Silicium IA
Silicium -IA
Bonnes nouvelles ARTICLE

Cyclones tropicaux : un modèle d'IA gagne un jour d'avertissement précieux

Cyclones tropicaux : un modèle d'IA gagne un jour d'avertissement précieux

Cyclones tropicaux : un modèle d'IA gagne un jour d'avertissement précieux

Google DeepMind présente WeatherNext Cyclones, un modèle d'IA capable de prévoir la trajectoire et l'intensité des cyclones tropicaux jusqu'à deux semaines à l'avance, avec plus de 24 heures d'avance sur les modèles conventionnels. Un jour d'avertissement en plus qui peut faire la différence entre une évacuation réussie et un drame.

Quand un cyclone tropical se forme, chaque heure compte. Qu'on les appelle ouragans dans l'Atlantique ou typhons dans le Pacifique, ces systèmes figurent parmi les phénomènes météorologiques les plus meurtriers au monde, et ils infligent des dégâts considérables aux habitations et aux infrastructures. Leur point commun : une complexité redoutable. Leur formation et leur évolution résultent d'interactions à plusieurs échelles, du courant atmosphérique planétaire qui les guide jusqu'aux processus thermodynamiques très localisés autour de leur œil. Deux caractéristiques que les modèles météorologiques conventionnels peinent à traiter ensemble.

Dans un commentaire publié le 4 septembre 2026 dans Nature, les chercheurs Tom Beucler et Milton Gomez, de la Faculté des géosciences et de l'environnement et du Centre d'expertise sur les extrêmes climatiques de l'Université de Lausanne, saluent une avancée sur ce front : WeatherNext Cyclones (WN-C), un modèle d'intelligence artificielle développé par Google DeepMind et présenté dans la même revue par l'équipe de Ferran Alet et ses collègues. Ce modèle produit des prévisions à deux semaines des cyclones tropicaux en cours, aussi bien en trajectoire qu'en intensité, avec une précision élevée. Selon les auteurs du commentaire, un tel outil a le potentiel de « protéger des vies s'il est partagé de manière responsable dans le monde » (notre traduction).

Un jour d'avance, une décennie de progrès

Le chiffre clé tient en une phrase : sur les cyclones historiques de 2023 et 2024, WN-C gagne en moyenne plus d'une journée complète, soit plus de 24 heures d'avance, pour prédire la trajectoire, l'intensité et la structure des vents par rapport aux meilleurs modèles existants. Concrètement, une prévision à trois jours atteint une fiabilité que l'on n'obtenait avant qu'à deux jours.

Rapportée aux tendances des vingt dernières années, cette avance équivaut à peu près à une décennie de progrès météorologiques concentrée dans un seul modèle. Et dans la gestion de crise, cette journée supplémentaire n'est pas un détail : elle détermine le temps disponible pour évacuer les zones côtières, sécuriser les réseaux électriques et positionner les secours avant l'arrivée des vents.

Un seul modèle contre un compromis historique

Pour comprendre l'apport de WN-C, il faut voir le compromis qui structurait jusqu'ici la prévision cyclonique. La trajectoire d'un cyclone, là où il va, est pilotée par d'immenses courants atmosphériques mondiaux : les modèles globaux, au maillage grossier, la simulent bien. L'intensité, elle, dépend de processus thermodynamiques fins concentrés autour du cœur du système : seuls des modèles locaux à très haute résolution la captent correctement. Les météorologistes devaient donc jongler entre deux familles d'outils aux qualités opposées.

WeatherNext Cyclones fusionne les deux problèmes dans un seul modèle d'IA, qui prédit simultanément trajectoire, intensité et structure des vents avec une précision record sur chaque dimension. Pour y parvenir, il a été entraîné de bout en bout sur près de 20 téraoctets de données atmosphériques mondiales et sur la base historique IBTrACS, qui recense près de 5 000 tempêtes passées. Fait remarquable, le modèle se contente de données à la résolution de 28 kilomètres, soit cent fois plus grossières que celles des modèles traditionnels de pointe. Les auteurs avouent eux-mêmes leur surprise : comprendre comment de telles performances sont possibles à cette échelle reste une question de recherche ouverte.

Autre pilier de la méthode : les réseaux génératifs fonctionnels (FGN), une architecture qui produit des ensembles de prévisions. WN-C génère 1 000 scénarios par cyclone, contre 50 pour le système de l'an dernier, ce qui permet d'attribuer des probabilités aux événements rares mais dévastateurs, comme les intensifications rapides observées sur l'ouragan Melissa en 2025. Les prévisionnistes disposent ainsi de cartes de probabilité des vents de tempête à force d'ouragan, plutôt que d'une trajectoire unique et faussement certaine.

Pourquoi l'IA bat la physique sur la vitesse

Les modèles numériques classiques résolvent les équations de la dynamique des fluides sur des supercalculateurs. Chaque simulation coûte des heures de calcul, et chaque membre d'un ensemble multiplie ce coût : c'est pour cela que les agences limitent le nombre de scénarios et la résolution. Le raisonnement physique est exact, mais il est lent et cher.

Un modèle d'IA renverse cette logique. Il n'intègre pas les équations pas à pas : il a appris, sur des décennies de données, les régularités statistiques de l'atmosphère. Une fois entraîné, produire une prévision revient à un simple passage de calcul sur un accélérateur. Résultat : WN-C génère une prévision complète à 15 jours en moins d'une minute sur un TPU, et se permet 1 000 membres d'ensemble, là où l'an dernier le système s'en tenait à 50 scénarios.

WeatherNext 3 : la déclinaison générale et grand public

WN-C n'arrive pas seul. Quelques jours avant le commentaire de Nature, le 3 septembre 2026, Google DeepMind et Google Research ont annoncé WeatherNext 3, leur modèle météo mondial le plus avancé, désormais intégré à Search, Gemini, Maps et Earth Engine. Ce modèle généraliste rafraîchit ses prévisions toutes les heures, contre toutes les six heures pour son prédécesseur, et passe d'un maillage de 25 kilomètres à une résolution de 5 kilomètres. Google affiche des gains de précision sur les précipitations pouvant atteindre 50 % pour les prévisions à un jour et au-delà, en s'appuyant sur des évaluations en conditions réelles menées par la société Brightband. WeatherNext 3 produit aussi nativement des trajectoires de cyclones, signe que la spécialisation cyclonique de WN-C irrigue désormais la chaîne grand public.

La famille se veut ouverte : Google a publié le code et les poids de WeatherNext 2, de WN-C et d'une version compacte, WeatherNext 2-mini, utilisable sur un seul TPU depuis un notebook Colab public. Les prévisions cycloniques restent par ailleurs explorables dans l'interface Weather Lab.

Alerter plus tôt, mais alerter quand même

L'open source est précisément le point sur lequel insiste le commentaire de Nature : le potentiel de sauver des vies ne se réalisera que si ces modèles sont partagés de façon responsable à travers le monde. Des agences météorologiques, des chercheurs et des ONG peuvent désormais s'en emparer pour mieux prévoir les événements extrêmes et protéger les populations et les infrastructures.

Restent les limites, que Google assume dans sa propre annonce : ces modèles ne remplacent pas les services météorologiques nationaux, qui restent seuls habilités à émettre les alertes officielles et les consignes de sécurité. WN-C est un outil d'aide à la décision, pas une autorité de crise. Et ses performances à grosse maille gardent une part de mystère que la communauté scientifique devra éclaircir pour accorder une confiance pleine et entière à ces prévisions.

La trajectoire est néanmoins claire. L'IA météo, partie des prévisions mondiales générales, descend désormais au niveau d'un phénomène unique et le traque sur deux semaines. Gagner un jour d'avance sur un cyclone, c'est gagner un jour d'évacuation. C'est le genre de progression qui, mise bout à bout dans les saisons à venir, se mesure moins en benchmarks qu'en vies épargnées.

Sources

•5 min read

À lire aussi

À lire aussi