L’anticipation des précipitations constitue l’un des défis fondamentaux de la recherche sur les risques naturels. Les précipitations intenses, en particulier les orages, peuvent entraîner des pertes considérables de biens et de vies humaines. Les méthodes existantes exploitent généralement des opérations de convolution pour extraire les caractéristiques des précipitations et augmentent la profondeur du réseau afin d’élargir le champ réceptif, dans le but d’obtenir des caractéristiques globales artificielles. Bien que ce schéma soit simple, il ne permet d’extraire que des caractéristiques locales, rendant ainsi le modèle peu sensible aux précipitations intenses. Cette lettre propose un nouveau cadre d’anticipation des précipitations, nommé Rainformer, comprenant deux composants pratiques : une unité d’extraction des caractéristiques globales et une unité de fusion à grille (GFU). La première assure une capacité robuste d’apprentissage des caractéristiques globales grâce à un mécanisme d’attention multi-têtes basé sur fenêtres (W-MSA), tandis que la seconde permet une fusion équilibrée entre les caractéristiques locales et globales. Rainformer présente une architecture simple mais efficace, et améliore significativement la précision de la prévision des précipitations, en particulier pour les événements intenses. Ce modèle offre une solution prometteuse pour des applications réelles. Les résultats expérimentaux montrent que Rainformer surpasser sept méthodes de pointe sur une base de données standard, tout en offrant des perspectives plus approfondies sur la tâche de prévision des précipitations intenses.