Lorsque Helene a touché terre en Floride au début de l'année, 234 personnes ont été tuées par le pire ouragan qui ait touché la terre ferme des États-Unis depuis Katarina en 2005. Des catastrophes naturelles comme celle-ci et leur intensité croissante en raison du changement climatique ont incité les scientifiques à développer des systèmes de prévision météorologique plus précis. Mercredi, la division DeepMind de Google a annoncé ce qui est peut-être l'avancée la plus importante dans ce domaine depuis près de huit décennies.
Dans un article du Google Keyword Blog, Ilan Price et Matthew Wilson de DeepMind ont présenté GenCast, le dernier agent IA de l'entreprise. Selon DeepMind, GenCast est non seulement plus performant que son précédent programme d'IA météorologique pour les prévisions quotidiennes et extrêmes, mais il surpasse également le meilleur système de prévision actuellement exploité par le Centre européen pour les prévisions météorologiques à moyen terme (CEPMT). Lors de tests comparant les prévisions à 15 jours des deux systèmes pour le temps en 2019, GenCast était en moyenne plus précis que le système ENS du CEPMMT dans 97,2 % des cas. Pour les prévisions de plus de 36 heures, le système de DeepMind était encore plus précis, avec 99,8 pour cent.
"Je déteste dire cela, mais c'est comme si nous avions obtenu des améliorations pour des décennies en un an", a déclaré au New York Times Rémi Lam, scientifique principal de l'ancien programme d'IA météorologique de DeepMind. "Nous voyons vraiment des progrès très, très rapides".
GenCast est un modèle de diffusion basé sur la même technologie que les outils d'IA générative de Google. DeepMind a entraîné le logiciel avec près de 40 ans de données météorologiques de haute qualité, collectées par le Centre européen pour les prévisions météorologiques à moyen terme. Les prévisions du nouveau modèle sont probabilistes, c'est-à-dire qu'elles prennent en compte un certain nombre de possibilités, qui sont ensuite exprimées en pourcentages. Les modèles probabilistes sont considérés comme plus nuancés et plus utiles que leurs homologues déterministes, qui ne fournissent que la meilleure estimation possible du temps qu'il fera un jour donné. Les premiers sont également plus difficiles à établir et à calculer.
Le plus frappant est peut-être le fait que GenCast nécessite beaucoup moins de puissance de calcul que les prévisions d'ensemble traditionnelles basées sur la physique, comme ENS. Selon Google, une seule de ses TPU v5 Tensor Processing Units peut produire une prévision GenCast pour 15 jours en huit minutes. En comparaison, un superordinateur doté de dizaines de milliers de processeurs peut mettre des heures à produire une prévision basée sur la physique.
Bien sûr, GenCast n'est pas non plus parfait. Un domaine dans lequel le logiciel pourrait fournir de meilleures prévisions est la force des ouragans. L'équipe de DeepMind a toutefois déclaré au Times qu'elle était confiante dans sa capacité à trouver des solutions aux imperfections actuelles de l'agent. En attendant, Google fait de GenCast un modèle ouvert et met à disposition des exemples de code pour l'outil sur GitHub. Les prédictions de GenCast seront bientôt disponibles dans Google Earth.
