Publicité

Météo : des simulations dopées par l'IA

Traitant des milliards de données, la météorologie est un terrain de choix pour l'intelligence artificielle. Cinq modèles sont aujourd'hui en concurrence. Et ce n'est qu'un début.

Cet article est issu du magazine Les Indispensables de Sciences et Avenir n°217 daté avril/ juin 2024.

La prévision météorologique se prête particulièrement bien à la simulation par ordinateur. Un demi-siècle déjà que ses modèles appliquent les lois de la physique à l'état de l'atmosphère en résolvant des équations. Mais voilà qu'il y a une trentaine d'années, elle s'est mise à lorgner le potentiel de cette branche de l'intelligence artificielle qu'est l'apprentissage automatique qui permet, par des méthodes statistiques, d'entraîner un modèle à prédire l'évolution d'un système à partir d'un grand nombre de données.

Hybridation entre simulation et apprentissage automatique

"Au début des années 1990, on commence à utiliser des techniques d'apprentissage automatique pour ce que l'on appelle le post-traitement : les prévisions issues de la simulation sont retouchées pour tenir compte de particularités locales, à l'aide d'un modèle entraîné sur des statistiques historiques, raconte Marc Pontaud, directeur de la recherche à Météo-France. Pour la vitesse du vent, par exemple, le post-traitement consiste à tenir compte des effets de la topographie, tels que l'exposition sur une crête ou l'abri d'un creux de vallée."

Les années 2000 voient les débuts en météorologie d'une approche de l'apprentissage automatique très féconde, l'apprentissage profond. "Nous avons d'abord commencé à remplacer des compartiments des modèles classiques, qui simulent certains phénomènes physiques intervenant dans la météorologie, par des réseaux de neurones, poursuit Marc Pontaud. Inspirés de leurs homologues biologiques, ceux-ci ajustent progressivement leurs paramètres d'interconnexion au cours de l'apprentissage sur un grand nombre d'exemples, jusqu'à prédire la situation future en fonction de celle fournie en entrée. Il se trouve que la simulation numérique de certains phénomènes physiques est très coûteuse en puissance de calcul, tandis que l'IA donne des résultats certes moins précis, mais q[...]

Lire la suite sur sciencesetavenir.fr

A lire aussi