L'IA GenCast de Google peut faire des prévisions météorologiques rapides et précises

L'IA GenCast de Google peut établir des prévisions météorologiques rapides et précises (Image Source : Google)

Google a annoncé un modèle d'IA pour les prévisions météorologiques, capable de faire des prévisions plus rapides et plus précises jusqu'à 15 jours à l'avance. Il prédit les événements quotidiens et extrêmes mieux que le système opérationnel le plus performant.

Rohith Bhaskar (traduit par Ninh Duy), Published 12/05/2024 🇺🇸 🇪🇸 ...

Google a lancé sur un modèle d'intelligence artificielle de prévision météorologique un modèle d'IA de prévision météorologique capable de prédire le temps plus rapidement et avec plus de précision que le meilleur système opérationnel, le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT), jusqu'à 15 jours à l'avance.

Dans un article publié dans la revue scientifique Nature, Google explique que les modèles de prévision actuels reposent sur des systèmes de prévision météorologique numérique (NWP) qui simulent et "résolvent approximativement les équations qui modélisent la dynamique atmosphérique"

Bien que ces systèmes fournissent une estimation décente des scénarios en cours de développement, chaque simulation doit être exécutée individuellement, ce qui oblige les agences météorologiques à effectuer plusieurs simulations pour chaque scénario possible. Le système est également "sujet aux erreurs" et "lent à fonctionner", ce qui fait perdre du temps aux ingénieurs.

GenCast peut générer des "prévisions globales d'ensemble à 15 jours" qui sont plus précises. Il faut également 8 minutes pour créer une seule prévision à 15 jours, et plusieurs "prévisions peuvent être générées en parallèle"

Contrairement au dernier modèle de prévision de Google, qui ne pouvait faire qu'une seule "meilleure estimation des conditions météorologiques futures", GenCast peut traiter 50 prévisions ou plus à la fois. Google a entraîné GenCast sur quatre décennies de données météorologiques provenant des archives ERA5 de l'ECMWF. L'entreprise indique que le modèle a été alimenté en modèles météorologiques à une résolution de 0,25°, une mesure de la résolution spatiale dans une variété d'ensembles de données. Le modèle a été entraîné sur des données météorologiques historiques jusqu'en 2018.

GenCast s'est avéré 97,2 % plus précis que les systèmes de l'ECMWF et "99,8 % à des délais supérieurs à 36 heures", lorsqu'il a été testé sur des données de 2019.