Google DeepMind a dévoilé GenCast, un modèle d’ensemble d’IA révolutionnaire qui améliore considérablement la précision et la vitesse des prévisions météorologiques. Ce modèle répond au besoin crucial de prévisions fiables, d’autant plus que le changement climatique augmente les phénomènes météorologiques extrêmes. GenCast prédit une gamme de scénarios météorologiques possibles, surpassant le système ENS du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF).
Google DeepMind lance GenCast pour des prévisions météorologiques améliorées
L’introduction de GenCast arrive à point nommé, alors que la demande de prévisions météorologiques précises ne cesse de croître. Le modèle prédit avec précision les changements météorologiques quotidiens et les conditions extrêmes jusqu’à 15 jours à l’avance. GenCast offre une vue complète des conditions météorologiques potentielles, ce qui est vital pour les décideurs de divers secteurs.
GenCast utilise un format haute résolution de 0,25°, générant 50 prévisions ou plus pour différentes trajectoires météorologiques. Cette approche permet au modèle de représenter les incertitudes plus efficacement que les méthodes de prévision traditionnelles. Les agences météorologiques et les scientifiques s’appuient sur des prévisions d’ensemble pour comprendre l’éventail des scénarios probables, une nécessité compte tenu de l’imprévisibilité inhérente du temps.
Pour développer GenCast, les chercheurs ont utilisé quatre décennies de données météorologiques historiques du CEPMMT, qui incluent diverses variables atmosphériques cruciales pour des prévisions précises. Par conséquent, le modèle a démontré des capacités de prévision supérieures lors d’évaluations approfondies, dépassant l’ENS du CEPMMT dans 97,2 % des cibles testées et atteignant une précision de 99,8 % pour les prévisions à plus de 36 heures.
Contrairement à son prédécesseur, qui fournissait une prévision unique, GenCast utilise un modèle de diffusion similaire à ceux utilisés dans l’IA générative pour la génération de contenu multimédia. Cette adaptation permet à GenCast d’opérer sur la géométrie sphérique de la Terre, lui permettant d’appréhender et de modéliser des scénarios météorologiques complexes.
L’efficacité informatique de GenCast est remarquable. Une seule prévision peut être générée en seulement huit minutes à l’aide d’un Google Cloud TPU v5, alors que les méthodes traditionnelles nécessitent des heures et des ressources informatiques importantes. Cette réduction de temps augmente non seulement l’efficacité opérationnelle, mais permet également de prendre des décisions en temps opportun dans des situations météorologiques critiques.
Prévisions améliorées pour les événements météorologiques extrêmes
GenCast excelle dans la prévision des conditions météorologiques extrêmes, cruciales pour la sécurité publique et la gestion des ressources. Au cours des tests, le modèle a démontré des capacités supérieures pour prédire les cas de chaleur extrême, de froid et de vitesses de vent élevées. Par exemple, il a fourni un suivi précis du typhon Hagibis quelques jours avant son arrivée, démontrant sa capacité à se concentrer sur des trajectoires de cyclones spécifiques avec une précision accrue.
De plus, des prévisions météorologiques plus fiables peuvent faciliter une meilleure planification des initiatives en matière d’énergies renouvelables. Un exemple inclut la précision remarquable de GenCast dans la prévision de la production d’énergie éolienne, soutenant ainsi la transition vers des sources d’énergie durables. Cette capacité est de plus en plus vitale à mesure que les industries recherchent des données fiables pour améliorer leur efficacité opérationnelle.
Crédits images : Google DeepMind
