Google DeepMind dévoile son nouveau modèle de prévisions météo à la précision redoutable

Google DeepMind vient de dévoiler WeatherNext 2, un modèle d'intelligence artificielle capable de générer des prévisions météorologiques huit fois plus rapidement que son prédécesseur, avec une précision inégalée.

La météorologie vit une transformation silencieuse mais profonde. Depuis quelques années, l'intelligence artificielle s'immisce dans les centres de prévision du monde entier, bouleversant des décennies de méthodes fondées sur la physique atmosphérique et les superordinateurs. Google DeepMind vient de franchir une nouvelle étape avec WeatherNext 2. Ce modèle de nouvelle génération promet de bouleverser les prévisions, aussi bien pour les grandes décisions industrielles que pour le choix du parapluie au quotidien.

Une goutte d'eau

La promesse de WeatherNext 2 tient d'abord dans ses performances brutes. Le modèle génère des prévisions huit fois plus rapidement que la génération précédente, avec une résolution pouvant descendre jusqu'à l'heure. Là où les modèles traditionnels fondés sur la physique nécessitent des heures de calcul sur des superordinateurs, WeatherNext 2 produit une prédiction complète en moins d'une minute sur une seule puce TPU de Google. Cette efficacité énergétique ouvre la voie à des usages jusqu'alors impossibles : des mises à jour en temps quasi réel, accessibles à des acteurs qui n'avaient pas les moyens de s'offrir de telles infrastructures de calcul.

Un vaste éventail

L'autre innovation majeure de WeatherNext 2 réside dans sa capacité à explorer les possibles. À partir d'un seul point de départ, le modèle peut générer des centaines de scénarios météorologiques différents. Cette approche probabiliste change la donne pour les décideurs. Plutôt que de s'appuyer sur une prévision unique, les compagnies aériennes, les gestionnaires de réseaux électriques ou les services de secours peuvent désormais visualiser l'éventail complet des situations envisageables, y compris les scénarios les plus extrêmes. Ces derniers sont souvent les plus importants, car ce sont eux qui dictent les mesures de précaution.

La pluie et le beau temps

Derrière ces performances se cache une innovation technique baptisée Functional Generative Network. Cette architecture neuronale injecte du bruit directement dans les fonctions du modèle, ce qui permet de produire des prévisions à la fois variées et physiquement cohérentes. Le système apprend d'abord à prédire des éléments isolés : température en un point précis, vitesse du vent à une altitude donnée, taux d'humidité. Mais à partir de ces briques élémentaires, il parvient à reconstituer des systèmes complexes et interconnectés, comme une vague de chaleur s'étendant sur plusieurs régions ou la production attendue d'un parc éolien. Cette capacité à relier les phénomènes locaux aux dynamiques globales représente un bond en avant considérable.

Le neurone et le k-way

Google ne se contente pas de publier un article de recherche. WeatherNext 2 est d'ores et déjà intégré aux services que des millions de personnes utilisent quotidiennement. La recherche Google, l'assistant Gemini et l'application Pixel Weather bénéficient désormais de ces prévisions améliorées. Google Maps suivra dans les prochaines semaines. Pour les professionnels, les données sont accessibles via Earth Engine et BigQuery, tandis qu'un programme d'accès anticipé sur Vertex AI permet de personnaliser les inférences du modèle. Les agences météorologiques partenaires utilisent déjà cette technologie pour affiner leurs prédictions cycloniques expérimentales. Cette avancée de Google DeepMind s'inscrit dans une tendance de fond qui voit l'intelligence artificielle transformer progressivement les sciences de la Terre. Après GraphCast en 2023 et GenCast en 2024, WeatherNext 2 confirme que les méthodes traditionnelles de modélisation atmosphérique trouvent désormais un complément, voire un concurrent, dans les réseaux de neurones.