Google DeepMind a annoncé jeudi une avancée majeure dans la prévision des ouragans, lançant un système d'intelligence artificielle innovant capable de prédire avec une précision sans précédent le trajet et l'intensité des cyclones tropicaux. Cet accomplissement résout un défi à long terme que les modèles météorologiques traditionnels rencontrent depuis des décennies.
En parallèle, DeepMind a également lancé « Weather Lab », une plateforme interactive pour présenter ses modèles expérimentaux de prévision des cyclones. Ce modèle peut générer jusqu'à 50 scénarios possibles de tempêtes jusqu’à 15 jours à l'avance. Ce qui est encore plus notable, DeepMind a annoncé un partenariat avec le **Centre national des ouragans (NHC)**, marquant la première fois que ce centre fédéral intégrera des prévisions basées sur des intelligences artificielles expérimentales dans son processus opérationnel.
Ferran Alet, chercheur scientifique chez DeepMind et responsable du projet, a déclaré mercredi lors d'une conférence de presse : « Nous avons montré trois choses différentes. Premièrement, un tout nouveau modèle expérimental spécialement conçu pour les cyclones. Deuxièmement, nous sommes ravis d'annoncer notre partenariat avec le NHC, permettant aux prévisionnistes humains professionnels de voir nos prévisions en temps réel. »
Cette annonce marque un jalon crucial pour l'intelligence artificielle dans les applications météorologiques. Au cours des 50 dernières années, les cyclones tropicaux, y compris les ouragans et les typhons, ont causé des pertes économiques allant jusqu'à 1,4 billion de dollars, rendant ainsi la prévision exacte vitale pour la sécurité de millions de personnes vivant dans des régions côtières vulnérables.
Surmonter les limites des modèles traditionnels
Les modèles météorologiques traditionnels rencontrent des difficultés dans la prédiction du trajet et de l'intensité des tempêtes. Les modèles globaux à faible résolution sont bons pour prédire le trajet des ouragans, mais ne peuvent pas bien évaluer leur intensité ; alors que les modèles régionaux à haute résolution peuvent mieux prévoir l'intensité, ils ne peuvent pas capturer les grandes configurations atmosphériques. Alet explique : « La prévision des cyclones tropicaux est difficile parce que nous essayons de prédire deux choses distinctes : d'une part, où ira le cyclone ? D'autre part, à quel point deviendra-t-il puissant ? »
Le modèle expérimental de DeepMind vise à résoudre ces deux problèmes simultanément. Lors de l'évaluation interne suivant les protocoles du NHC, ce système IA a montré des améliorations significatives par rapport aux méthodes existantes. En termes de prévision du trajet, sa prévision à cinq jours était en moyenne plus proche de la position réelle de la tempête que le modèle ENS européen basé sur la physique, soit environ 140 km plus précis. Ce qui est encore plus impressionnant, ce système excelle également dans la prévision de l'intensité, surpassant le système HAFS de NOAA, alors que les modèles IA avaient auparavant du mal à progresser dans cette tâche.
Amélioration significative de la rapidité et de l'efficacité
Outre l'amélioration de la précision, ce système IA présente également un avantage notable en termes de rapidité et d'efficacité. Les modèles basés sur la physique traditionnels peuvent prendre plusieurs heures pour générer des prévisions, tandis que le modèle de DeepMind peut produire une prévision pour 15 jours en environ une minute sur une puce informatique spécialisée. Alet souligne que le nouveau modèle est environ huit fois plus rapide que les modèles précédents de DeepMind.
Cette avantage de vitesse permet au système de répondre aux délais opérationnels urgents. Tom Anderson, ingénieur de l'équipe météo chez DeepMind, explique que le NHC exigeait des prévisions dans les six heures et demie suivant la collecte des données, et que le système IA avait déjà atteint cet objectif.
Un partenariat novateur avec le Centre national des ouragans
Le partenariat avec le Centre national des ouragans a grandement validé l'efficacité de la prévision météo basée sur l'IA. Keith Battaglia, directeur sénior de l'équipe météo chez DeepMind, a noté que ce partenariat évoluait de discussions informelles vers des relations plus formelles, permettant aux prévisionnistes d'intégrer les prévisions IA aux méthodes traditionnelles. À mesure que la saison des ouragans de l'Atlantique approche en 2025, les prévisionnistes du NHC pourront consulter les prévisions IA en temps réel, combinant ainsi les modèles physiques traditionnels et les données d'observation, ce qui pourrait améliorer l'exactitude des prévisions et anticiper les alertes.
Kate Musgrave, chercheuse scientifique à l'Institut de coopération atmosphérique de l'université d'État du Colorado, évalue indépendamment le modèle de DeepMind. Elle a découvert que le modèle « égalait ou surpassait les meilleurs modèles opérationnels dans les trajectoires et l'intensité », et a exprimé son attente de confirmer ces résultats lors des prévisions en direct pour la saison des ouragans de 2025.
Les données et technologies derrière les innovations
L'efficacité de ce modèle IA provient de sa formation sur deux ensembles de données distincts : les vastes données de reconstitution des modèles météorologiques mondiaux à partir de millions d'observations, ainsi qu'une base de données spécialisée contenant des informations détaillées sur près de 5 000 cyclones observés au cours des 45 dernières années. Alet explique que cette méthode double, contrairement aux modèles IA météorologiques traditionnels axés principalement sur les conditions atmosphériques générales, utilise des « données spécifiques aux cyclones » pour l'apprentissage.
Le système intègre également les avancées récentes dans la modélisation probabiliste appelée « Réseau génératif fonctionnel (FGN) » par DeepMind, une technologie qui permet de générer des ensembles de prévisions en apprenant à modifier les paramètres des modèles, créant ainsi des variantes plus structurées que les méthodes antérieures.
Un avenir prometteur pour les systèmes d'alerte précoce
Weather Lab a été lancé avec plus de deux ans de données historiques de prévisions, disponibles pour l'évaluation des experts sur la performance du modèle dans tous les bassins océaniques. Anderson a démontré les capacités du système en présentant les prévisions pour l’ouragan Berlyle en 2024 et l’ouragan Odysseus en 2023. Il est à noter que l’ouragan Odysseus s’est rapidement intensifié avant d’attaquer le Mexique, prenant par surprise de nombreux modèles traditionnels. Lorsque DeepMind a présenté ce cas aux prévisionnistes du NHC, ils ont indiqué que si leur modèle avait eu accès aux données à l’époque, il aurait probablement permis de signaler plus tôt le risque potentiel de cette tempête.
Un avenir prometteur pour la prévision météorologique et l'adaptation climatique
Cette avancée marque une maturation croissante de l'intelligence artificielle dans le domaine des prévisions météorologiques. Les modèles comme GraphCast d'autres modèles IA météorologiques de DeepMind ont récemment franchi des seuils cruciaux et surpassent désormais les systèmes traditionnels sur divers indicateurs. Battaglia affirme : « Nous avons prouvé que les performances de ces systèmes d’apprentissage automatique peuvent égaler, voire surpasser, celles des systèmes physiques traditionnels, offrant ainsi une opportunité d’intégrer ces technologies dans le monde réel, ce qui est extrêmement excitant. »
Néanmoins, DeepMind souligne que Weather Lab reste un outil de recherche, et les utilisateurs doivent continuer à se fier aux prévisions officielles des institutions météorologiques. L'entreprise prévoit de continuer à recueillir des retours des services météorologiques et des organismes de secours pour améliorer l'application pratique de cette technologie. Face à un changement climatique qui pourrait aggraver le comportement des cyclones tropicaux, une précision accrue dans les prévisions est essentielle pour protéger les populations vulnérables côtières à l'échelle mondiale.
Alet conclut : « Nous croyons que l’intelligence artificielle peut fournir des solutions à ce problème. » Avec l'approche de la saison des ouragans de 2025, la performance du système expérimental de DeepMind sera bientôt soumise à l'épreuve cruciale de la réalité.
