Vérifiez le prévisions météorologiques sur smartphone, c’est désormais un geste presque automatique : il suffit d’ouvrir une application pour savoir si dans les prochaines heures il va pleuvoir, s’il fera chaud ou s’il faudra emporter un parapluie avec soi. Mais derrière des indications apparemment si simples se cache un travail beaucoup plus complexe, qui nécessite l’interprétation d’une énorme quantité de données sur l’atmosphère. C’est précisément dans ce domaine que Google DeepMind Et Recherche Google ils se concentrent de plus en plus surAU. Le résultat le plus récent est MétéoNext 3la nouvelle génération du modèle météorologique développé par Google améliorer la manière dont les prévisions sont établies et les rendre plus utiles au quotidien.
Qu’est-ce que WeatherNext 3 et comment utilise-t-il l’IA pour prédire la météo ?
Pour comprendre le fonctionnement de WeatherNext 3, vous devez commencer par la manière dont les données sont traitées. prévisions météorologiques de type « traditionnel ». Les modèles numériques décrivent l’atmosphère au moyen d’équations physico-mathématiques et nécessitent de grandes capacités informatiques. Les systèmes basés sur l’IA sont plutôt entraînés grâce à des techniques d’apprentissage automatique, en utilisant une grande quantité d’informations, afin d’apprendre les relations entre l’état actuel de l’atmosphère et son évolution possible.
WeatherNext 3 appartient à cette deuxième catégorie, mais introduit une innovation importante : il peut aussi partir d’un mosaïque mondiale d’images provenant de satellites géostationnairesutilisé avec les analyses météorologiques déjà utilisées par les modèles précédents. De cette manière, il dispose d’une image très récente de ce qui se passe et ne dépend pas uniquement des reconstructions qui peuvent arriver avec un certain retard.
Lors de la formation, les mesures prises par les opérateurs sont également utilisées stations météorologiques au sol. Ces observations aident le modèle à produire des résultats plus proches de ce qui est réellement détecté à un endroit donné, notamment pour des paramètres tels que la température et l’humidité.
Prévisions toutes les heures et résolution jusqu’à 5 km : que signifient ces chiffres
L’une des données les plus intéressantes concerne la fréquence des mises à jour. Grâce aux images satellite disponibles en temps quasi réel, WeatherNext 3 peut initier de nouveaux traitements 24 fois par jourc’est-à-dire une fois toutes les heures. Les quatre principales prévisions du jour, réalisées toutes les six heures, peuvent aller plus loin jusqu’à 15 jourstandis que les intermédiaires ont un horizon de 48 heures.
Le niveau de détail change également par rapport à WeatherNext 2, qui fonctionnait sur une grille d’environ 25 km. Le nouveau modèle arrive jusqu’à 5 km pour deux paramètres calibrés sur les stations : la température et le point de rosée, c’est-à-dire la température à laquelle la vapeur d’eau présente dans l’air commence à se condenser. Diverses variables de surface, notamment le vent, la pression, la couverture nuageuse et la pluie, sont plutôt produites sur une grille d’environ 10 km, tandis que certains paramètres de l’atmosphère à haute altitude restent à 25 km.
Le chiffre de 5 km n’est donc pas valable indifféremment pour n’importe quel phénomène. Elle indique cependant une représentation plus fine du territoire pour certaines grandeurs. C’est un peu comme augmenter la définition d’une image, ce qui ne rend pas ce qui est montré parfait, mais permet de distinguer des différences qui aboutissaient auparavant dans le même « pixel ». Dans l’ensemble, Google est une question de représentation mondiale environ cinq fois plus détaillé par rapport à WeatherNext 2. En météorologie, cela peut être utile, par exemple, dans les zones côtières, vallées ou reliefs, où les conditions peuvent changer considérablement même sur des distances relativement courtes.
Pourquoi il est si difficile de prédire la pluie et la neige : ce qui change avec le nouveau modèle
Le précipitation ils font partie des phénomènes les plus complexes à prévoir avec précision. La pluie et la neige dépendent de processus qui peuvent évoluer rapidement et affecter des zones relativement restreintes. Une bande de tempête, par exemple, peut se déplacer rapidement et rendre moins fiable une prévision basée sur des données qui ne sont pas assez récentes ou une résolution trop faible.
Pour obtenir des estimations plus précises sur ce front, WeatherNext 3 a également été formé avec IMERGle système de la NASA qui combine les observations de plusieurs satellites pour estimer les précipitations, et avec une réanalyse, c’est-à-dire une reconstruction des conditions météorologiques passées, développée par Google à partir de données satellite et radar. Le modèle peut ainsi tirer des enseignements d’informations qui décrivent mieux où et combien il a réellement plu ou neigé.
Les tests techniques donnent une idée des progrès. Pour le traitement global à moyen terme, Google utilise également le SDRCune métrique utilisée pour évaluer l’exactitude des prévisions probabilistes. Dans les comparaisons effectuées par l’entreprise, l’amélioration arrive jusqu’à 60% lorsque les estimations sont comparées aux observations satellitaires IMERG et jusqu’à 30 % en utilisant les observations radar MRMS comme référence ; par rapport aux mesures pluviométriques, elle atteint 10 % dans les échéances prévisionnelles les plus proches.
Parallèlement à ces tests techniques, Google fournit des données plus immédiates à ceux qui consultent la météo dans ses produits : en planifiant au moins un jour à l’avance, la précision des prévisions de précipitations peut augmenter. jusqu’à 50%avec les plus grands avantages dans les domaines où il a été historiquement plus difficile d’obtenir des résultats fiables.
Ces pourcentages doivent toutefois être interprétés dans leur contexte. Cela ne signifie pas que WeatherNext 3 est toujours 50 % ou 60 % plus précis, les valeurs dépendent de la métrique utilisée, des données choisies pour la comparaison et de la distance temporelle de la prévision. Ce sont donc des progrès mesurés dans des tests précis, et non la promesse d’une météo infaillible.
Où il est utilisé : de la recherche et des cartes aux énergies renouvelables
Le nouveau modèle ne restera pas cantonné aux laboratoires Google DeepMind. De la 3 septembre 2026en fait, a commencé à alimenter les informations météorologiques disponibles dans autres services et plateformes de l’entreprise : Google Search, l’application Gemini et Google Maps, ainsi que l’API Météo de Google Maps Platform et Google Earth Engine.
Pour ceux qui utilisent ces services, il ne sera donc pas nécessaire d’accéder directement à WeatherNext 3, car ses résultats seront intégrés aux expériences météo des produits Google. Les chercheurs, les développeurs et les entreprises peuvent consulter les données via BigQuery et Earth Engine ou les télécharger depuis Google Cloud Storage.
Les applications vont également bien au-delà de la question « ai-je besoin d’un parapluie ? ». WeatherNext 3 estime également la vent à 100 mètres d’altitudeune altitude indicative pour les éoliennes, et fournit des informations sur la couverture nuageuse et le rayonnement solaire. Ce sont des paramètres utiles pour prédire le production de systèmes éoliens et photovoltaïques et aider ceux qui gèrent le réseau électrique à savoir quelle quantité d’énergie pourrait être disponible.
Cependant, des limites demeurent. L’atmosphère est un système complexe et en partie chaotique, c’est pourquoi aucun modèle ne peut éliminer complètement l’incertitude. Google lui-même précise que le traitement de WeatherNext 3 ils ne constituent pas des avertissements météorologiques officiels. En cas d’événements extrêmes ou de situations potentiellement dangereuses, il faut continuer à se référer aux services météorologiques nationaux et aux autorités compétentes.
WeatherNext 3 montre enfin à quel point les applications de l’IA dans le domaine météorologique peuvent être vastes. La même technologie peut prendre en charge à la fois les informations consultées quotidiennement et les activités fortement dépendantes des conditions météorologiques, jusqu’à la gestion des énergies renouvelables.