Google Deepmind sidère en surpassant toutes les modèles météorologiques actuels en précision
Une IA mise au point par Google Deepmind parvient à dépasser les modèles actuels de prévision météorologique à moyen terme. Baptisée GraphCast, elle n’a besoin que d’une fraction de la puissance de calcul qui est actuellement nécessaire pour délivrer des résultats précis en un temps record.
Cela vous intéressera aussi
[EN VIDÉO] Les prévisions météo de 2050 seraient-elles déjà devenues réalité ? À quoi pourrait ressembler le bulletin météo en 2050 ? En partenariat avec l’OMM, l’Organisation…
Si vous trouvez que les prévisions météométéo ne sont pas toujours fiables surtout à moyen terme, les intelligences artificielles (IA) devraient contribuer à vous faire changer d’avis. Selon un article publié dernièrement dans la revue Science, une équipe de GoogleGoogle Deepmind a mis au point un nouveau programme de prévision climatique sur 10 jours, baptisé GraphCast.
Alimenté par une IA, GraphCast surpasse pratiquement toujours les outils de prévision existants. Mieux encore, cette IA n’utilise qu’une fraction de la puissance de calcul du système actuel (HRES). Ce qui fait la différence, c’est que l’IA de GraphCast a ingurgité des décennies d’informations météorologiques ainsi qu’une quarantaine d’années de données issues des satellites, des stations météorologiques et des radars. Les procédés actuels fonctionnent différemment. Avec une puissance de calcul colossale nécessitant des centaines de machines sur un supercalculateur, les prévisions à 10 jours sont établies avec de gigantesques bases de données. Elles contiennent des données qui concernent la thermodynamiquethermodynamique, la dynamique des fluides et d’autres critères liés aux conditions atmosphériques.
Exemple de prévisions de GraphCast sur 10 jours montrant l’humidité, la température de surface et la vitesse du vent. © GraphCast, Deepmind
Plus précis et moins énergivore que le modèle actuel
Il ne faut qu’une seule des machines du même type de supercalculateur pour que GraphCast délivre en moins d’une minute, une prévision à moyen terme très précise. Contrairement au modèle actuel, en limitant la portée de l’analyse à la partie la plus basse de l’atmosphèreatmosphère où se trouvent les événements météorologiques les plus visibles, GraphCast s’est même avéré plus précis dans plus de 99,7 % des tests. Depuis ses débuts en septembre auprès du Centre européen pour les prévisions météorologiquesprévisions météorologiques à moyen terme (ECMWF), GraphCast a déjà pu prédire, neuf jours avant, la trajectoire précise de l’ouragan Lee qui a impacté la Nouvelle-Écosse, soit trois jours de moins que l’HRES. GraphCast est issu de l’open source et son expérimentation va se poursuivre avec le CEPMMT aux côtés du HRES actuel.
