Améliorer la précision des prévisions météorologiques
(ourworldindata.org)- Les prévisions météorologiques sont devenues, au-delà du simple confort au quotidien, une infrastructure de gestion des risques pour faire face aux tempêtes et aux vagues de chaleur, ainsi que pour l’agriculture, les réseaux électriques et les transports aériens et maritimes
- Leur précision s’est fortement améliorée en quelques décennies : la prévision à 4 jours actuelle du Met Office est aussi précise qu’une prévision à 1 jour il y a 30 ans, et l’erreur de trajectoire des ouragans aux États-Unis à 48 heures est passée d’environ 200 à 400 milles nautiques dans les années 1970 à environ 50 aujourd’hui
- Un réseau d’observation plus dense, des ordinateurs plus rapides, des modèles de prévision numérique plus sophistiqués, ainsi que la diffusion via smartphone et en ligne, ont amélioré à la fois la qualité des prévisions et la rapidité avec laquelle elles peuvent être utilisées
- Les pays à faible revenu accusent un important retard faute d’équipements d’observation et de fréquence de remontée des données suffisants ; la prévision à 7 jours d’un pays riche peut être plus précise que la prévision à 1 jour de certains pays à faible revenu
- Même des prévisions précises ont une efficacité limitée si elles ne parviennent pas aux populations à temps ; les systèmes d’alerte précoce ainsi que les technologies IA, drones et mobiles sont essentiels pour réduire cet écart d’accès
Les prévisions météorologiques, bien au-delà de l’information du quotidien
- Les prévisions météorologiques ne servent plus seulement à préparer un barbecue ou à prendre un parapluie : elles sont directement liées aux vies humaines et aux moyens de subsistance
- Prévenir à l’avance des tempêtes, vagues de chaleur et catastrophes donne aux communautés le temps de réduire les dégâts
- Les agriculteurs s’appuient sur les prévisions pour décider des semis, de l’irrigation, de l’usage des engrais et des réponses aux ravageurs et maladies
- Les opérateurs de réseaux électriques utilisent les données météo pour prévoir la demande de chauffage et de climatisation, ainsi que la production éolienne et solaire
- Pour les pilotes et les marins, elles constituent une information indispensable pour maintenir la sécurité des transports aériens et maritimes
Une précision des prévisions fortement améliorée en quelques décennies
- La prévision météorologique est pratiquée depuis longtemps, mais le grand tournant a eu lieu après les années 1960 avec l’introduction de la modélisation numérique fondée sur l’informatique
- Le Met Office britannique a publié sa première prévision météorologique pour les navires en 1859, puis a diffusé deux ans plus tard sa première prévision destinée au grand public
- Aujourd’hui, la prévision à 4 jours du Met Office est aussi précise qu’une prévision à 1 jour il y a 30 ans
- Les données du National Hurricane Center américain sur l’erreur de trajectoire des ouragans et cyclones montrent elles aussi une forte amélioration
- Dans les années 1970, l’erreur de trajectoire d’une prévision à 48 heures était de 200 à 400 milles nautiques
- Aujourd’hui, l’erreur de trajectoire d’une prévision à 48 heures est d’environ 50 milles nautiques
- Dans les années 1960 et 1970, l’erreur d’une prévision à 72 heures dépassait 400 milles nautiques, alors qu’elle est aujourd’hui tombée à moins de 80 miles
- Comme il est désormais possible de prévoir plus précisément le point d’impact d’un ouragan 3 à 4 jours à l’avance, les villes et les communautés peuvent mieux se préparer, tout en réduisant les évacuations inutiles qui auraient autrefois été décidées
L’amélioration des prévisions à plus long terme dans les modèles globaux
- Le Centre européen pour les prévisions météorologiques à moyen terme élabore des modèles météorologiques numériques globaux
- Les services météorologiques nationaux utilisent des traitements à plus haute résolution pour les prévisions locales, mais les modèles globaux constituent une entrée essentielle de ces systèmes
- L’analyse des erreurs de l’ECMWF compare les écarts entre les prévisions à 3, 5, 7 et 10 jours et les conditions météorologiques réellement observées
- L’un des indicateurs utilisés est le géopotentiel à 500 hPa, une mesure liée à la pression atmosphérique qui influe sur les grands schémas météorologiques
- La prévision à 3 jours est assez précise depuis les années 1980, et sa précision atteint aujourd’hui environ 97 %
- Les progrès sont encore plus marqués à mesure que l’horizon de prévision s’allonge
- Au début des années 2000, la prévision à 5 jours a atteint un niveau jugé « très précis »
- La prévision à 7 jours s’approche aujourd’hui de ce seuil
- La prévision à 10 jours n’est pas encore au même niveau, mais elle continue de progresser régulièrement
Les facteurs techniques à l’origine du gain de précision
- Les données d’observation couvrent désormais des zones plus vastes avec une résolution plus fine
- Des données satellitaires plus nombreuses et de meilleure qualité sont utilisées
- Les stations d’observation au sol couvrent davantage de régions avec une densité plus élevée
- La précision des instruments d’observation s’est également améliorée
- Les modèles de prévision numérique utilisent ces observations comme données d’entrée pour prévoir le temps
- Les progrès des performances informatiques permettent des calculs sur des grilles plus fines
- Le Met Office modélisait autrefois le monde avec une grille de 90 km
- Aujourd’hui, il descend jusqu’à une grille de 1,5 km
- Plus la résolution augmente, plus le volume de calcul nécessaire croît fortement
- Les méthodes qui transforment les observations en sorties de modèle ont elles aussi progressé, ce qui permet de mieux représenter des systèmes météorologiques complexes au-delà d’une vision simplifiée du monde
- L’évolution des modes de diffusion a également renforcé l’utilité pratique des prévisions
- Autrefois, les mises à jour arrivaient une fois par jour dans les journaux quotidiens
- Après la généralisation de la radio et de la télévision, il est devenu possible de recevoir plusieurs bulletins par jour
- Aujourd’hui, Internet et les smartphones permettent des mises à jour à la minute
Le fossé persistant des prévisions dans les pays à faible revenu
- En Écosse, on peut consulter en quelques secondes sur une application mobile une prévision à 5 jours assez précise, mais ce niveau d’information n’est pas accessible à tous
- Selon un article récent de Manuel Linsenmeier et Jeffrey Shrader, la prévision à 7 jours d’un pays riche peut être plus précise que la prévision à 1 jour de certains pays à faible revenu
- Les prévisions nationales se sont améliorées avec le temps dans toutes les catégories de revenu, mais l’écart de qualité actuel reste presque aussi important qu’il l’était dans les années 1980
- Le cœur du problème tient aux infrastructures d’observation et à la fréquence de remontée des données
- Les pays plus pauvres disposent de beaucoup moins d’équipements d’observation au sol et de radiosondages
- La fréquence de transmission des données météorologiques y est également bien plus faible
- Les dépenses consacrées à l’information météo et climat présentent aussi de grands écarts
- Les pays à faible revenu dépensent 15 à 20 fois moins par habitant que les pays à revenu élevé
- En revanche, rapportée au PIB, leur part de dépense peut être plus élevée
Des prévisions encore plus cruciales pour les populations les plus vulnérables
- Dans les pays à faible revenu, 60 % des travailleurs exercent dans l’agriculture, un secteur extrêmement dépendant de la météo
- Une grande partie d’entre eux sont de petits exploitants, souvent en situation de grande pauvreté
- Des prévisions précises aident directement les agriculteurs dans leurs décisions
- Elles permettent de connaître le meilleur moment pour semer
- Elles permettent d’anticiper le moment où l’irrigation sera la plus nécessaire ou celui où le risque de lessivage des engrais sera élevé
- Des alertes sur les ravageurs et maladies permettent de protéger les cultures lorsqu’une attaque est imminente, tout en réduisant l’usage des pesticides lorsque le risque est faible
- Un meilleur accès aux prévisions permet d’utiliser plus efficacement des ressources précieuses comme l’eau, les engrais et la main-d’œuvre
- De bonnes prévisions météorologiques peuvent faire une différence particulièrement importante pour les populations les plus pauvres du monde
La précision seule ne suffit pas
- Pour se préparer aux cyclones, vagues de chaleur, inondations et ondes de tempête, il faut non seulement des prévisions précises, mais aussi un système de diffusion efficace
- Recevoir des prévisions fiables plusieurs jours à l’avance permet aux villes et aux communautés de se préparer
- Les habitations peuvent être protégées
- Les services d’urgence peuvent se tenir prêts à intervenir pour soutenir le rétablissement
- Beaucoup des catastrophes les plus meurtrières de ces dernières décennies avaient été correctement prévues à l’avance, mais leur point commun a été une diffusion défaillante
- Une prévision n’a de valeur que si elle est transmise d’une manière qui permet réellement aux gens d’agir
- L’Organisation météorologique mondiale estime qu’environ un tiers du monde, principalement dans les pays les plus pauvres, ne dispose pas de système d’alerte précoce
Le rôle de l’investissement et des nouvelles technologies
- Dans certaines régions, de bonnes prévisions et une diffusion rapide semblent aller de soi, mais le simple fait d’en garantir l’accès à tous pourrait déjà produire un effet majeur
- Alors que le changement climatique accroît le risque de catastrophes liées à la météo, de meilleures prévisions sont un levier important d’adaptation au changement climatique
- Des investissements appropriés et un soutien financier sont indispensables pour réduire cet écart
- Les nouvelles technologies peuvent accélérer l’amélioration
- Un article récent publié dans Nature indique que le système d’IA Pangu-Weather peut produire des prévisions aussi précises, voire plus précises, que celles des principaux services météorologiques, jusqu’à 10 000 fois plus rapidement
- Pangu-Weather a été entraîné sur 39 années de données historiques
- Des prévisions plus rapides peuvent réduire les coûts d’exploitation et offrir de meilleurs résultats même aux pays aux budgets limités
- Des technologies plus rapides et plus efficaces peuvent contribuer à combler les lacunes dans les régions dépourvues de stations météo au sol
- Des drones équipés de capteurs peuvent analyser des zones spécifiques et produire des cartes à plus haute résolution
- En combinant des méthodes de production de prévisions peu coûteuses et efficaces avec les technologies mobiles, il devient possible de diffuser rapidement l’information
- Certaines entreprises envoient déjà aux agriculteurs de pays à faible revenu des messages leur conseillant le bon moment pour semer
- Ces innovations sont essentielles pour rendre les pays plus résilients face à la météo d’aujourd’hui, et elles le seront encore davantage dans un monde où les phénomènes météorologiques pourraient devenir plus extrêmes
1 commentaires
Avis de Hacker News
La qualité des prévisions semble dépendre du modèle météo utilisé. La météo de l’Apple Watch paraît correspondre presque exactement au GFS ; le GFS convient aux prévisions à moyen terme, mais n’est pas très utile à court terme, et je trouve que le NAM est meilleur pour le lendemain ou le surlendemain, tandis que le HRRR l’est davantage pour les quelques heures à venir.
On peut aussi consulter directement les données brutes plutôt que de s’en remettre à un service d’agrégation qui simplifie la météo : https://weather.cod.edu/forecast/
Lors de grands événements météo, les briefings médias du National Weather Service sont utiles, mais il arrive que les mises à jour s’arrêtent tôt. Il y a quelques semaines, il y avait une forte probabilité de neige abondante à New York, mais les mises à jour se sont arrêtées vers 9 h, alors que la neige était prévue pour commencer vers 13 h. En regardant les modèles à court terme, on voyait que la probabilité de neige diminuait, et au final il n’y a presque pas eu d’accumulation. Plus on se rapproche de l’événement, plus les prévisions deviennent précises ; si on le souhaite, on peut donc toujours consulter davantage de données soi-même.
Je ne sais pas si certains suivent Skip Talbot, mais il regardait le helicity swath du HRRR quelques heures à l’avance, y a repéré de fortes valeurs, et la trajectoire sur laquelle le HRRR prévoyait une forte rotation a presque coïncidé avec celle d’une grosse tornade réelle.
https://www.youtube.com/@markfinanweather
Plutôt que de savoir qu’il y a 50 % de chances qu’il pleuve demain, ce qui compte, ce sont des informations horaires du type : 10 % de probabilité de précipitations à 9 h, quand je vais travailler, et 90 % à midi. S’il pleut, il faut aussi regarder le vent et la température, et ces informations doivent être présentées comme une mosaïque.
Pour cet usage, les prévisions locales horaires de la NOAA me semblent inégalées : il suffit d’aller sur https://www.weather.gov/okx/, d’entrer son code postal, puis d’ouvrir les prévisions locales horaires.
Exemple : https://forecast.weather.gov/MapClick.php?lat=33.797&lon=-11...
J’aimerais bien qu’il existe une application Android qui donne ce niveau de détail, si possible sans écouter le micro.
https://windy.com
Ma belle-mère me rapporte toujours la météo qu’elle a vue sur Google ou à la télé, et elle est généralement fausse. Les informations non agrégées sont excellentes et presque toujours plus précises que ce qui est rapporté par d’autres sources.
Je recommande The Weather Machine d’Andrew Blum. C’est un livre qui traite de l’histoire des prévisions et de ce qui se passe aujourd’hui en coulisses.
Le livre suit les anciennes stations météorologiques, le lancement de nouveaux satellites, les efforts des scientifiques pour créer des modèles atmosphériques sur supercalculateurs, ainsi que l’histoire de ces algorithmes. Il montre que nous sommes entrés dans un âge d’or de la météorologie, mais que nous ne faisons pas encore suffisamment confiance à ces outils, et que nous ne pouvons pas non plus tenir pour acquise la fragile coopération internationale qui rend possible le système météorologique moderne.
https://www.andrewblum.net/the-weather-machine-2
https://www.goodreads.com/en/book/show/42079139
Pour les tout débuts de l’histoire de la météorologie, The Invention of Clouds, consacré à Luke Howard, vaut aussi le détour.
https://www.goodreads.com/book/show/1148768.The_Invention_of...
https://en.wikipedia.org/wiki/Luke_Howard
D’après mes souvenirs de lecture de The Signal and The Noise, les gens ont tendance à juger une prévision mauvaise quand on leur a annoncé une probabilité de pluie inférieure à 50 % et qu’il pleut quand même.
C’est agaçant qu’il pleuve alors qu’on pensait que ce ne serait pas le cas, mais quand on pensait qu’il allait pleuvoir et qu’il fait beau, c’est une bonne surprise. L’idée était donc que, pour que les gens jugent une prévision « bonne », il faut gonfler de façon absurde la probabilité de précipitations, et que les services météo grand public le font.
https://en.wikipedia.org/wiki/The_Signal_and_the_Noise
Aux Pays-Bas, la pluie est très localisée : même si la probabilité de pluie du jour est de 100 %, elle tombe souvent par épisodes dispersés d’une ou deux heures dans la journée, parfois très fort puis s’arrête aussitôt. Les rares erreurs que j’ai vues étaient plutôt dues à un nuage de pluie en déplacement qui passait à côté de justesse à cause d’un changement de vent.
En réalité, il existe d’innombrables façons pour une prévision d’être fausse, et seulement quelques-unes d’être juste.
Globalement, je trouve les prévisions étonnamment précises. Dans le Midwest, surtout dans la zone du marché de Chicago, le temps traverse de vastes régions des États-Unis ou du Canada avant d’arriver chez nous ; les zones côtières, plus instables et difficiles à prévoir, peuvent être différentes.
Quand on vit dans une région où les ouragans sont fréquents, comme la Floride, on sait que les prévisions se sont beaucoup améliorées, mais on sent aussi qu’il reste énormément de marge de progression.
Je n’ai aucun lien avec eux, mais pour savoir quelles prévisions sont les meilleures dans votre ville, je recommande https://www.forecastadvisor.com/. Grâce à ça, j’ai complètement changé de fournisseur météo, et cela me semble aujourd’hui bien meilleur.
Si la lecture du temps, avec ou sans prévisions, vous intéresse, The Secret World of Weather: How to Read Signs in Every Cloud, Breeze, Hill, Street, Plant, Animal, and Dewdrop de Gooley est aussi une lecture plaisante.
Les applications locales utilisent les données de la Japan Meteorological Agency, tout comme Apple Weather, et Carrot Weather aussi depuis une mise à jour récente. Pourtant, Apple Weather et Carrot Weather donnent toujours des résultats différents.
Quand je voyage hors du Japon, je suis encore plus perdu, donc je règle la source de Carrot Weather sur Apple Weather. Au moins, quand c’est possible, il utilise les données des services météorologiques locaux : https://developer.apple.com/weatherkit/data-source-attributi...
Cet article parle surtout des prévisions à long terme, mais j’ai aussi été impressionné par la qualité et la fiabilité des alertes d’orage imminent. Elles m’ont déjà permis d’éviter d’être trempé par une averse violente, ou de m’arrêter et de patienter avant une grosse pluie.
Cela n’attire pas énormément l’attention, mais comme le dit l’article, les progrès ont été réguliers et significatifs.
Il est dit que l’amélioration des prévisions dans les pays à faible revenu est sous-estimée ; je me demande s’il existe des études qui prédisent l’impact de meilleures prévisions. Aider les personnes pauvres grâce à la technologie est le genre de projet susceptible d’intéresser beaucoup de philanthropes, et j’espère que ce serait plus efficace que des choses comme la gravity light.
La technologie moderne est stupéfiante.
Je suis le créateur de l’API météo open source open-meteo.com.
L’avenir des prévisions météo reposera probablement beaucoup sur les modèles d’IA. L’article parle de Pangu Weather, et GraphCast a aussi été cité en exemple dans les commentaires HN. Fait intéressant, le 1er mars, le European Centre for Medium-Range Weather Forecasts (ECMWF) a publié en open data son nouveau modèle météo d’IA, AIFS.
Ce modèle est non seulement plus précis que les modèles numériques traditionnels, mais il nécessite aussi beaucoup moins de puissance de calcul pour fonctionner. L’ECMWF a également publié une comparaison montrant qu’AIFS surpasse les autres modèles en précision de prévision : https://www.ecmwf.int/en/about/media-centre/aifs-blog/2024/f...
Ce qui est mentionné dans l’article est globalement juste. De meilleures données sources, des ordinateurs plus rapides, des mailles plus fines, de meilleurs algorithmes de prévision, etc., produisent aujourd’hui des informations météo nettement meilleures dans l’ensemble.
Mais cela signifie aussi qu’il faut davantage d’efforts pour obtenir de meilleurs résultats à l’échelle individuelle. Il faut se demander quel algorithme l’app utilise, si elle localise jusqu’au quartier ou à la rue, à quelle fréquence elle se met à jour, si le GPS est précis, etc. En général, on ne pense pas à ce genre de choses, mais quelques petits ajustements peuvent améliorer fortement les résultats.
Les prévisions se sont sans doute améliorées, mais il m’est arrivé qu’il pleuve assez fort pendant plus de 30 minutes sur toute une ville et que l’app météo refuse d’admettre qu’il pleuvait, en affichant seulement nuageux. Je ne comprends toujours pas comment une telle chose est possible.
J’ai vu quelque chose de similaire dans le Minnesota : je conduisais dans une tempête de neige alors que le radar ne montrait rien.
Le second cas est assez courant. Les modèles utilisent une estimation probabiliste, où différentes conditions initiales produisent des résultats différents, et le nombre de « résultats avec pluie » détermine la probabilité de précipitations ; ils ne sont donc pas forcément recalés sur les observations réelles.
Cela dit, je partage cette perplexité et ce cynisme. Ce n’est pas assez bon. Je le dis pour avoir autrefois participé à la production de ce genre de prévisions « toujours périmées ».
J’ai suivi un cours de météorologie au lycée, et le professeur nous faisait faire des exercices de prévision tous les jours ; je pense que ce serait particulièrement utile aux personnes qui accordent trop de poids à leurs anecdotes personnelles.
Il suffisait de prévoir soi-même la météo du lendemain, puis de comparer avec la prévision annoncée. La note ne dépendait pas de notre précision, mais du fait d’avoir mené l’exercice de manière systématique.
Quand on fait cela, on en vient à apprécier la qualité des prévisions, et on comprend que l’idée selon laquelle « les présentateurs météo se trompent toujours » n’est pas du tout vraie. Beaucoup de plaintes viennent d’un manque de rigueur dans l’observation. Pour contester l’exactitude d’une prévision météo, ou de n’importe quelle autre prédiction, il faut apporter des preuves solides.
J’ai écouté un podcast où étaient interviewés plusieurs scientifiques de l’ECMWF (European Centre for Medium-Range Weather Forecasts).
Dans cet épisode, il me semble que quelqu’un disait que les prévisions s’améliorent d’un jour tous les dix ans.
L’épisode a été enregistré en 2019, donc l’IA n’était pas encore un aussi grand sujet qu’aujourd’hui. C’est d’autant plus notable quand on pense que Google a présenté son modèle météo d’IA en novembre dernier.
https://omegataupodcast.net/326-weather-forecasting-at-the-e...
https://deepmind.google/discover/blog/graphcast-ai-model-for...