IA

L’IA de Google prédit la pluie avec 50 % de précision en plus — déjà active dans Maps

Susan Hill

Les prévisions météo sur votre téléphone viennent de gagner nettement en fiabilité, sans que vous ayez rien à faire. Google DeepMind a remplacé le modèle qui alimentait ses cartes météo dans Search, Maps, Gemini et l’API Maps Platform par WeatherNext 3 — un système qui produit des prévisions toutes les heures avec une résolution de 5 kilomètres, contre des intervalles de six heures sur une grille de 25 kilomètres pour son prédécesseur.

La différence pratique se voit surtout pour la pluie. Pour une planification à un jour ou plus, les prévisions de précipitations de WeatherNext 3 sont jusqu’à 50 % plus précises que celles de l’ancien modèle. Par rapport à IMERG, la référence satellite utilisée par les climatologues, l’amélioration atteint 60 %. Concrètement, cela fait la différence entre une prévision qui annonce « possibilité d’averses » et une qui vous dit de vous attendre à de la pluie entre 14 h et 17 h dans votre quartier précis.

WeatherNext 3 surpasse également les systèmes traditionnels de prévision numérique du temps exploités par le National Weather Service américain et les agences météorologiques européennes, selon les propres benchmarks de Google. Le modèle ne se limite pas à la pluie : il intègre la vitesse du vent à 100 mètres — la hauteur d’une éolienne — la couverture nuageuse et le rayonnement solaire, ce qui le rend utile aux opérateurs énergétiques et aux planificateurs agricoles, en plus des usagers ordinaires.

Google n’est pas la seule entreprise à développer des modèles météo basés sur l’IA. Microsoft, Nvidia et des instituts de recherche européens ont publié des approches concurrentes au cours des deux dernières années. L’annonce de Google n’a pas cité de rivaux spécifiques, et les agences météorologiques indépendantes n’ont pas encore publié de validation externe des gains de précision revendiqués par WeatherNext 3 — les chiffres proviennent des propres tests comparatifs de Google.

Le changement architectural clé réside dans la manière dont le modèle reçoit les données. Les systèmes de prévision météo traditionnels collectent les observations sur une fenêtre de six heures avant d’effectuer leurs calculs. WeatherNext 3 ingère en temps réel les images des satellites géostationnaires toutes les heures, contournant ainsi ce décalage. Il s’entraîne également sur les relevés directs des réseaux de stations météo au sol, ce qui l’aide à refléter le terrain local — les effets côtiers, les cols de montagne et les signatures thermiques urbaines qu’une grille plus grossière aurait lissées.

Il existe des limites réelles à ce que signifie une résolution de 5 kilomètres dans la pratique. Le modèle ne peut pas distinguer la pluie qui tombe d’un côté de votre rue avant l’autre, et il ne peut pas outrepasser l’imprévisibilité fondamentale des systèmes convectifs. Le blog de Google renvoie lui-même les utilisateurs aux agences météorologiques locales pour les alertes de temps violent et les avis de sécurité publique.

Des versions pré-entraînées de WeatherNext 3 sont disponibles pour les chercheurs via Google Cloud et Google Earth Engine depuis le 3 septembre 2026, date à laquelle le modèle a été annoncé. Aucun déploiement régional progressif n’a été annoncé — la mise à jour est active mondialement pour tous les utilisateurs des produits météo grand public de Google.

Étiquettes: , , , , ,

Discussion

Il y a 0 commentaire.