L’ouragan Lee n’a dérangé personne début septembre, se déplaçant au large, quelque part entre l’Afrique et l’Amérique du Nord. Un mur de haute pression se dressait sur sa trajectoire vers l’ouest, prêt à dévier la tempête loin de la Floride et dans un grand arc vers le nord-est. Vous allez où, exactement ? C’était dix jours avant l’atterrissage le plus précoce possible – des éternités en matière de prévisions météorologiques – mais les météorologues du Centre européen pour les prévisions météorologiques à moyen terme, ou CEPMMT, surveillaient de près. Les plus petites incertitudes pourraient faire la différence entre un jour de pluie en Écosse ou de graves problèmes dans le nord-est des États-Unis.
En règle générale, les prévisionnistes météorologiques s’appuient sur des modèles de physique atmosphérique pour prendre cette décision. Cette fois, ils disposaient d’un autre outil : une nouvelle génération de modèles météorologiques basés sur l’IA développés par le fabricant de puces Nvidia, le géant chinois de la technologie Huawei et l’unité d’IA de Google DeepMind. Pour Lee, les trois modèles d’entreprises technologiques prédisaient une trajectoire qui se situerait quelque part entre le Rhode Island et la Nouvelle-Écosse – des prévisions qui concordaient généralement avec les perspectives officielles basées sur la physique. Land-ho, quelque part. Bien entendu, le diable se cachait dans les détails.
Les météorologues décrivent l’arrivée des modèles d’IA avec un langage qui semble déplacé dans leur métier d’avenir : « Soudain ». « Inattendu. » « Cela semblait sortir de nulle part », explique Mark DeMaria, un scientifique atmosphérique de l’Université d’État du Colorado qui a récemment pris sa retraite après avoir dirigé une division du National Hurricane Center des États-Unis. Lorsqu’il a lancé un projet cette année avec l’Administration nationale océanographique et atmosphérique des États-Unis pour valider le modèle FourCastNet de Nvidia par rapport aux données de tempête en temps réel, il était « sceptique » à l’égard des nouveaux modèles, dit-il. « Je pensais qu’il n’y avait aucune chance que ça marche. »
DeMaria a depuis changé de position. En fin de compte, l’ouragan Lee a frappé la terre à la limite de la plage des prévisions de l’IA, atteignant la Nouvelle-Écosse le 16 septembre. Même pendant une saison de tempêtes active (un peu plus de la moitié de la saison, il y a eu 16 tempêtes nommées dans l’Atlantique), il est trop tôt pour rendre des jugements définitifs. Mais jusqu’à présent, les performances des modèles d’IA ont été comparables à celles des modèles conventionnels, parfois meilleures en matière de suivi des tempêtes tropicales. Et les modèles d’IA le font rapidement, en émettant des prédictions sur des ordinateurs portables en quelques minutes, alors que les prévisions traditionnelles nécessitent des heures de calcul intensif.
Regarder vers l’avant
Les modèles météorologiques conventionnels sont constitués d’équations décrivant la dynamique complexe de l’atmosphère terrestre. Introduisez des observations en temps réel de facteurs tels que la température, le vent et l’humidité et vous recevez des prévisions sur ce qui va se passer ensuite. Au fil des décennies, ils sont devenus plus précis à mesure que les scientifiques améliorent leur compréhension de la physique atmosphérique et que les données qu’ils collectent deviennent plus volumineuses.
Fondamentalement, les météorologues tentent d’apprivoiser la physique du chaos. Dans les années 1960, le météorologue et mathématicien Edward Lorenz a jeté les bases de la théorie du chaos en remarquant que de petites incertitudes dans les données météorologiques pouvaient donner lieu à des prévisions très différentes, comme le proverbial papillon dont le battement d’aile provoque une tornade. Il a estimé que l’état de l’atmosphère peut être prédit au maximum deux semaines à l’avance. Quiconque a observé l’approche d’un ouragan lointain ou étudié les perspectives hebdomadaires avant un mariage en plein air sait que les prévisions sont encore bien en deçà de cette limite théorique.