— perfect strangers / Shutterstock.com

Une IA développée par DeepMind en collaboration avec le Met Office, principal service météorologique de Grande-Bretagne, est capable de prédire les précipitations avec plus de précision que les modèles actuels de prévision à très court terme.

Un outil puissant

Filiale d’Alphabet, la société mère de Google, DeepMind s’était précédemment illustrée avec des réseaux neuronaux formés pour jouer à divers jeux sans en connaître préalablement les règles et étudier le repliement des protéines. Son approche révolutionnaire d’apprentissage profond (deep learning) a récemment été étendue à la prévision des précipitations à court terme. Couvrant généralement les deux heures à venir, celles-ci sont utilisées par les organisateurs d’événements en plein air, les systèmes d’alerte aux inondations et le secteur de l’aviation.

Pour cette étude détaillée dans la revue Nature, les chercheurs ont entraîné un réseau neuronal sur des données de radars météorologiques collectées de 2016 à 2018, qui a ensuite été testé en utilisant des données de 2019. À même de réaliser des prédictions pour des zones mesurant jusqu’à 1 536 km sur 1 280, il était en mesure d’estimer précisément la probabilité de précipitations pour une zone donnée d’1 km sur 1 km et demi, 90 minutes à l’avance et à partir de seulement 5 minutes de données radar historiques.

Afin d’évaluer sa précision, les prévisions de l’intelligence artificielle de DeepMind ont été comparées à celles de deux outils actuellement utilisés par les météorologues (le premier reposant sur une approche purement statistique et le second sur le deep learning). Dans le cadre d’une étude en aveugle menée auprès de 50 prévisionnistes du Met Office, le modèle d’IA s’est classé premier dans 89 % des expériences.

« Cette recherche démontre le potentiel de l’intelligence artificielle en tant qu’outil puissant pour améliorer nos prévisions à court terme et notre compréhension de l’évolution des schémas météorologiques », a déclaré Niall Robinson, du Met Office.

Des modèles actuels (très) perfectibles

Selon Suman Ravuri de DeepMind, les modèles actuels de prévisions météorologiques à long terme ont tendance à être basés sur des simulations mathématiques à forte intensité de calcul, les rendant peu performants à courte échéance. Tandis que les outils utilisés pour combler cette lacune restent largement perfectibles.

« La technologie existante est vraiment étonnante pour les prévisions météorologiques de 6 heures à deux semaines, mais il existe une zone, notamment entre 0 et 2 heures, où les modèles sont particulièrement médiocres », estime-t-il.

Le scientifique estime que les humains resteront probablement impliqués dans les prévisions, même si l’utilisation d’outils basés sur l’IA se démocratise. « À un moment donné, vous aurez besoin d’experts et d’humains dans la boucle s’assurant de la bonne interprétation des données par l’intelligence artificielle. Il est difficile d’imaginer un système automatisé capable de faire tout cela. »

S’abonner
Notifier de
guest

0 Commentaires
Inline Feedbacks
View all comments