«Ils avaient dit qu’il ferait beau et voilà : il pleut.» Souvent critiquées, les prévisions de Météo France sont pourtant le fruit de complexes algorithmes, basés sur des millions de données et exécutés sur des calculateurs de haute performance. L’organisme public s'est d’ailleurs doté en 2021 de deux supercalculateurs de pointe (les 69e et 78e plus puissants du monde en novembre 2022) cumulant près de 21 pétaoctets de puissance de calcul. Mais l’organisme voit plus loin et prévoit déjà la suite : l’intégration de l’intelligence artificielle dans ses méthodes de calcul pour gagner en précision et en temps de calcul.
«Les machines sont en train de changer d’architecture, explique Marc Pontaud, directeur de l’enseignement supérieur et de la recherche de Météo France. Notre code, composé de 4,5 millions de lignes, avait été écrit pour du calcul vectoriel puis adapté aux machines scalaires. Maintenant, pour réaliser des calculs efficaces et économiques, il faut des calculateurs hybrides intégrant des GPU (processeurs graphiques).» Météo France prévoit ainsi de lancer un appel d’offres de 350 millions d’euros sur cinq ans, fin 2024, pour s’équiper d’un nouveau supercalculateur – dont les spécifications techniques ne sont pas encore définies – en 2027.
Ces futures capacités de calcul devraient notamment permettre d’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 très haute précision, de l’ordre de la centaine de mètres, sur des zones géographiques précises. «Tous les grands organismes européens de prévision météo ont des modèles à une échelle kilométrique (1,3 kilomètre pour Météo France), une échelle hectométrique 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 régionaliser nos projections et mieux évaluer localement les impacts du changement climatique.»
Car des prévisions météo aux scénarios climatiques, il n’y a qu’un pas. Météo France, contributeur au GIEC depuis son premier rapport, utilise peu ou prou les mêmes modèles pour les prévisions à court et long terme. «10% de nos capacités de calcul sont allouées au climat et 30% à la production des prévisions, chiffre Marc Pontaud. Les 60% restants sont dédiés à la recherche.»
"L'IA semble avoir appris de nos équations physiques"
A ce stade, l’intelligence artificielle est anticipée comme un changement de paradigme majeur, tant pour la météo que le climat. «Plutôt que de chercher uniquement la meilleure prévision déterministe, cela permettrait de faire plusieurs dizaines de fois cette même prévision en intégrant dans les conditions initiales les marges d’erreurs de toutes nos sources de données et en utilisant ensuite des statistiques sur l'ensemble de ces prévisions pour définir l’événement le plus probable, projette l’ex-directeur scientifique de l’organisme. L’IA va aider à caler cette prévision d’ensemble, apprendre de toutes les prévisions passées pour sortir des statistiques adaptées.»
Des travaux récents, publiés par en novembre et décembre 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 complexe de la dernière prévision avec ces observations qui permet de le construire, rappelle Marc Pontaud. Google et Huawei ont traité cette gigantesque masse données avec des modèles appelés Transformers et sont parvenus à faire des prédictions équivalentes, voire meilleures, que celles de nos prévisions à l'état de l'art scientifique.»
Si l’expert note une échelle moins précise et des données moins complètes, il remarque aussi 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. Et nous cherchons à aller le plus vite possible pour prévenir les autorités en cas de situation extrême.» Reste que cette exécution rapide se fait après une phase d'apprentissage très longue et demande toujours, en données d'entrée, des conditions initiales générées par nos systèmes.
Préparer les codes de demain
De quoi faire miroiter de belles promesses. «Manifestement les résultats publiés montrent que 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. Reste que la technologie est encore loin d'être parfaite. «Les prévisions produites jusqu'à présent par apprentissage machine manquent de résolution spatiale et temporelle et de paramètres, mais c'est une voie très intéressante à développer en complément de nos systèmes actuels», souligne l'expert.
Pour anticiper ce saut générationnel, les équipes de recherche de Météo France se préparent. «Lorsque l’appel d’offres sera lancé, il faudra que nos codes soient prêts à être basculés sur le mode de calcul qui aura été choisi, remarque Marc Pontaud. Passer au calcul hybride intégrant des GPU demandera par exemple de gérer la mémoire de manière plus décentralisée.» Des travaux sont déjà en cours pour mettre au point un algorithme de traduction, capable de générer des ébauches de code adaptées à différents calculateurs. Et gagner en vitesse de déploiement dès l’arrivée des nouvelles machines.
