Microsoft AI Météo Prévisions plus rapidement, moins chère, plus vraie: étude
Microsoft a développé un modèle d’intelligence artificielle (IA) qui bat les méthodes de prévision actuelles dans le suivi de la qualité de l’air, des conditions météorologiques et des tempêtes tropicales sur le climat, selon les résultats publiés mercredi.
Surnommé Aurora, le nouveau système – qui n’a pas été commercialisé – a généré des prévisions météorologiques de 10 jours et des trajectoires d’ouragan prédites plus précisément et plus rapidement que les prévisions traditionnelles, et à moindre coût, les chercheurs ont rapporté dans la revue dans la revue Nature.
« Pour la première fois, un système d’IA peut surpasser tous les centres opérationnels pour la prévision des ouragans », a déclaré l’auteur principal Paris Perdikaris, professeur agrégé de génie mécanique à l’Université de Pennsylvanie.
Formé uniquement sur les données historiques, Aurora a pu prévoir correctement tous les ouragans en 2023 plus précisément que les centres de prévision opérationnels, tels que le US National Hurricane Center.
Les modèles de prédiction des conditions météorologiques traditionnelles sont conçues sur les premiers principes physiques – tels que la conservation de la masse, de l’élan et de l’énergie – et nécessitent une puissance informatique massive.
Les coûts de calcul d’Aurora étaient plusieurs centaines de fois, selon l’étude.
Les résultats expérimentaux suivent les talons du modèle d’IA des temps pangu-temps développé et dévoilé par le géant chinois de la technologie Huawei en 2023, et pouvaient annoncer un changement de paradigme dans la façon dont les principales agences météorologiques du monde prévoient la météo et potentiellement mortel des événements extrêmes exacerbés par le réchauffement climatique.
‘Saint Graal’
« Je crois que nous sommes au début d’un âge de transformation dans la science du système aérien », a déclaré Perdikaris dans une présentation vidéo distribuée par Nature.
« Au cours des cinq à 10 prochaines années, le Saint Graal est de savoir comment construire des systèmes qui peuvent fonctionner directement avec des observations provenant de sources de télédétection comme des satellites et des stations météorologiques pour générer des prévisions à haute résolution où nous aimons. »
Selon ses concepteurs, Aurora est le premier modèle d’IA à surpasser régulièrement sept centres de prévision pour prédire la trajectoire de cinq jours des cyclones dévastateurs.
Dans sa simulation, par exemple, Aurora prévoit correctement quatre jours à l’avance où et quand Dokuri – le typhon le plus coûteux jamais enregistré dans le Pacifique – aurait frappé les Philippines.
Les prévisions officielles à l’époque, en 2023, l’ont fait se diriger vers le nord de Taïwan.
Le modèle d’IA de Microsoft a également surclassé le modèle européen des prévisions météorologiques du Centre pour les intempéries (ECMWF) dans 92% des cas pour les prévisions mondiales de 10 jours, sur une échelle d’environ 10 kilomètres carrés (3,86 miles carrés).
L’ECMWF, qui fournit des prévisions pour 35 pays européens, est considéré comme la référence mondiale pour la précision météorologique.
En décembre, Google a annoncé que son modèle Gencast avait dépassé la précision du Centre européen dans plus de 97% des 1 320 catastrophes climatiques enregistrées en 2019.
Ces performances prometteuses – toutes expérimentales et basées sur des événements observés – sont étroitement examinés par les agences météorologiques.
Plusieurs, dont Meteo-France, développent leurs propres modèles d’apprentissage en IA aux côtés de modèles numériques traditionnels.
« C’est quelque chose que nous avons pris très au sérieux », a déclaré Florence Rabier, directrice générale de l’ECMWF, à l’AFP.
Leur premier «modèle d’apprentissage», mis à la disposition des États membres en février, est «environ 1 000 fois moins cher en termes de temps de calcul que le modèle physique traditionnel», a-t-elle ajouté.
Tout en fonctionnant comme une résolution inférieure (30 km2) que Aurora, le modèle ECMWF est déjà opérationnel.
