Google DeepMind vient d’intégrer des images satellite actualisées chaque heure dans son nouveau modèle météorologique, WeatherNext 3. La résolution passe de 25 à 5 kilomètres pour la température et l’humidité, et les résultats sont désormais accessibles dans Google Search, Google Maps et l’application Gemini.
Jusqu’à présent, les grands systèmes de prévision recalculaient leurs cartes toutes les six heures, d’abord à partir des équations physiques de l’atmosphère. WeatherNext 3, le nouveau modèle de Google DeepMind et de Google Research, a pour matière première les mosaïques de satellites géostationnaires renouvelées chaque heure et les relevés au sol, plutôt que les seules simulations numériques classiques.
Avec ce système, les prévisions de précipitations gagnent jusqu’à 60 % de fiabilité par rapport aux données IMERG de la NASA, et les projections à plusieurs jours, jusqu'à 50 %. Google DeepMind ajoute aussi à ce modèle la couverture nuageuse et le rayonnement solaire en haute résolution. Ces deux données sont utiles à la gestion des parcs photovoltaïques.
Une résolution affinée, actualisée chaque heure
La version précédente, WeatherNext 2, affichait une grille de 25 kilomètres et des cycles de six heures. En comparaison, la résolution de WeatherNext 3 est de 10 kilomètres pour les variables de surface et de 25 kilomètres pour le vent en altitude, avec une actualisation horaire sur l’ensemble des variables. Le système est construit autour d’un réseau de transformeurs génératifs. Cette architecture d’apprentissage profond traite directement des images satellite, plutôt que des grilles de calcul classiques héritées des modèles physiques. Par ailleurs, Google DeepMind ajoute à ce modèle la vitesse du vent à 100 mètres d’altitude. Les exploitants de parcs éoliens peuvent ajuster leur production à partir de cette donnée. Un modèle plus ancien de Google DeepMind, GenCast, a surclassé les meilleurs systèmes classiques dans 97 % des prévisions testées, à partir de scénarios probabilistes plutôt que d’une seule projection.
En parallèle, Google Research a relié ce système à plusieurs produits maison. Google Search, l’application Gemini, Google Maps et l’interface de programmation Weather API en diffusent déjà les résultats. Google Earth Engine et les entrepôts de données BigQuery donnent aussi accès à ces données, tout comme la plateforme expérimentale Google Weather Lab. Le modèle WeatherNext original, plus ancien, est disponible en open source depuis août 2026, quelques semaines avant cette nouvelle version.
Un écart de budget avec Météo-France
Météo-France a bénéficié, en 2024, d’un budget de 415,5 millions d’euros pour l’ensemble de son infrastructure, contre environ 5,4 milliards d’euros pour la NOAA américaine, soit treize fois plus. Ses recettes commerciales se sont élevées à 34,6 millions d’euros, soit 8 % de son budget total. Malgré cet écart avec les Américains, l’organisme public entretient un réseau de 550 stations de mesure et 25 radars Doppler. Deux supercalculateurs, Belenos et Taranis, cumulent 21,48 pétaflops de puissance de calcul. Les données ouvertes de Météo-France sont pourtant limitées à 42 heures de prévision pour le modèle Arome et à 96 heures pour Arpège, alors que la NOAA publie les siennes jusqu’à seize jours. Par ailleurs, le Centre européen de prévisions météorologiques à moyen terme intègre une partie des mesures françaises dans ERA5, le jeu de données que Google DeepMind a utilisé pour entraîner NeuralGCM, un modèle antérieur, en 2024. Le marché mondial de la prévision météorologique commerciale a représenté environ 2,2 milliards d’euros en 2024, et pourrait s’élever à 3,9 milliards d'euros en 2032, selon les estimations du secteur.
Météo-France développe cependant des émulateurs d’intelligence artificielle, avec l’Institut national de recherche en informatique et en automatique et le programme européen de calcul EuroHPC. Selon Virginie Schwarz, présidente-directrice générale de l’organisme, un émulateur d’intelligence artificielle peut être meilleur, plus rapide et moins coûteux qu’un modèle numérique classique. L’organisme pilote également, avec le Centre européen de prévisions météorologiques à moyen terme, le programme européen Destination Earth. Météo-France teste aussi des algorithmes de vision par ordinateur sur des webcams publiques, pour surveiller l’enneigement dans des zones jusque-là dépourvues de capteurs. Depuis 2024, un service de prévision du brouillard sur la Seine est fondé sur l’IA. La fiabilité des informations transmises aux autorités de navigation a progressé de vingt points.
Participer à la discussion
Partagez votre avis avec la communauté Clubic.