Dans une percée significative pour la science météorologique, une récente étude publiée dans la prestigieuse revue « Science » révèle que l’intelligence artificielle (IA) de Google DeepMind, connue sous le nom de GraphCast, est en train de redéfinir les normes en matière de prévision météorologique.
Selon cette étude, GraphCast surpasse les outils de prévision habituels dans 90 % des cas étudiés, marquant un tournant dans la façon dont les prévisions météorologiques sont effectuées.
Un système d’IA avancé
GraphCast se distingue par sa méthode innovante d’utilisation des données météorologiques. En s’entraînant sur des données recueillies sur près de quarante ans par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), cette IA est capable de générer des prévisions météorologiques pour les six heures suivantes. Ces prédictions sont ensuite réutilisées pour de nouvelles estimations, créant ainsi un cycle continu d’amélioration et d’affinement des prévisions.
Performance et précision accrues
L’une des réalisations les plus remarquables de GraphCast est sa capacité à prédire des événements météorologiques extrêmes avec une précision et une rapidité supérieures. Par exemple, l’IA a prédit l’arrivée de l’ouragan Lee en Nouvelle-Écosse, Canada, trois jours plus tôt que les modèles conventionnels. En outre, GraphCast a démontré une efficacité 60 fois supérieure à celle des systèmes traditionnels, qui nécessitaient auparavant une heure de calculs sur des superordinateurs pour des estimations à dix jours.
Un avenir orometteur
La réussite de GraphCast représente un tournant pour les services météorologiques du monde entier. Avec sa capacité à intégrer et à améliorer les méthodes conventionnelles, cette IA ouvre la voie à des prévisions plus précises et plus rapides, essentielles pour anticiper et gérer les événements météorologiques extrêmes. Cette avancée témoigne de l’impact potentiel de l’intelligence artificielle dans divers domaines scientifiques et pourrait marquer le début d’une nouvelle ère dans la prévision et la compréhension des phénomènes météorologiques.
