Une avancée dans le domaine des prévisions météo.
Les prévisions météorologiques sont importantes pour les particuliers comme pour les professionnels. Elles leur permettent d'adapter leurs activités en fonction des intempéries et de planifier leur emploi du temps. Mais elles ne sont pas toujours fiables, surtout à moyen terme…
Dans ce domaine comme dans beaucoup d'autres, l'intelligence artificielle pourrait aider les prévisionnistes à faire un véritable bond en avant, si l'on en croit un article publié récemment dans la prestigieuse revue Science.
Une équipe de Google Deepmind, la filiale du groupe spécialisée dans l’intelligence artificielle, a mis au point un programme de prévision météo sur 10 jours appelé GraphCast et a obtenu des résultats bluffants.
Des prévisions précises en un temps record.
L’IA mise au point par Google Deepmind a réussi à surpasser presque tous les outils de prévision existants pour les prévisions météorologiques à moyen terme. Mais son efficacité n'est pas sa seule qualité. Pour parvenir à cet excellent résultat, cette intelligence artificielle n'a utilisé qu'une fraction de la puissance de calcul nécessaire à HRES, acronyme de High Resolution Forecast qui désigne le système de prédiction du Centre européen pour les prévisions météorologiques.
Les performances de GraphCast, révélées dans la revue Science, sont impressionnantes. D'après les auteurs de cet article, cet algorithme a obtenu des résultats supérieurs à ceux du HRES sur plus de 99 % des variables météorologiques et dans 90 % des 1300 régions testées !
Cette intelligence artificielle s'est aussi révélée capable de prévoir les catastrophes avec une grande précision. Elle a anticipé le point d'impact précis de l'ouragan Lee, qui a frappé la province canadienne de la Nouvelle-Écosse en septembre, 9 jours à l'avance. De leur côté, les systèmes de prévision traditionnels n'y sont parvenus que 6 jours avant l'arrivée de l'ouragan et avec une précision géographique plus faible.
Mais le plus révolutionnaire, c'est la vitesse à laquelle GraphCast livre ses résultats. Là où le système HRES a besoin de plusieurs heures pour donner des prévisions météo sur 10 jours, l'algorithme de Google Deepmind fournit un résultat en moins d'une minute !
Une méthode radicalement différente.
GraphCast se distingue des systèmes de prévisions météorologiques actuels par le recours à l'intelligence artificielle mais aussi par les données utilisées pour parvenir à un résultat.
Aujourd'hui, les meilleurs systèmes de prévision météo comme le HRES fonctionnent tous de la même manière : ils utilisent des équations thermodynamiques et de mécanique des fluides pour calculer des paramètres comme la température, l'humidité et la pression atmosphérique.
Comme ces équations sont extrêmement complexes, il faut beaucoup de temps et une grande expertise pour les définir et les traduire sous forme d'algorithmes. La prévision météo nécessite aussi le recours à des supercalculateurs de pointe, offrant une puissance de calcul phénoménale, pour appliquer ces calculs à grande échelle.
Les ingénieurs de Google Deepmind ont choisi une tout autre approche. Au lieu de calculer les variations de l'atmosphère à partir d'équations, ils ont préféré baser leurs prédictions sur des données issues du monde réel. Ils ont entraîné leur intelligence artificielle à l'aide d'une gigantesque base de données météorologiques collectées sur plusieurs décennies.
Cet entraînement a permis à GraphCast d'apprendre les relations de cause à effet qui régissent l'évolution de la météo. Le système de Google utilise les règles qu'il a apprises pour déterminer rapidement la météo dans les 10 jours à venir, sans avoir à passer par des équations très complexes.
Un outil qui n'est pas infaillible.
Au vu de ses performances impressionnantes, on pourrait croire que GraphCast va bientôt remplacer tous les autres systèmes prédictifs. Mais cela n'arrivera pas dans un avenir proche, car cette méthode de prévisions météorologiques présente un défaut majeur.
Avec ce type d'intelligence artificielle, on ne peut que constater les résultats et éventuellement saluer leur exactitude. Mais on ne peut pas déterminer précisément comment l'algorithme y est parvenu. La magie opère dans une sorte de “boîte noire” qui reste opaque à notre compréhension… Si l'algorithme se mettait à proposer des résultats déconnectés de la réalité, il serait presque impossible de s'en rendre compte et de déterminer la source exacte du problème.
À l'inverse, les modèles prédictifs traditionnels sont bien plus solides. D’ailleurs, la précision des prévisions météo s'améliore constamment, non seulement parce que les supercalculateurs utilisés sont de plus en plus puissants, mais aussi parce que les prévisionnistes ne cessent d'affiner leurs équations au fil du temps, en comparant les prévisions à la météo réelle.
Même les chercheurs de Google Deepmind reconnaissent que leur invention n'a pas vocation à remplacer les systèmes prédictifs modernes comme HRES. Ils estiment plutôt que les deux outils sont complémentaires. GraphCast est un nouvel outil dont l'expérimentation va se poursuivre. Il intéresse les chercheurs en météorologie car il peut être très utile, à condition de ne pas se reposer entièrement sur lui. Du moins, pour le moment…
