Google parie que les observations en direct et l’IA peuvent combler des lacunes persistantes dans les prévisions de pluie et de neige, en particulier dans les régions où les équipements au sol sont peu nombreux. Mais son propre déploiement reconnaît que des prédictions automatiques plus rapides doivent toujours coexister avec les modèles fondés sur la physique sur lesquels les prévisionnistes s’appuient pour les alertes.

Google a présenté WeatherNext 3 comme la dernière version de son système de prévision par IA, affirmant qu’il peut générer une prévision mondiale chaque heure à partir d’observations satellitaires récentes plutôt que de s’appuyer uniquement sur des données d’entrée de modèles plus anciennes. L’entreprise affirme que ce changement fournit une image cinq fois plus précise que celle de son modèle précédent, avec certaines prévisions de température et d’humidité détaillées jusqu’à cinq kilomètres.¹

La promesse centrale concerne les précipitations : les tempêtes qui se déplacent rapidement sont notoirement difficiles à prévoir avec précision, et Google affirme que les prévisions établies au moins un jour à l’avance peuvent être jusqu’à 50 % plus précises. Les gains potentiels sont les plus importants hors des États-Unis et de l’Europe, où le nombre plus faible de pluviomètres laisse des lacunes plus importantes dans les réseaux d’observation conventionnels. « Nous sommes en mesure d’exploiter des ensembles de données d’observation plus récents et plus riches », a déclaré Samier Merchant, ingénieur chez Google Research.¹

Google DeepMind a présenté le lancement plus largement comme « une avancée majeure » dans les prévisions mondiales, affirmant que le modèle apprend directement à partir d’observations du monde réel, en temps réel, afin de produire plus rapidement des prévisions plus localisées.Demis Hassabis (demishassabis)² Le directeur de DeepMind, Demis Hassabis, a amplifié ce message dans une republication.²

Le système est désormais intégré à Search, Maps et Gemini, tandis que Google a également conçu des prévisions pour les opérateurs d’énergies renouvelables, notamment des estimations de vitesse du vent à hauteur de turbine. Ferran Alet, chercheur chez Google DeepMind, a lié ce travail à la hausse de la demande d’électricité, soutenant qu’il est très important pour l’entreprise de faire des énergies renouvelables « une opportunité très attrayante ». ¹

Pour autant, WeatherNext 3 n’est pas présenté comme un remplacement de la météorologie traditionnelle. Il est entraîné en partie à partir de modèles fondés sur la physique, et les agences météorologiques comparent toujours plusieurs prévisions avant d’émettre des alertes publiques — un rappel que des résultats d’IA plus précis ne sont utiles que s’ils améliorent les décisions lorsque la météo devient dangereuse.¹