Météo France cherche à conserver un temps d’avance. En 2021, il s’était doté de deux supercalculateurs de pointe, toujours les 69e et 78e plus puissants du monde. L’organisme public anticipe et prépare déjà l’intégration de l’intelligence artificielle dans ses méthodes de calcul. Il prévoit ainsi de lancer un appel d’offres de 350 millions d’euros durant cinq ans, fin 2024, pour s’équiper d’un nouveau supercalculateur, dont les spécifications techniques ne sont pas encore définies, en 2027. « Les machines sont en train de changer d’architecture, explique Marc Pontaud, le directeur de l’enseignement supérieur et de la recherche de Météo France. Pour réaliser des calculs efficaces et économiques, il faut des calculateurs hybrides intégrant des GPU (processeurs graphiques). » Ces futures capacités de calcul devraient notamment améliorer l’échelle des prédictions météorologiques et climatiques.
Dans le cadre du projet européen de jumeau numérique de la terre Destination earth, Météo France pilote ainsi un consortium visant à obtenir des prévisions de haute précision, de l’ordre de la centaine de mètres, sur des zones géographiques données. « Tous les grands organismes européens de prévision météo ont des modèles à une échelle kilométrique (1,3 km pour Météo France), une échelle à 100 mètres peut permettre de mieux anticiper les phénomènes extrêmes, rappelle le spécialiste. Nous cherchons aussi à faire des simulations climatiques à l’échelle 2,5 kilomètres pour mieux évaluer localement les impacts du changement climatique. »
Météo France, contributeur au Giec depuis son premier rapport, utilise peu ou prou les mêmes modèles pour les prévisions météo, à court terme, et climatiques, à long terme. « 10 % de nos capacités de calcul sont allouées au climat et 30 % à la production des prévisions », chiffre Marc Pontaud. Le reste est destiné à la recherche.
L’intelligence artificielle est anticipée comme un changement de paradigme majeur. « Plutôt que de chercher uniquement la meilleure prévision déterministe, elle permettrait de faire plusieurs dizaines de fois cette même prévision en intégrant dans ses conditions initiales les marges d’erreurs de toutes nos sources de données et en utilisant des statistiques sur l’ensemble de ces prévisions », projette l’ex-directeur scientifique de l’organisme.
- 47515.45-2.38
Mars 2026
Cours mensuel de l'étain - settlement$ USD/tonne
- 7.9948+0.88
8 Avril 2026
Yuan chinois (CNY) - quotidien¥ CNY/€
Google et Huawei à la pointe
Des travaux, publiés fin 2022 par Huawei et Google, vont dans ce sens. « Un modèle de prévision comporte 10 milliards de degrés de liberté mais seulement 10 millions de données pour construire ses conditions initiales. C’est la combinaison de la dernière prévision avec ces observations qui permet de le construire, rappelle Marc Pontaud. Google et Huawei ont traité ces données avec des modèles Transformers et sont parvenus à faire des prédictions équivalentes, voire meilleures, que celles de nos prévisions. »
Si l’expert note une échelle moins précise et des données moins complètes, il remarque un élément majeur. « Ils ont fait leur prédiction en quelques dizaines de secondes, alors que cela peut nous prendre jusqu’à une heure », pointe-t-il. Mais cette exécution rapide est le fruit d’une phase d’apprentissage très longue qui requiert toujours, en données d’entrée, des conditions initiales générées par les systèmes des météorologues.
Restent de belles promesses. « L’IA a prédit des phénomènes inédits, ce qui semble indiquer que cette méthode ne reproduit pas seulement des événements passés, mais a appris de nos équations physiques, rappelle-t-il. C’est une voie très intéressante à développer en complément de nos systèmes actuels. »
Vous lisez un article de L'Usine Nouvelle 3719 - Juin 2023
