Le modèle WeatherNext de Google DeepMind prédit simultanément trajectoire et intensité des cyclones
Google/DeepMind
Google DeepMind
European Centre for Medium-Range Weather Forecasts
National Oceanic and Atmospheric Administration
Google DeepMind a présenté WeatherNext Cyclones (WN-C), un système d'intelligence artificielle qui prédit les trajectoires et intensités des cyclones tropicaux avec plus de précision que les modèles spécialisés, en se projetant environ un jour plus loin dans le futur. Malgré l'utilisation de données avec des cellules de grille environ 100 fois plus grossières, il surpasse les modèles existants. Cette approche repose sur des réseaux génératifs fonctionnels et a été développée en collaboration avec le Centre national des ouragans et d'autres partenaires.
Le système WeatherNext Cyclones (WN-C) de Google DeepMind est un système d'IA pour la prévision des cyclones tropicaux qui peut anticiper environ un jour de plus que les modèles opérationnels de pointe. Développé avec le Centre national des ouragans (NHC), l'Institut coopératif pour la recherche en atmosphère et le Met Office britannique, il fonctionne en direct sur le Weather Lab de Google depuis juin 2025. Pour une prévision sur cinq jours, l'erreur moyenne de position est de 230 kilomètres, contre 370 pour le modèle d'ensemble (ENS) du CEPMMT et 335 pour le précédent modèle GenCast de DeepMind. Pour les prévisions d'intensité sur trois jours, WN-C est plus précis de 3,75 nœuds que le HAFS de la NOAA. Bien qu'il utilise une grille où chaque point couvre environ 28 kilomètres carrés, soit environ 100 fois plus grossière que les modèles régionaux spécialisés, le système fonctionne mieux, ce qui amène les chercheurs à conclure qu'une haute résolution n'est pas strictement nécessaire pour des prévisions d'intensité de pointe. Le modèle utilise des réseaux génératifs fonctionnels (FGN) au lieu de la diffusion, ce qui le rend huit fois plus rapide. Il a été entraîné sur près de 20 téraoctets de données atmosphériques mondiales et sur une base de données organisée d'environ 5 000 cyclones historiques. Le système peut générer 1 000 scénarios de prévision parallèles par tempête, ce qui aide à capturer les événements extrêmes rares. Bien que WN-C améliore les prévisions de trajectoire de 28% lorsqu'il est combiné avec les modèles de consensus, il n'apporte qu'environ 6% d'amélioration pour l'intensité, ce qui indique que les modèles classiques contribuent encore de manière significative. DeepMind a rendu librement disponibles le code et les poids de WeatherNext 2 et WN-C sur GitHub, et une version miniature peut être exécutée dans un notebook Colab gratuit. Cependant, les auteurs soulignent que les services météorologiques nationaux restent la référence pour les avertissements officiels.
Source: The Decoder (DE) —
original