En juillet 2023, le typhon Doksuri s’est abattu sur les Philippines, semant le chaos sur une trajectoire que les modèles météorologiques conventionnels n’avaient pas anticipée. Pourtant, une nouvelle intelligence artificielle nommée Aurora avait déjà tracé son sillage exact, quatre jours avant l’impact, en analysant des données atmosphériques complexes. Cette prouesse marque un tournant dans notre capacité à anticiper les colères du climat.
- L’IA Aurora surpasse les systèmes de prévision actuels en précision, notamment pour les trajectoires de cyclones tropicaux.
- Contrairement aux modèles physiques, Aurora fonctionne en quelques secondes sur des ordinateurs de bureau classiques.
- En tant que modèle de fondation, il peut être adapté pour prédire la pollution de l’air, les vagues océaniques ou les feux de forêt.
La météorologie mondiale entre dans une ère de haute précision à moindre coût. Un nouveau modèle d’intelligence artificielle, baptisé Aurora, a démontré sa capacité à outrepasser les systèmes actuels de prévision météorologique grâce au machine learning, selon une étude publiée le 21 mai dans la revue Nature. Développé par Microsoft Research, ce système ne se contente pas de prédire la pluie ou le beau temps ; il excelle dans l’anticipation des trajectoires de cyclones tropicaux, des pics de pollution atmosphérique et de l’état de la mer, le tout à une échelle locale inédite.
Aurora : un bond de géant pour la précision météorologique
La capacité d’Aurora à générer des prévisions à haute résolution impressionne les experts du secteur. Peter Dueben, responsable du groupe de modélisation du système Terre au Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) à Bonn, souligne que l’équipe de recherche a été la première à repousser de telles limites techniques. Alors que les événements météorologiques extrêmes se multiplient sous l’effet du changement climatique, la précision devient une question de survie.
« Dans un climat qui change, les enjeux d’une prédiction précise du système Terre n’ont jamais été aussi élevés », explique Paris Perdikaris, ingénieur à l’University of Pennsylvania et coauteur de l’étude. Cette urgence est accentuée par des contextes budgétaires difficiles, notamment aux États-Unis où les coupes de financement au sein du National Weather Service compliquent la diffusion rapide des alertes critiques.
Pour tester l’efficacité de cette IA météo, les chercheurs ont comparé ses résultats avec ceux de sept grands centres de prévision mondiaux sur des cyclones survenus en 2022 et 2023. Dans l’Atlantique Nord et le Pacifique Est, les prédictions d’Aurora se sont révélées 20 à 25 % plus précises que les modèles officiels pour des échéances de deux à cinq jours. Gagner ne serait-ce qu’une journée de préavis peut sauver des milliers de vies lors d’un ouragan ou d’un typhon.
Des prévisions plus rapides et accessibles sans supercalculateur
Le fonctionnement d’Aurora diffère radicalement des méthodes traditionnelles. Les systèmes standards s’appuient sur la résolution d’équations mathématiques et physiques complexes pour simuler l’évolution de l’atmosphère. Ce processus est extrêmement gourmand en ressources : une seule simulation peut nécessiter plusieurs heures de calcul sur un supercalculateur de pointe.
À l’inverse, Aurora utilise le machine learning. Il n’essaie pas de simuler la physique, mais analyse d’immenses bases de données historiques — plus d’un million d’heures de relevés atmosphériques — pour identifier des motifs récurrents. Une fois entraîné, le modèle peut produire une prévision mondiale en quelques secondes sur un simple ordinateur de bureau. Cette accessibilité est cruciale : elle permet à des régions ne disposant pas de supercalculateurs coûteux d’accéder à des outils de prévision de classe mondiale.
Megan Stanley, chercheuse en intelligence machine chez Microsoft Research à Cambridge, précise que cette rapidité d’exécution ne sacrifie en rien la finesse des détails. L’application MSN Weather de Microsoft intègre d’ailleurs déjà les données d’Aurora pour affiner ses prévisions quotidiennes auprès du grand public.
Un modèle de fondation polyvalent pour l’avenir de la Terre
L’une des plus grandes forces d’Aurora réside dans sa structure de modèle de fondation. En intelligence artificielle, un modèle de fondation peut être comparé à un jeune diplômé : il possède un socle de connaissances générales solide, mais peut se spécialiser rapidement dans une tâche précise grâce à un processus appelé « ajustement fin » (fine-tuning).
Lors de sa phase d’apprentissage, Aurora a ingéré des données variées sur les systèmes terrestres. En lui fournissant des données spécifiques supplémentaires, l’équipe a pu l’adapter avec succès à la prédiction de la pollution atmosphérique ou des mouvements de houle. Cette polyvalence ouvre des perspectives immenses pour la gestion des risques naturels.
« Nous imaginons adapter le système pour prédire les variations de la glace de mer, les inondations ou encore la propagation des feux de forêt », projette Megan Stanley.
Malgré ces succès, des incertitudes demeurent. Le passage d’un modèle entraîné sur des données historiques à un monde où le climat change de manière inédite pose la question de la robustesse de l’IA face à des phénomènes jamais observés auparavant. Néanmoins, l’intégration hybride de l’IA et de la physique semble être la voie privilégiée par les institutions comme l’ECMWF, qui utilise déjà des modèles similaires quotidiennement pour compléter ses prévisions traditionnelles. Aurora n’est pas seulement un outil de plus ; c’est le précurseur d’une surveillance planétaire réactive et démocratisée.
