Cet été, 38 millions de paysans en Inde ont bénéficié de prévisions météorologiques avancées alimentées par l’intelligence artificielle, leur permettant de mieux planifier la date de semis de leurs cultures en fonction du début de la saison des pluies. Ces prévisions ont été rendues possibles grâce à NeuralGCM, un modèle développé par Google Research, qui allie modélisation physique traditionnelle et apprentissage automatique pour offrir des simulations plus précises et plus efficaces. Depuis des décennies, les modèles météorologiques et climatiques sont coûteux à mettre en œuvre et nécessitent des supercalculateurs. L’équipe de Google Research s’est demandé s’il était possible de concevoir des modèles plus rapides, plus précis et plus accessibles. C’est ainsi que est né NeuralGCM. Contrairement aux modèles classiques fondés uniquement sur des équations physiques codées à la main, ce modèle hybride s’entraîne sur des décennies de données météorologiques historiques pour identifier des schémas et apprendre des événements passés, tout en intégrant les lois physiques fondamentales. Son avantage majeur ? Il peut fonctionner sur un simple ordinateur portable, rendant les prévisions de haute qualité accessibles à une communauté scientifique plus large. En collaboration avec l’Université de Chicago, ce modèle a trouvé une application concrète et transformante. L’équipe du projet Human-Centered Weather Forecasts a rapidement compris que l’un des enjeux les plus critiques pour les agriculteurs indiens — et des millions de petits exploitants dans les régions tropicales — était de savoir quand commencer à semer. Le début de la mousson, saison clé pour l’agriculture, reste difficile à prévoir avec précision, même à long terme et à l’échelle locale, un défi qui persiste depuis un siècle. Après avoir testé plusieurs modèles d’intelligence artificielle, les chercheurs de l’Université de Chicago ont démontré que NeuralGCM, lorsqu’il est combiné avec d’autres outils avancés comme le système de prévision intégrée AIFS de l’ECMWF (Centre européen de prévision météorologique à moyen terme) et des données historiques, offrait les meilleures performances. Grâce à cette combinaison, les prévisions du début de la mousson en Inde ont été précises jusqu’à un mois à l’avance, y compris pour des anomalies comme une période sèche inhabituelle dans le déroulement de la saison des pluies. Ce projet illustre comment l’intelligence artificielle, lorsqu’elle est conçue avec rigueur et ouverture, peut avoir un impact concret sur des millions de vies, en renforçant la résilience des systèmes agricoles face aux incertitudes climatiques.