Google améliore ses prévisions météo avec WeatherNext 3
Google DeepMind et Google Research ont dévoilé WeatherNext 3, un modèle météo basé sur l’IA qui pousse les prévisions globales à une résolution de 5 km et les actualise chaque heure — comblant deux lacunes majeures de la prévision numérique du temps.
Le modèle intègre une mosaïque satellite géostationnaire en direct et se réinitialise 24 fois par jour, contournant ainsi les six heures de latence des analyses traditionnelles de prévision numérique. Ses sorties s’organisent en trois niveaux : températures et points de rosée à 2 m mesurés à 5 km, vents et pressions de surface à 10 km, et champs atmosphériques à 25 km sur 13 niveaux de pression. Des évaluations indépendantes en temps réel menées par Brightband le classent comme le modèle global le plus précis à ce jour.
Des grilles lissées aux observations précises
La plupart des prévisionnistes par IA s’entraînent sur des grilles de réanalyse de prévision numérique qui gomment les effets locaux du terrain. WeatherNext 3 adopte une approche différente : il forme des têtes d’observation dédiées sur des mesures brutes des stations, ce qui aligne ses sorties à 5 km de température et de point de rosée sur ce que mesurent les instruments. Cette méthode montre des progrès nets : jusqu’à 60 % d’amélioration du CRPS face aux données de précipitations du satellite IMERG de la NASA, 30 % contre MRMS, et 10 % contre les pluviomètres aux premiers horizons temporels.
Conçu pour l’opérationnel, pas seulement les benchmarks
Les données de prévision sont déjà accessibles via BigQuery, Earth Engine et Cloud Storage après une demande sur liste blanche. Cependant, les poids du modèle restent fermés, et l’inférence personnalisée à la demande continue de s’appuyer sur WeatherNext 2. Le package fournit également des données sur le vent à 100 m, les couches nuageuses et les deux composantes du rayonnement solaire — des variables essentielles pour les gestionnaires de réseau afin d’anticiper la production renouvelable face à la demande.
Pourquoi c’est important
WeatherNext 3 prouve que l’IA peut dépasser les modèles physiques en termes de résolution et de fréquence, tout en restant ancrée dans des observations réelles. Pour les services publics et les gestionnaires de réseau, des prévisions horaires à 5 km permettent une intégration plus fine de l’éolien et du solaire dans les opérations quotidiennes. Le caractère fermé des poids et les options de déploiement limitées suggèrent cependant que la technologie est encore en évolution vers une maturité opérationnelle complète, plutôt que de représenter une alternative ouverte immédiate.
Source : MarkTechPost. Synthèse éditoriale assistée par IA — TechnoExpress.