Ce qui change
Google DeepMind et Google Research ont publié WeatherNext 3 le 3 septembre, la troisième génération du modèle météorologique mondial du laboratoire.
Trois nouveautés. Le modèle apprend directement d’observations satellitaires en temps réel au lieu de dépendre uniquement des analyses issues de la prévision numérique du temps. Il se met à jour toutes les heures, là où WeatherNext 2 fonctionnait par pas de six heures. Et il prévoit sur une grille bien plus fine : température et humidité à cinq kilomètres, autres variables de surface à dix, variables atmosphériques comme la vitesse du vent à vingt-cinq. Le modèle précédent utilisait une grille de 25 kilomètres partout, ce qui rend le nouveau environ cinq fois plus net au sol.
Il prédit aussi nativement sur des coordonnées de stations éparses, et pas seulement sur une grille, et ajoute des variables destinées aux systèmes électriques : vitesse du vent à hauteur de moyeu, couverture nuageuse et rayonnement solaire.
Les chiffres de précision, et leur provenance
Google place les plus grands progrès sur les précipitations, là où la prévision fondée sur la physique est la plus faible. Face au jeu de données satellitaires IMERG de la NASA, l’entreprise annonce jusqu’à 60 % d’amélioration du continuous ranked probability score, jusqu’à 30 % face au produit radar MRMS et jusqu’à 10 % face aux pluviomètres à courte échéance. Pour qui planifie un jour ou plus à l’avance, elle affirme des prévisions de précipitations jusqu’à 50 % plus précises.
Ce sont les chiffres de Google, mesurés par Google. Le seul repère externe de l’annonce est l’affirmation que WeatherNext 3 arrive en tête des classements en direct de Brightband, tenus hors de Google — une vérification utile précisément parce que des scores météorologiques publiés par un éditeur se sélectionnent aussi avantageusement que n’importe quelle autre mesure.
Où on le retrouve
Ce n’est pas un artefact de recherche laissé sur un serveur de préprints. Google indique que WeatherNext 3 alimente les prévisions de Search, de l’application Gemini, de Google Maps, de l’API météo de Maps Platform et de Google Earth Engine. Chercheurs et entreprises peuvent interroger les données via BigQuery et Earth Engine ou les télécharger en masse depuis Google Cloud Storage.
Cette diffusion fait le fond de l’affaire. Une prévision horaire à cinq kilomètres qui atteint des produits grand public est un événement d’une autre nature qu’un article rapportant une erreur plus faible, parce qu’elle change ce qu’on dit à des centaines de millions de personnes sur le lendemain.
Pourquoi les variables énergétiques comptent
Le vent à hauteur de moyeu, la couverture nuageuse et le rayonnement solaire sont les données qu’utilisent gestionnaires de réseau et négociants pour programmer la production. Un modèle qui les fournit chaque heure à une résolution plus fine vise directement les marchés de l’électricité, pas la décision de prendre un parapluie — et il arrive au moment où les centres de données d’IA deviennent eux-mêmes une source sérieuse de croissance de la demande.
Ce qu’il faut surveiller
Le chiffre à attendre est un chiffre indépendant. Services météorologiques nationaux et groupes universitaires mènent leur propre vérification face aux prévisions opérationnelles, et ce sont ces résultats, non le billet de lancement, qui diront si une amélioration de 60 % tient selon les saisons et les régions. Reste aussi à voir si Google publie le modèle ou le garde derrière son API, comme pour les versions précédentes de WeatherNext.
