Cependant, l’apprentissage automatique ne remplacera pas de sitôt les prévisions basées sur les superordinateurs.
En un mot: La prévision météorologique est une affaire complexe et gourmande en énergie, qui repose traditionnellement sur de puissants superordinateurs pour traiter de grandes quantités de données et de variables. La division DeepMind de Google propose désormais une approche alternative basée sur l’IA qui semble surpasser la méthode basée sur les superordinateurs dans certaines conditions.
GraphCast est un modèle d’IA de pointe conçu spécifiquement pour les prévisions météorologiques. Selon Google, ce nouvel algorithme d’apprentissage automatique offre une « précision sans précédent » dans les prévisions mondiales et fonctionne à une vitesse remarquable, fournissant des prévisions en moins d’une minute.
Décrit dans un article publié dans Science, GraphCast constitue une alternative aux « prévisions météorologiques numériques » traditionnelles. Le document met en évidence la puissance et les ressources informatiques croissantes requises par les modèles basés sur des superordinateurs pour améliorer la précision des prévisions, contrastant avec la capacité de GraphCast à potentiellement obtenir des résultats supérieurs avec une fraction de la demande croissante en énergie.
L’IA de Google est capable de prédire des centaines de variables météorologiques à l’échelle mondiale sur une période de 10 jours avec une résolution de 0,25°. Selon les chercheurs de Google, le modèle « surpasse considérablement » les systèmes les plus précis dans 90 % des 1 380 « cibles de vérification » et excelle dans la prévision d’événements graves comme le suivi des cyclones tropicaux, des rivières atmosphériques et des températures extrêmes.
Le modèle de GraphCast a été formé sur plus de 40 ans de données météorologiques historiques fournies par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), l’un des principaux systèmes de prévision au monde. Matthew Chantry, coordinateur de l’apprentissage automatique au CEPMMT, a salué les progrès rapides réalisés par les algorithmes d’IA dans les prévisions météorologiques, déclarant qu’ils ont progressé beaucoup plus tôt et de manière « plus impressionnante » que ce que les experts prédisaient il y a à peine deux ans.
GraphCast est rapide, précis et très économe en énergie, ne nécessitant qu’une minute de charge de calcul sur un ordinateur cloud Google TPU v4. En revanche, les superordinateurs traditionnels doivent calculer des équations complexes sur la physique atmosphérique, un processus qui peut être 1 000 fois plus coûteux en termes de coûts énergétiques que celui de GraphCast.
Malgré ses réalisations remarquables, GraphCast présente encore quelques limites notables. Le modèle d’IA ne peut pas surpasser la méthode basée sur un superordinateur dans tous les scénarios de prévision, et il ne peut pas non plus fournir le même niveau de détail et de granularité dans les prévisions que la technologie traditionnelle.
Google DeepMind affirme que l’approche basée sur l’IA de GraphCast peut servir d’outil complémentaire aux systèmes météorologiques des superordinateurs et ne les remplacera pas de sitôt. Le CEPMMT envisage déjà de développer son propre modèle d’IA à intégrer à son système de prévision numérique du temps.
