- Google a lancé un nouveau modèle de prévision basé sur l'IA appelé WeatherNext 2
- WeatherNext 2 fournit des prévisions plus rapides, plus précises et à plus haute résolution en simulant des centaines de scénarios météorologiques possibles en moins d'une minute
- WeatherNext 2 alimente désormais les prévisions dans Google Search, Gemini, Pixel et Maps
Google révolutionne vos prévisions météorologiques grâce à une IA qui raisonne en termes de probabilités. Plutôt que de recourir à de nouvelles tours radar ou au lancement de satellites, le nouveau modèle de prévision basé sur l'IA WeatherNext 2, développé par Google DeepMind et Google Research, fournit des résultats jusqu'à huit fois plus rapides que les systèmes traditionnels et peut prédire des centaines de scénarios météorologiques possibles à partir d'un seul point de départ, avec une meilleure précision que ses prédécesseurs.
WeatherNext 2 est en cours d'intégration dans plusieurs des plateformes Google les plus populaires, notamment Google Search, Gemini, Pixel Weather et Maps, et sera bientôt déployé à plus grande échelle via l'API Google Maps Platform Weather.
Ce qui fait de cette mise à niveau bien plus qu'une simple actualisation du back-end, c'est l'ampleur même de son ambition. WeatherNext 2 est conçu pour tenir compte de l'incertitude de manière inhabituelle. Alors que les anciens modèles pouvaient fournir un seul résultat le plus probable, WeatherNext 2 peut générer des centaines de futurs potentiels, permettant aux prévisionnistes et à vous-même de voir l'ensemble des possibilités.
Cela signifie également que vos prévisions ne se limiteront peut-être pas à « Pluie, 40 % de probabilité », mais qu'elles vous montreront plusieurs résultats cohérents pour votre promenade de l'après-midi, avec une meilleure idée de ce qui pourrait réellement se passer et à quel moment.
WeatherNext 2 utilise ce que Google appelle un réseau génératif fonctionnel. Le modèle ne repose pas uniquement sur des prévisions finies ou des systèmes météorologiques complets ; il est plutôt entraîné sur des variables individuelles et autonomes telles que la température, la vitesse du vent et l'humidité. Le modèle calcule ensuite comment ces variables interagissent pour créer des « joints », c'est-à-dire des modèles complexes et réels tels que les fronts orageux, les vagues de chaleur ou les changements de vent régionaux.
Google affirme que cette architecture permet à WeatherNext 2 de surpasser même son propre modèle précédent, le meilleur de sa catégorie, en fournissant des prévisions plus précises pour 99,9 % des variables sur une période pouvant aller jusqu'à 15 jours.
Il est également beaucoup plus rapide, réalisant une prévision complète en moins d'une minute. En comparaison, les prévisions traditionnelles basées sur la physique peuvent prendre des heures sur un superordinateur. Cette efficacité permet des mises à jour plus fréquentes et plus détaillées des prévisions.
WeatherNext 2 : une arme pour affronter l'avenir
Après de nombreux tests, Google Gemini et Google Maps commenceront à afficher des prévisions basées sur les résultats de WeatherNext 2. En théorie, tout un chacun pourrait tirer de nombreux avantages de cette mise à niveau. Les prévisions météorologiques font partie de ces systèmes invisibles qui sous-tendent une incroyable gamme de décisions. En les rendant plus précises, on élimine mille petites sources de stress du quotidien des gens.
Mais les implications sont encore plus importantes. Par exemple, grâce à des prévisions météorologiques plus intelligentes, les fournisseurs d'énergie renouvelable peuvent mieux estimer la production éolienne et solaire, et les services d'urgence peuvent intervenir avec plus de précision lorsque les prévisions reflètent l'incertitude plutôt que de la masquer.
Cette insistance sur l'incertitude est essentielle. Les prévisions ne visent pas à être parfaitement exactes, mais à se préparer judicieusement à ce qui pourrait arriver. En fournissant une série de scénarios physiquement réalistes et interconnectés, WeatherNext 2 oriente les prévisions vers une approche plus stratégique.
Cela ne résoudra peut-être pas le chaos du changement climatique et des catastrophes naturelles qui y sont liées, mais cela pourrait être une aubaine pour ceux qui planifient des moyens de mieux y faire face.
De meilleures données permettent de prendre de meilleures décisions. Et pour la météo, cela signifie bien plus que simplement nous aider à décider quel type de manteau nous devons porter le matin.
