L’intelligence artificielle transforme la manière dont les prévisions sont élaborées. Cependant, même l’IA la plus puissante ne peut éliminer l’incertitude inhérente à la prévision des conditions atmosphériques.
Par Chris Scott, vice-président chargé de la météorologie et du contenu
« L’IA va-t-elle vous prendre votre poste de météorologue ? »
C’est l’une des questions qu’on me pose le plus souvent ces derniers temps.
La réponse en un mot ?
Non.
Mais cela ne veut pas dire que l’IA ne va pas transformer ce métier. C’est déjà le cas.
Les prévisions météorologiques sont hautement automatisées depuis des décennies. Les modèles informatiques traitent déjà d’énormes quantités de données et prédisent l’évolution de l’atmosphère. L’IA est la prochaine étape.
La question la plus intéressante n’est pas de savoir si l’IA remplacera les météorologues.
C’est ce que l’IA peut apporter aux prévisions météorologiques — et où se situent ses limites.
« L’IA est une révolution en termes de rapidité des prévisions, mais une évolution en termes de précision. »
L’IA transforme les prévisions météorologiques, mais pas comme la plupart des gens le pensent
Quand la plupart des gens pensent à l’IA, ils imaginent un ordinateur capable soudainement de faire quelque chose qui était impossible auparavant.
Les prévisions météorologiques, c’est différent.
Nous comprenons depuis longtemps les mathématiques qui décrivent le temps. Depuis des décennies, les modèles de prévision numérique du temps utilisent une représentation tridimensionnelle de l’atmosphère et les lois de la physique pour calculer ce qui va se passer ensuite.
La plupart des progrès réalisés au cours des 40 dernières années proviennent de meilleures observations, de meilleurs modèles et d’une plus grande puissance de calcul.
L’IA emprunte une voie différente.
Plutôt que de résoudre les équations de la physique, l’IA apprend sa propre version des mathématiques à partir de décennies de données météorologiques historiques.
Il y a cinq ans, presque personne ne pensait qu’un modèle d’IA puisse produire des prévisions météorologiques mondiales crédibles simplement en apprenant du passé.
Aujourd’hui, c’est possible.
C’est l’une des plus grandes avancées que nous ayons connues en météorologie moderne.
Pourquoi l’IA est-elle importante
La prévision météorologique est le problème par excellence du Big Data.
Les systèmes de prévision collectent des données provenant de satellites, de radars, de stations météorologiques, d’avions, de navires et de ballons-sondes. Sans données, l’IA ne sait rien. Avec suffisamment d’historique — et suffisamment d’occasions d’échouer et d’apprendre —, elle peut devenir remarquablement performante.
L’entraînement d’un modèle météorologique basé sur l’IA coûte cher.
Une fois entraîné, cependant, il est peu coûteux et rapide.
Les modèles d’IA peuvent produire des prévisions 10 à 100 fois plus rapidement que les modèles traditionnels. Cela signifie des mises à jour plus fréquentes et un nombre bien plus important de scénarios de prévision.
L’IA améliore également la précision, mais de manière bien moins spectaculaire. Les prévisions ne deviendront pas 10 ou 100 fois plus précises.
Malheureusement, la météo ne fonctionne pas ainsi.
« L’IA peut aider à réduire l’éventail des possibilités. Elle ne peut pas éliminer l’incertitude. »
L’IA ne permettra pas d’établir des prévisions parfaites
La météo est un système chaotique.
De petites différences aujourd’hui peuvent entraîner des différences bien plus importantes dans plusieurs jours. C’est pourquoi différents modèles produisent encore des prévisions différentes.
L’IA peut nous aider à évaluer davantage de scénarios et à repousser les limites de la précision. Mais elle ne rendra pas toutes les prévisions à cinq jours parfaites — ni ne vous dira quelle semaine réserver pour vos vacances dans trois mois.
Ce que les gens veulent en fin de compte, c’est une réponse par oui ou par non : va-t-il pleuvoir entre 14 h et 17 h dans trois jours ?
J’aimerais bien ça moi aussi !
L’IA nous aidera à affiner la réponse. Mais la météo reste la météo, et les prévisions impliqueront toujours des termes tels que « chance » et « probabilité ».
Où se trouve peut-être la plus grande opportunité
Chez Pelmorex, nous utilisons depuis des années différentes formes d’IA pour améliorer les prévisions là où des observations de stations météorologiques sont disponibles. Nous avons également entraîné notre propre modèle mondial de prévision basé sur l’IA, en nous appuyant sur la technologie de Google DeepMind.
Le domaine qui m’enthousiasme le plus est le « nowcasting » : la prévision du temps pour les prochaines minutes et heures.
Le radar nous indique où se trouvent les précipitations à l’instant présent. Les modèles de prévision nous indiquent comment ces précipitations vont évoluer. L’IA excelle à combiner les meilleurs atouts de ces deux sources.
Cela offre la possibilité d’améliorer les prévisions concernant le moment où les précipitations vont commencer, leur intensité et le moment où elles cesseront.
Mais il y a un défi à relever.
Pour que l’IA puisse déterminer quelle prévision est la meilleure, nous devons définir ce qu’est la « vérité ». C’est plus difficile qu’il n’y paraît. Les stations météorologiques, les radars et les satellites perçoivent chacun l’atmosphère différemment et présentent des limites.
Il sera essentiel de se forger une image plus précise de ce qui se passe actuellement.
Qu’est-ce qui change pour les météorologues ?
Les modèles basés sur l’IA et ceux fondés sur la physique sont conçus différemment, mais dans la pratique, ils se ressemblent étonnamment. Les uns comme les autres ont des forces et des faiblesses.
Tant les modèles physiques que ceux basés sur l’IA surpassent n’importe quel être humain en matière de calculs.
Mais des modèles différents donnent des réponses différentes.
« On ne peut pas voir la vérité à l’avance — on ne peut voir que différentes versions de l’avenir. »
C’est là que l’expérience et le jugement continuent de jouer un rôle essentiel.
Lors de journées calmes où les modèles s’accordent, il n’y a peut-être guère de raison d’intervenir. C’est lors de phénomènes météorologiques à fort impact, lorsque les modèles divergent et que le message revêt une importance capitale, que leur valeur est la plus grande.
Lors de la tempête de neige record qui a frappé Toronto en janvier dernier, notre équipe avait prévu des chutes de neige plus importantes en s’appuyant sur son expérience des chutes de neige d’effet lac provenant du lac Ontario. Lorsque les modèles se sont déplacés vers le nord, l’équipe a rapidement mis à jour les prévisions avant tout le monde.
Le rôle du météorologue va continuer à évoluer : il s’agira désormais de superviser les systèmes automatisés, d’évaluer leurs performances, d’orienter l’apprentissage de l’IA et d’intervenir si nécessaire.
Ce n’est pas une rupture avec le passé.
La météorologie s’est tournée vers l’automatisation depuis des décennies.
Instaurer la confiance dans un avenir axé sur l’IA
Le public n’a pas nécessairement besoin de savoir si une prévision particulière provient d’un modèle basé sur l’IA ou sur la physique. Les deux aboutissent à des résultats similaires par des voies différentes.
Ce dont les gens ont besoin, c’est d’être assurés que ces outils sont utilisés à bon escient.
Chez Pelmorex, ce sont les météorologues qui supervisent le processus. Nous testons les nouveaux systèmes et évaluons en quoi ils apportent une valeur ajoutée. Nous ne mettons pas en œuvre une technologie simplement parce qu’elle est nouvelle. Elle doit améliorer les prévisions.
Quelle est la prochaine étape ?
Au cours de la prochaine décennie, l’IA s’intégrera à presque toutes les étapes de la prévision.
Les prévisions s’exécuteront plus rapidement.
Davantage de scénarios seront envisageables.
Les prévisions immédiates gagneront en précision.
Les informations météorologiques seront de plus en plus personnalisées.
Les progrès ne sembleront peut-être pas spectaculaires d’une année à l’autre. Les avancées en matière de prévisions se font par petites étapes qui s’accumulent au fil d’une décennie.
L’IA ne rendra pas l’atmosphère moins chaotique.
Elle n’éliminera pas l’incertitude.
Et elle ne résoudra pas le problème des prévisions météorologiques.
Mais utilisée de manière responsable, elle aidera les météorologues à améliorer progressivement la précision, à communiquer plus efficacement sur les risques et à aider les gens à prendre de meilleures décisions lorsque la météo est cruciale.
«L’IA ne résoudra pas le problème des prévisions météorologiques. Mais elle nous aidera à les améliorer. »
À propos de l’auteur
Chris Scott est vice-président chargé de la météorologie et du contenu chez Pelmorex, société mère de The Weather Network et de MétéoMédia. Il supervise une équipe de 30 météorologues opérationnels et chercheurs, et pilote l’innovation et l’excellence en matière de prévisions météorologiques. Chris est titulaire de diplômes en sciences atmosphériques de l’université du Michigan et de l’université York.