Google DeepMind est lauréat du salon scientifique Gizmodo 2026 pour la création de WeatherNext Cyclones, un modèle météorologique IA très précis qui donne aux prévisionnistes une journée supplémentaire d'avertissement.
La question
Un seul modèle d’IA peut-il prévoir avec précision la trajectoire et l’intensité des cyclones tropicaux ?
Les résultats
Les météorologues s’appuient sur divers modèles de prévision pour prédire et suivre les cyclones tropicaux, et l’émergence de l’IA a ouvert la voie à une toute nouvelle classe d’outils. Alors que les modèles physiques traditionnels reposent sur les lois de la physique, les modèles d’apprentissage automatique utilisent l’IA et les données historiques pour extrapoler la formation, l’intensification et le mouvement des tempêtes.
Les prévisionnistes ont adopté plusieurs de ces modèles ces dernières années, et leurs gains rapides en termes de vitesse et de performances les ont rendus très compétitifs même par rapport aux modèles physiques les plus avancés. Mais après la saison des ouragans de 2025 dans l’Atlantique, un ouragan s’est clairement démarqué.
WeatherNext Cyclones, un modèle de prévision IA développé par Google DeepMind, a réalisé des performances exceptionnelles lors de sa première exécution opérationnelle. Par exemple, le modèle a permis au National Hurricane Center (NHC) de prédire Intensification rapide de l'ouragan Melissa et atterrissage en Jamaïque avec un niveau de confiance d'environ 80 % cinq jours à l'avance, et un niveau de confiance de près de 100 % trois jours avant l'atterrissage.
« Nous avions évalué notre modèle en interne sur la base de prévisions historiques, et nous sommes très rigoureux dans nos évaluations. Mais même alors, nous ne savions pas si nous pouvions vraiment croire ce que nous voyions », a déclaré Tom Andersson, chercheur chez DeepMind, à Gizmodo. « En voyant les performances de notre modèle en temps réel sur des données qu'il n'avait jamais vues auparavant, nous avons été franchement choqués par les performances. »
Une étude récente publié dans la revue Nature a en effet montré que WeatherNext Cyclones atteint une précision de pointe dans la prévision de la trajectoire, de l'intensité et de la structure du vent d'un cyclone. L'équipe WeatherNext a collaboré avec des experts du NHC et d'autres institutions pour évaluer le modèle sur des données historiques de 2023 à 2025 et a constaté qu'en moyenne, il fournit une journée supplémentaire de précision prédictive.
Cela marque un grand pas en avant. Les chercheurs estiment que cette amélioration est à peu près équivalente aux progrès réalisés par la prévision traditionnelle des ouragans au cours de la dernière décennie.
Pourquoi ils l'ont fait
Au début du développement de la famille de modèles de prévision d’IA WeatherNext, « nous essayions au départ simplement de prévoir la météo quotidienne, nous avons donc formé un modèle d’IA qui, étant donné la météo d’aujourd’hui, prédit la météo de demain », a déclaré Ferran Alet, responsable de la recherche scientifique chez DeepMind. Lui et ses collègues ont rapidement découvert que le modèle était très efficace pour prédire les trajectoires des cyclones, mais qu'il avait du mal à prédire l'intensité.
Cela constitue depuis longtemps un problème non seulement pour les modèles d’IA, mais également pour les modèles physiques. Les courants atmosphériques mondiaux dirigent un cyclone, mais des processus thermodynamiques très localisés et à petite échelle autour du centre de la tempête déterminent son intensité. En raison de ces échelles opposées, les modèles météorologiques ont longtemps eu du mal à prédire avec précision les deux à la fois.
Les conséquences de ce compromis ont été démontrées par l’ouragan Otis en 2023, qui a pris les prévisionnistes par surprise lorsque les modèles physiques n’ont pas réussi à prédire son impact. intensification rapide d'une tempête tropicale à un ouragan de catégorie 5. Lorsqu’Otis a touché terre sur la côte Pacifique du Mexique, les communautés n’étaient pas préparées. La tempête a causé des dégâts catastrophiques et fait des dizaines de morts.
À cette époque, « l’IA était encore pire que les modèles basés sur la physique pour prédire l’intensité, et on ne pensait pas non plus qu’elle était bonne dans les extrêmes », a expliqué Alet. Lui et ses collègues ont développé WeatherNext Cyclones dans le but de créer un modèle d'IA capable de prédire avec précision la trajectoire, l'intensité et les extrêmes des cyclones tropicaux.
« Nous étions très motivés pour résoudre ce problème, ce que nous avons fait en spécialisant nos modèles pour les entraîner sur une base de données experte de cyclones tropicaux historiques, et grâce à cela, nous avons pu surmonter certaines de ces limitations et faire progresser la science d'environ une décennie », a déclaré Andersson.
Pourquoi ils sont gagnants
Alors que le changement climatique entraîne des cyclones tropicaux plus puissants, il n’a jamais été aussi crucial de prévoir leur trajectoire et leur intensité avec plus de temps et de précision. Selon les projections d'un réchauffement climatique inférieur à 3,6 degrés Fahrenheit (2 degrés Celsius), l'intensité des cyclones tropicaux pourrait augmenter de 1 à 10 % en moyenne à l’échelle mondiale. Les taux de précipitations et les épisodes d’intensification rapide devraient également augmenter.
WeatherNext Cyclones a placé la barre plus haut en matière de prévision des cyclones dans un monde en réchauffement. En plus de surmonter le compromis entre l’intensité de la piste, il s’attaque à un autre défi fondamental dans la prévision de l’IA : le problème du « cygne gris ». Les phénomènes météorologiques extrêmes du cygne gris sont physiquement plausibles, mais si rares qu'ils sont mal représentés dans les ensembles de données d'entraînement. Cela signifie que les modèles d’IA ont du mal à prédire ces événements hautement destructeurs, ce qui est préoccupant étant donné que le changement climatique en entraîne davantage.
En générant jusqu'à 1 000 scénarios possibles, WeatherNext Cyclones peut mieux capturer ces tempêtes à faible probabilité mais potentiellement dévastatrices, a expliqué Andersson.
De plus, WeatherNext Cyclones est accessible aux communautés en première ligne du changement climatique qui manquaient historiquement des ressources et des infrastructures nécessaires aux prévisions traditionnelles. Le modèle est open source sur GitHub, et contrairement aux modèles physiques, il n'a pas besoin d'un superordinateur pour fonctionner. L'équipe DeepMind a également créé Laboratoire météorologiqueune plateforme numérique qui donne accès à toutes les dernières versions de leurs modèles météorologiques.
Ce niveau d'accessibilité pourrait améliorer considérablement les capacités de prévision dans les endroits les plus vulnérables à la menace croissante des cyclones tropicaux extrêmes.
Quelle est la prochaine étape
À l’avenir, l’équipe DeepMind espère élargir ses partenariats. Actuellement, WeatherNext Cyclones est utilisé par des experts du NHC, de l’Institut coopératif de recherche sur l’atmosphère (CIRA) de l’Université d’État du Colorado et du Met Office britannique, mais Alet souhaite voir son impact s’étendre encore plus loin.
« Les cyclones constituent un problème mondial », a-t-il déclaré. « Ils sont dans le Pacifique occidental, en Australie, en Inde, et nous élargissons donc les partenariats pour apporter ce bien à l'échelle mondiale, et pas seulement aux États-Unis et dans les régions des Caraïbes. »
À mesure que davantage de collaborateurs travailleront avec le modèle, sa précision et son efficacité continueront de s'améliorer. Lors de la construction du prochain système de prévision de pointe, « le mieux que nous puissions faire est de repousser la barrière du chaos un jour à la fois », a déclaré Alet. « Ce que l’IA nous permet de faire, c’est d’accélérer les progrès. »
Même si l’IA ne peut pas éliminer l’incertitude inhérente à la météo, en particulier dans un climat de plus en plus volatile, WeatherNext Cyclones montre qu’elle peut repousser les limites de ce que les prévisions peuvent réaliser.
« Je pense que nous entrons maintenant dans une nouvelle ère où les modèles météorologiques IA sont capables d'avancer au-delà de la barre de précision précédente, et nous considérons notre technologie comme un nouvel outil très puissant dans la boîte à outils », a déclaré Andersson.
L'équipe
Ce travail reflète les contributions des co-auteurs de l'article : Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez et Peter Battaglia.
Cliquez ici pour voir tous les gagnants de l'expo-sciences Gizmodo 2026.
Vous pouvez lire l’article original (en Angais) sur le bloggizmodo.com