Project Aardvark : une révolution dans la prévision météo basée sur l’IA

• Des prévisions météorologiques précises jouent un rôle essentiel dans de nombreux secteurs comme l’agriculture, les transports et l’énergie
• Elles servent aussi de système d’alerte face à des phénomènes climatiques extrêmes comme les inondations ou les vagues de chaleur
• Avec l’émergence de systèmes de prévision basés sur l’IA comme Pangu-Weather de Huawei et GenCast de Google DeepMind, les attentes autour de la prévision météo par IA augmentent fortement
• Au Turing Institute, les recherches se concentrent sur le développement de technologies de prévision météorologique utilisant l’IA, avec la mise au point d’une nouvelle génération de système de prévision basé sur l’IA : Aardvark

Les méthodes actuelles de prévision météo

• Aujourd’hui, la prévision météorologique repose sur la prévision numérique du temps (Numerical Weather Prediction, NWP)
• Le NWP se déroule en trois étapes :
  • Étape 1 : collecter des informations issues des satellites, stations météo, ballons-sondes, navires, avions, etc., afin d’estimer l’état de l’atmosphère
  • Étape 2 : utiliser des modèles informatiques complexes pour faire évoluer l’état actuel vers un état futur
  • Étape 3 : traiter les résultats des prévisions, corriger leur précision selon les zones géographiques et intégrer l’apport des prévisionnistes humains
• Ce processus nécessite des supercalculateurs haute performance, d’importantes équipes humaines et des logiciels complexes
• Les pays développés peuvent exploiter ce type de système, mais cela reste difficile dans les pays en développement en raison du manque d’infrastructures

L’approche innovante d’Aardvark

• Aardvark remplace l’ensemble du processus de prévision par un seul modèle d’IA
• Il peut être entraîné et exécuté sur un ordinateur de bureau, avec une vitesse de prévision des milliers de fois supérieure aux méthodes existantes
• Il collecte des données depuis diverses sources, comme les satellites, stations météo et ballons-sondes, pour produire des prévisions météorologiques mondiales sur 10 jours
• Il introduit une nouvelle architecture de deep learning pour gérer le traitement complexe des données et combler les valeurs manquantes
• Les avantages d’Aardvark :
  • utilisation possible dans les pays en développement → pas besoin de supercalculateur
  • amélioration de la précision et de l’efficacité des prévisions
  • réduction de la consommation d’énergie liée à la prévision météo, avec à la clé une baisse potentielle des émissions de carbone

Performances et potentiel d’Aardvark

• À ce stade, Aardvark affiche un niveau de précision comparable à celui du Global Forecast System (GFS) des États-Unis
• Il n’utilise actuellement qu’environ 10 % des données disponibles → sa précision pourrait nettement progresser avec davantage de données
• Il pourrait remplacer les modèles existants de prévision numérique
• Sa rapidité de calcul permet une réponse climatique plus rapide
• Il pourrait fournir des outils de prévision avancés aux pays en développement et aux États disposant de peu de données

Défis à relever

• Les outils de prévision basés sur l’IA sont encore au stade expérimental et nécessitent une validation sur le long terme
• La prévision de phénomènes climatiques extrêmes comme les ouragans ou les inondations reste particulièrement difficile
• Comme les modèles sont entraînés sur des données historiques, des erreurs liées au changement climatique peuvent apparaître
• Il faut aussi résoudre le problème du manque de données sur les phénomènes climatiques rares

Les projets futurs pour Aardvark

• Le Turing Institute vise, avec Aardvark, à améliorer la précision dans les domaines de la prévision météorologique, océanique et de la banquise
• Une attention particulière sera portée à son déploiement dans les pays en développement et dans la région arctique
• Le plan prévoit d’améliorer la prévision des phénomènes climatiques extrêmes grâce à l’extension des données et à l’optimisation de l’architecture
• Des fonctions de prévision à long terme et saisonnière seront ajoutées → pour aider les gouvernements et les entreprises dans leur planification climatique de long terme
• Les progrès de la prévision météo basée sur l’IA devraient renforcer les bénéfices sociaux et la protection économique

Conclusion

• Aardvark est un système innovant susceptible de changer le paradigme de la prévision météo
• Il présente un fort potentiel pour renforcer les capacités de réponse climatique des pays en développement et améliorer la précision des prévisions
• Le Turing Institute entend, avec Aardvark, placer le Royaume-Uni à l’avant-garde de la prévision climatique
• Plus de détails sur Aardvark sont disponibles dans l’article publié dans Nature

[GN⁺]

Commentaires Hacker News

• Je me suis dit : « The Turing Institute ? Ça existe encore ? »

  • Le précédent Turing Institute, qui se trouvait à Glasgow, menait des recherches en IA et a pris fin en 1994
  • Des travaux intéressants en sont sortis, mais il s’agit d’un organisme différent de l’actuel

• Je me demande s’ils conservent des données historiques sur plusieurs décennies

  • Si les algorithmes d’IA peuvent comparer leurs performances aux méthodes existantes à partir de données passées
  • C’est similaire à la manière dont les algorithmes de fintech sont évalués à partir des données historiques du marché boursier

• Je proposerais un défi au modèle

  • Produire des prévisions météo exactes à plus de deux jours pour la zone métropolitaine de Kansas City
  • En 2024, c’était rarement précis

• Je me demande si un futur agent AGI hypothétique pourrait prédire la météo comme les humains savent instinctivement où va aller la trajectoire d’une balle

  • Une IA pourrait connaître avec précision la météo de demain sans comprendre comment cette connaissance a été obtenue

• Le papier est disponible ici

• Je ne sais pas si l’idée de remplacer toutes les étapes est exagérée, ou si c’est moi qui rate une nuance

  • Je me demande comment le modèle remplacerait l’étape de collecte des données

• C’est regrettable que le financement des équipements de collecte de données, comme les ballons météorologiques, ait été interrompu

• Je me demande comment ils vont gérer les cas limites, comme les ouragans ou les épisodes extrêmes rares

• Mon père a mené d’importantes recherches sur la modélisation des brises marines et des précipitations, et j’aurais aimé qu’il voie ces avancées de l’IA et du machine learning

• Je me demande à quel point les modèles de machine learning seront robustes dans un monde de changement climatique rapide, lorsque le passé ne permet plus de prédire l’avenir