Découvrez comment le modèle météorologique GenCast de Google, avec ses algorithmes avancés, surpasse les prévisions des plus grands services comme Météo France et The Weather Channel. Grâce à une analyse précise des données, GenCast offre des prévisions plus fiables et adaptées aux besoins des utilisateurs modernes.

Google GenCast : un modèle de prévision météorologique révolutionnaire

Google a consacré plusieurs années au développement de modèles de prévision météorologique basés sur l’intelligence artificielle, et son dernier né, GenCast, s’impose aujourd’hui comme un système de prévision d’une « précision de pointe ». Ce modèle utilise une approche novatrice qui le distingue des systèmes traditionnels de prévisions météorologiques.

Une technologie de modélisation avancée

GenCast repose sur un modèle de diffusion, similaire à ceux intégrés dans les outils de génération d’images, de vidéos et de musique. Toutefois, il a été « adapté à la géométrie sphérique de la Terre » et a été conçu pour apprendre à générer avec précision la distribution complexe des probabilités des scénarios météorologiques futurs. Pour ce faire, il utilise les données de l’état actuel de la météo, fournies par les méthodes traditionnelles de prévision.

Un ensemble de prévisions

Contrairement à l’ancien modèle de Google, GraphCast, qui fournissait une seule estimation de la météo future, GenCast propose un ensemble de 50 prévisions ou plus. Chaque prévision représente un possible scénario météorologique. Cette approche d’ensemble permet d’exprimer l’incertitude en générant plusieurs prédictions qui illustrent différents scénarios possibles. Si la majorité des prévisions indiquent qu’un cyclone frappera une région donnée, l’incertitude est faible. En revanche, si les prévisions varient en termes de localisation, l’incertitude augmente.

Des prévisions supérieures

Google affirme que GenCast offre des prévisions plus fiables concernant non seulement la météo quotidienne, mais aussi les événements extrêmes, surpassant même le système opérationnel de référence, l’European Centre for Medium-Range Weather Forecasts (ECMWF) ENS, jusqu’à 15 jours à l’avance.

Performance exceptionnelle

GenCast a été entraîné sur des données météorologiques historiques jusqu’en 2018 et a été testé sur les données de 2019. Parmi 1320 combinaisons analysées, GenCast a surpassé les prévisions de l’ENS à 97,2 % de ces cibles, atteignant 99,8 % de précision sur les prévisions à plus de 36 heures. De plus, il se révèle particulièrement efficace pour prédire les vagues de chaleur et de froid extrêmes, ainsi que les vitesses de vent élevées.

Prédictions sur les cyclones tropicaux

Les cyclones tropicaux, communément appelés ouragans ou typhons, constituent un domaine où GenCast a particulièrement brillé. La capacité à fournir des avertissements plus précis sur les trajectoires de ces tempêtes mortelles s’avère inestimable pour protéger les populations menacées. Grâce à sa technologie avancée, GenCast permet une meilleure anticipation des impacts potentiels de ces phénomènes météorologiques extrêmes.

Rapidité et efficacité

Un autre atout majeur de GenCast est sa rapidité de traitement. En utilisant un seul TPU v5 de Google Cloud, il faut à peine 8 minutes pour élaborer un pronostic sur 15 jours avec toutes les possibilités envisagées. En comparaison, les systèmes actuels nécessitent des heures de calcul sur des superordinateurs dotés de dizaines de milliers de processeurs. Cette rapidité offre un avantage considérable dans le domaine de la prévision météorologique, où le temps est souvent un facteur critique.

Accessibilité et ouverture

Google a rendu GenCast accessible en tant que modèle ouvert, proposant le code et les poids nécessaires pour ceux qui souhaitent explorer ou intégrer cette technologie dans leurs propres projets. Cette initiative pourrait favoriser la recherche et l’innovation dans le domaine de la météorologie.

Nous prévoyons de bientôt publier des prévisions en temps réel et historiques à partir de GenCast, ainsi que des modèles précédents, ce qui permettra à quiconque d’intégrer ces données dans ses propres modèles et flux de recherche.

Pour en savoir plus sur les avancées dans le domaine de la prévision météorologique, consultez Météo-France, un organisme reconnu pour ses contributions à la recherche et aux prévisions météorologiques.

Conclusion

Avec l’avènement de GenCast, Google a non seulement amélioré la précision des prévisions météorologiques, mais a également ouvert la voie à une approche plus analytique et accessible de la météorologie, permettant à la communauté scientifique et au grand public de mieux anticiper les conditions climatiques changeantes.