Dans un article publié le 13 janvier sur le blog de Google, un chercheur affirme avoir développé une IA capable de prédire avec plus de précision et de rapidité les précipitations que les modèles météorologiques traditionnels, dès les premiers stades de son développement. La météo par son importance dans le quotidien de tous les habitants du globe avait déjà attiré IBM au CES de 2019 avec une idée légèrement effrayante, utiliser nos smartphones pour recueillir des données.
100 térabits de données compilées quotidiennement pour connaître la météo du monde
Qui n’a jamais râlé, en se prenant une averse pendant une balade, contre la météo qui avait pourtant dit qu’il ne pleuvrait pas ? C’est peut-être ce qui a motivé Jason Hickey et ses équipes de Google Recherche à créer une IA pouvant prédire avec une grande précision de lieu, et de temps, les précipitations.
Inscrivez-vous à la newsletter
En vous inscrivant vous acceptez notre politique de protection des données personnelles.
La météo est loin d’être une chose évidente à prédire. Avant de pouvoir regarder les cartes de Météo France avant le JT de 20h sur TF1 ou sur internet, c’est un grand nombre de données qui vont être agrégées, venant de station au sol, de radar, de satellites géosynchrones… La National Oceanic and Atmospheric Administration (NOAA), qui assure le National Weather Service, Météo France à l’Américaine, en compile quotidiennement 100 térabits.
Ces informations sont ensuite mises dans des superordinateurs qui peuvent générer des prévisions sur 10 jours. Dans son billet de blog, Jason Hickey explique que « il y a tellement de données d’observation de tant de variétés différentes que les systèmes de prévision ont du mal à les intégrer toutes ».
La limitation des ressources de calcul limite la précision des prévisions, la résolution des satellites doit être limitée à 5km et il faut 6 heures pour calculer une prévision. C’est à ces limites techniques que se sont attelés les chercheurs de Google grâce au machine learning, comme le suggère le nom du projet, “Machine Learning for Precipitation Nowcasting from Radar Images”.
Pour éviter les latences, les chercheurs n’ont pas doté leur IA d’une connaissance de la physique de l’atmosphère initiale des zones observées. C’est grâce aux exemples, aux images et aux données reçues que l’IA va pouvoir la déduire. Ensuite ils ont utilisé U-Net, un type de réseau de neurones artificiel spécialisé dans la segmentation d’image. C’est ce réseau qui va permettre à l’IA de gagner en intensité.
Pour tester leur travail, les employés de Google ont travaillé sur des données sur la partie continentale des États-Unis de 2017 à 2019. L’IA travaillait sur des durées de 4 semaines : 3 semaines d’observation et d’apprentissage, et une dernière semaine pour évaluer ses performances.
Un modèle meilleur dès ses « premiers stades de développement »
Ils ont également confronté leur modèle de prédiction des intempéries aux trois principaux modèles utilisés. Les résultats sont plus qu’encourageants selon les chercheurs. Ils sont parvenus à faire des prévisions sur les précipitations avec une résolution de 1km et avec une latence de 5 à 10 minutes seulement, « ce qui surpasse les modèles traditionnels, même à ces premiers stades de développement » se félicite-t-il.
Ils notent toutefois que le modèle de la NOAA, le « High Resolution Rapid Refresh » (HRRR), était meilleur en précision pour prévenir l’arrivée de la pluie passé 6 heures. Il l’explique notamment par la présence chez le HRRR d’un modèle physique 3D complet. Les chercheurs ont donc décidé de poursuivre leur recherche vers un système mixte entre leur IA et le HRRR. Si les résultats sont là, ce sera peut-être bientôt Google qui présentera la météo avant le JT.
De gauche à droite : les prévisions de l’HRRR, les précipitations réelles, les prévisions de l’IA de Google.
