Le 17 novembre, Google DeepMind et Google Research ont conjointement lancé WeatherNext 2, un modèle de prévision météorologique basé sur l'intelligence artificielle de nouvelle génération. Ce produit apporte deux avancées majeures : une vitesse multipliée par 8 et la capacité de fournir des prévisions à résolution horaire, ce qui signifie que sur une seule puce, le modèle peut générer des centaines de scénarios météorologiques possibles en moins d’une minute, alors que les superordinateurs traditionnels mettraient des heures à accomplir la même tâche. En termes de précision, WeatherNext 2 surpasse son prédécesseur dans 99,9 % des variables météorologiques telles que la température, la vitesse du vent et l'humidité, avec un délai de prévision allant de 0 à 15 jours. Actuellement, cette technologie est utilisée dans la recherche Google, l'assistant vocal Gemini, la fonction météo des téléphones Pixel et l'API météo de Google Maps. Elle sera intégrée à Google Maps dans les prochaines semaines afin d'offrir aux utilisateurs des services météorologiques détaillés en temps réel. Sa capacité à prédire les catastrophes à court terme est particulièrement remarquable. Pour la prévision des trajectoires des tempêtes tropicales à trois jours, le nouveau modèle affiche une avance d'environ 24 heures sur le précédent. Akib Uddin, chercheur chez DeepMind, souligne que les prévisions horaires sont cruciales pour des secteurs comme le négoce d'énergie et l'agriculture : « Des données plus précises permettent une prise de décision plus juste ; par exemple, les parcs éoliens peuvent ajuster leurs plans de production et les entreprises énergétiques optimiser leur répartition. » Cette avancée majeure provient du « réseau génératif fonctionnel » de DeepMind. Les modèles traditionnels sont généralement entraînés sur des éléments météorologiques isolés (tels que la température et la vitesse du vent), tandis que la nouvelle méthode peut prédire directement des systèmes complexes, tels que la propagation des vagues de chaleur régionales ou les fluctuations de la production d'énergie éolienne, en apprenant les relations entre ces éléments. Bien sûr, la technologie peut encore être améliorée. Ferran Alet, chercheur chez DeepMind, a reconnu que la capacité prédictive du modèle pour de tels événements devait être renforcée, car les données d'entraînement présentent des lacunes pour les scénarios météorologiques extrêmes (comme les pluies anormales et les blizzards). « C'est dans cette direction que nous travaillons constamment à l'amélioration du modèle. » Actuellement, WeatherNext 2 est accessible aux entreprises et aux instituts de recherche via Vertex AI, BigQuery et Earth Engine de Google Cloud. La concurrence dans ce domaine s'intensifie, avec des entreprises telles que NVIDIA, Microsoft, AccuWeather et Huawei qui développent toutes des systèmes de prévision météorologique basés sur l'IA. Des icônes météo sur nos téléphones portables aux outils d'aide à la décision pour les entreprises, WeatherNext 2 utilise la technologie pour transformer notre rapport à la nature. Bien plus qu'une simple évolution technologique, cette solution préfigure l'application généralisée de l'IA aux services climatiques. Grâce à des prévisions affinées et basées sur les données, nous passons progressivement d'une approche passive à une planification proactive, intégrant ainsi la technologie à tous les aspects de notre vie.
Chargement du thread
Récupération des tweets originaux depuis X pour offrir une lecture épurée.
Cela ne prend généralement que quelques secondes.