divers secteurs. Dans les faits, ce nouvel outil se veut bien plus performant que son homologue utilisé jusqu’à présent par le CEPMMT – le Centre Européen pour les Prévisions Météorologiques à Moyen Terme –.

Faire – bien – mieux que les précédents

À l’inverse des modèles traditionnels du genre, qui établissent des prévisions uniques, ce nouvel outil prend davantage les traits d’un panel d’experts qui se challengeraient les uns les autres. En effet, le dispositif est programmé pour générer à chaque prévision les 50 scénarios les plus probables. Mais le plus important… c’est que ça marche : sur un échantillon de 1320 combinaisons de variables météorologiques testées à différentes échéances, le système de Google s’est montré plus précis dans 97,2% des cas et 99,8% quand il s’agissait d’établir des prévisions au-delà de 36 heures que le système européen CEPMMT, désigné par tous les experts comme la référence mondiale.

Au moment de développer leur joujou, les têtes pensantes de DeepMind ont tout de même profiter de quatre décennies de données météorologiques historiques du CEPMMT qui comprenaient diverses variables atmosphériques cruciales nécessaires pour établir des prévisions précises. Rendons à César ce qui appartenait à César.

Contrairement à son prédécesseur, qui fournissait une seule prévision estimée à chaque requête formulée, GenCast utilise un modèle de diffusion semblable à ceux utilisés dans l’IA générative pour la génération de contenu multimédia. Cette adaptation permet à GenCast de fonctionner sur la géométrie sphérique de la Terre, ce qui lui permet d’appréhender et de modéliser des scénarios météorologiques plus complexes.

Plusieurs applications possibles

Surtout, GenCast brille pour sa rapidité d’action. Un modèle peut être généré en seulement huit minutes à l’aide d’un seul processeur Google Cloud TPU v5 alors que les méthodes traditionnelles nécessitent des heures et des ressources informatiques considérables pour arriver au même résultat. Cette réduction du temps n’augmente pas seulement l’efficacité opérationnelle, mais permet également une prise de décision rapide dans les situations météorologiques critiques.

Les tests effectués pour arriver à ces résultats ont également prouvé une plus grande précision au moment de la production d’énergie éolienne à l’échelle mondiale. Un paramètre loin d’être anodin puisqu’il rassure quant à la fiabilité des énergies vertes ce qui ne peut qu’accélérer leur adoption. Enfin, l’équipe de Google DeepMind a eu l’excellente idée de proposer GenCast en open source et prévoit même de rendre public ses prévisions, quelles soient en temps réel ou historiques, pour permettre à quiconque de les intégrer dans ses propres modèles et travaux de recherche.