L’intelligence artificielle (IA) dépasse aujourd’hui le débat sur son coût, son retour sur investissement ou ses impacts sur l’emploi et la désinformation pour s’imposer comme un outil transformateur dans des secteurs intensifs de données, comme la santé, la fabrication, les services financiers, le commerce électronique et, de plus en plus, la prévision météorologique. Ce dernier domaine connaît une révolution scientifique grâce à l’IA, notamment avec l’émergence d’agents d’IA et de modèles avancés capables de réduire considérablement les coûts, l’énergie et le temps nécessaires aux prévisions. La prévision météorologique traditionnelle, basée sur la « prévision numérique du temps », repose sur des supercalculateurs, des modèles atmosphériques complexes et l’intervention humaine, un processus coûteux et énergivore. Aujourd’hui, des entreprises comme Google (avec GenCast et WeatherNext2), Microsoft (Aurora), The Weather Company (GRAF) et des centres spécialisés comme The Turing Institute (Aardvark) développent des solutions basées sur l’IA qui permettent de réaliser des prévisions sur des systèmes aussi simples qu’un ordinateur portable. Cela ouvre la voie à des pays sans infrastructures coûteuses à créer leurs propres prévisions météorologiques locales, renforçant leur souveraineté. Nvidia joue un rôle clé dans cette révolution avec sa plateforme Earth-2, lancée en 2024, qui vise à simuler et visualiser à grande échelle le temps et le climat. Cette plateforme intègre des modèles pour la prévision, le zoom spatial, la génération de prévisions exploitables et l’évaluation de la précision. Elle s’appuie sur des modèles provenant de sources comme le Centre européen de prévision météorologique à moyen terme, ainsi que sur des modèles comme FourCastNet, CorrDiff et d’autres développés par des partenaires. À l’occasion de la conférence de l’American Meteorological Society à Houston, Nvidia a dévoilé un ensemble ouvert de modèles, frameworks et bibliothèques pré-entraînés, accessibles via Earth2Studio, un outil basé sur Python. L’objectif est de permettre aux développeurs d’adapter les outils à leurs besoins, sans imposer une méthode unique. Cette approche favorise la souveraineté nationale, notamment pour les pays qui ne peuvent pas s’offrir des systèmes centralisés coûteux. Trois nouveaux modèles ont été présentés : Earth-2 Medium Range, basé sur l’architecture Atlas, qui excelle dans les prévisions à moyen terme (jusqu’à 15 jours) en intégrant plus de 70 variables météorologiques, dépassant même les performances de GenCast de Google. Le modèle Earth-2 Nowcasting, construit sur l’architecture StormScope, offre des prévisions locales à résolution kilométrique sur une fenêtre de 0 à 6 heures, cruciale pour les alertes d’urgence. Il s’appuie directement sur des images satellites, ce qui permet une adaptation mondiale sans dépendre de données locales coûteuses. Enfin, Earth-2 Global Data Assimilation, basé sur l’architecture HealDA, crée des états initiaux de l’atmosphère en quelques minutes grâce aux GPU, contre des heures avec les supercalculateurs traditionnels. Cette étape, qui consomme jusqu’à 50 % du calcul dans les systèmes classiques, était jusqu’ici mal résolue par l’IA. Ces outils sont désormais utilisés par des institutions comme le service météorologique israélien, The Weather Company, ou encore des groupes financiers comme S&P Global Energy pour des évaluations de risque. L’IA transforme ainsi la météorologie, en rendant les prévisions plus rapides, précises, accessibles et autonomes, avec des conséquences directes sur l’agriculture, l’énergie, l’aviation et la gestion des crises.