DeepMind enrichit son arsenal d’IA avec WeatherNext, un modèle conçu pour améliorer la prévision des cyclones. Selon ses créateurs, il apporte une journée d’anticipation supplémentaire par rapport aux outils actuels.
Les cyclones sont inévitables. En revanche, mieux anticiper leur arrivée peut sauver des vies et limiter les dégâts. Chaque heure gagnée permet aux autorités d’organiser les évacuations, de sécuriser les infrastructures et d’alerter les populations plus efficacement. C’est précisément l’objectif de WeatherNext de DeepMind. Ce modèle promet des prévisions plus précises et permet de gagner 24 heures sur les modèles actuels.
Comment fonctionne le WeatherNExt de DeepMind ?
Prédire la trajectoire d’un cyclone reste l’un des plus grands défis de la météorologie. Ces phénomènes évoluent rapidement et dépendent de nombreux paramètres atmosphériques.
C’est là que WeatherNext de DeepMind entre en scène. Dans une étude publiée dans la revue Nature, les chercheurs expliquent que leur modèle obtient une précision inédite pour prévoir la trajectoire, l’intensité et la structure des vents d’un cyclone.
Le résultat impressionne. En moyenne, une prévision réalisée trois jours à l’avance atteint le même niveau de fiabilité que les anciens modèles à deux jours d’échéance. Autrement dit, les services météorologiques gagnent environ 24 heures pour préparer les populations.
Selon Google DeepMind, ce bond représente l’équivalent d’une décennie de progrès dans les prévisions cycloniques.
Une IA qui analyse des milliers de scénarios
Contrairement aux approches classiques, WeatherNext de DeepMind ne se contente pas de calculer une seule trajectoire probable. Le modèle produit désormais jusqu’à 1 000 scénarios pour chaque cyclone. Les prévisionnistes disposent ainsi d’une vision plus complète des risques et des différentes évolutions possibles.
Pour y parvenir, l’IA s’appuie sur près de 20 téraoctets de données atmosphériques ainsi que sur une base historique regroupant près de 5 000 tempêtes. Elle apprend à reconnaître des configurations météorologiques complexes avant d’estimer leur évolution.
Les chercheurs soulignent également une particularité surprenante. Le modèle conserve une excellente précision malgré des données beaucoup moins détaillées que celles utilisées par les systèmes traditionnels. Les raisons exactes de cette performance font encore l’objet de recherches.
Et en plus, c’est Open Source
Google ne souhaite pas garder cette technologie pour lui. En parallèle de la publication scientifique, l’entreprise met WeatherNext Cyclones, WeatherNext 2 et WeatherNext 2-mini à disposition de la communauté en open source.
Le code ainsi que les poids des modèles deviennent accessibles aux chercheurs, aux agences météorologiques et aux organisations spécialisées. Cette ouverture pourrait accélérer le développement de nouveaux outils adaptés aux réalités locales.
Les équipes pourront aussi améliorer le modèle ou créer des variantes pour répondre à des besoins spécifiques. DeepMind rappelle toutefois un point essentiel. Malgré les progrès de l’IA, les prévisions officielles restent celles diffusées par les agences météorologiques nationales.
- Partager l'article :
![[Vidéo] Musique IA : tout ce que vous pouvez faire (même si vous êtes nul en musique)](https://www.lebigdata.fr/wp-content/uploads/2026/11/Musique-IA.webp)
