NVIDIA lance la famille Earth-2, la première série complète, ouverte et accélérée de modèles et d’outils d’intelligence artificielle dédiés à la prévision météorologique. Une avancée majeure pour améliorer la précision des prévisions, sauver des vies, protéger l’environnement et soutenir des décisions stratégiques dans l’agriculture, l’énergie, la santé publique et d’autres secteurs clés. Des chercheurs, des agences météorologiques, des innovateurs en technologies climatiques et des entreprises explorent déjà ces modèles de pointe, les ajustant, les optimisant et les développant sur leurs propres infrastructures locales d’IA. Le modèle Earth-2 Medium Range, par exemple, est déjà utilisé quotidiennement par Brightband, une entreprise spécialisée dans les outils météo et membre du programme NVIDIA Inception pour les futures durables. « La révolution des outils météo basés sur l’IA progresse à grands pas, et des modèles comme Earth-2 Medium Range en sont un exemple marquant », déclare Julian Green, cofondateur et PDG de Brightband. « Être parmi les premiers à l’exploiter de manière opérationnelle, tout en profitant de son caractère open source, accélère considérablement l’innovation, permettant des comparaisons et des améliorations rapides au sein de la communauté météorologique. » Au service météorologique israélien, Earth-2 CorrDiff est déjà en exploitation opérationnelle, avec l’intention d’intégrer Earth-2 Nowcasting pour produire des prévisions haute résolution jusqu’à huit fois par jour. « Les modèles Earth-2 de NVIDIA réduisent notre temps de calcul de 90 % à une résolution de 2,5 kilomètres, comparé à un modèle classique de prévision numérique sans IA sur un cluster CPU », explique Amir Givati, directeur du service météorologique israélien. « Après une récente tempête, notre modèle entraîné avec CorrDiff s’est révélé le meilleur de tous nos modèles opérationnels pour la prévision de la précipitation accumulée sur six heures. » The Weather Company évalue Earth-2 Nowcasting pour des applications locales de prévision des intempéries sévères, tandis que l’Office national de la météorologie américaine (NWS) examine ces nouveaux modèles pour renforcer ses processus opérationnels. Dans le domaine de l’énergie, TotalEnergies évalue Earth-2 Nowcasting pour renforcer sa vigilance face aux risques à court terme et améliorer ses décisions stratégiques. « Earth-2 représente une avancée décisive dans la mise à l’échelle de l’intelligence météorologique », affirme Emmanuel Le Borgne, responsable des produits prévisionnels climat et météo chez TotalEnergies. « Ces modèles sont révolutionnaires pour notre activité, car ils permettent une meilleure anticipation des risques à court terme, où chaque minute et chaque impact local comptent. » Eni teste intensivement les modèles Earth-2, notamment FourCastNet et CorrDiff, pour produire des prévisions probabilistes à haute résolution, en aval des prévisions globales, jusqu’à plusieurs semaines à l’avance, afin d’estimer la demande en gaz. GCL, l’un des plus grands producteurs chinois de matériaux photovoltaïques et opérateur énergétique intégré, exploite déjà les modèles Earth-2 en production pour son système de prévision de l’énergie solaire. Grâce à ces modèles, la précision de ses prévisions de production d’électricité photovoltaïque s’est nettement améliorée, tout en réduisant les coûts par rapport aux méthodes traditionnelles. Le Southwest Power Pool, en collaboration avec Hitachi, utilise Earth-2 Nowcasting et FourCastNet3 pour améliorer la prévision du vent à court terme et à la journée, renforçant ainsi la fiabilité du réseau électrique et permettant des décisions opérationnelles plus éclairées sur tout le territoire du SPP. Sur le plan financier, S&P Global Energy utilise Earth-2 CorrDiff pour transformer les données climatiques en analyses locales précises, au service de l’évaluation des risques. Quant à AXA, le groupe d’assurance mondial, il exploite FourCastNet pour générer des milliers de scénarios hypothétiques d’ouragans dans le cadre de ses programmes de recherche, de développement méthodologique et de benchmarking des techniques existantes.