Vagues de chaleur records, pluies torrentielles et orages supercellulaires : les événements extrêmes s’intensifient sous l’effet du changement climatique, avec des conséquences humaines et économiques majeures. Les modèles d’intelligence artificielle révolutionnent les prévisions météorologiques. Mais peuvent-ils anticiper de tels événements exceptionnels ? Une équipe de l’Université de Genève (UNIGE) et de l’Institut de technologie de Karlsruhe (KIT) montre que, à ce jour, les modèles numériques traditionnels restent plus fiables pour prédire les phénomènes extrêmes, même si les modèles d’IA les surpassent dans des conditions typiques. Ces résultats sont publiés dans Science Advances.
Pour prévoir le temps dans les jours ou semaines à venir, les météorologues s’appuient sur des simulations générées par des modèles mathématiques complexes. Alimentés par d’immenses quantités de données – collectées depuis des stations météo, des satellites et des avions – ces modèles appliquent les lois de la physique pour simuler l’état futur de l’atmosphère. Le Centre européen pour les prévisions météorologiques à moyen terme, par exemple, utilise un modèle appelé High Resolution Forecast, ou « HRES », pour fournir des simulations à 35 pays à travers le continent.
Bien que cette méthode soit fiable et robuste, elle est également coûteuse et énergivore, car elle nécessite une infrastructure de supercalculateurs capable de résoudre des millions d’équations plusieurs fois par jour. « L’introduction, il y a trois ans, des premiers modèles basés sur l’intelligence artificielle, parallèlement à l’approche numérique traditionnelle, a ouvert la voie à la simplification des processus et à la réduction de leurs coûts », explique Sebastian Engelke, professeur titulaire à l’Institut de recherche en statistique et science de l’information de la Geneva School of Economics and Management (GSEM) de l’UNIGE.
Mais cette approche basée sur l’IA est-elle capable de prédire la survenue d’événements extrêmes souvent sans précédent jusqu’à dix jours à l’avance ? Dans une étude récente, l’équipe de Sebastian Engelke montre que l’IA surpasse les modèles traditionnels – en particulier HRES – lorsqu’il s’agit de prévoir des conditions typiques, mais commet systématiquement des erreurs plus importantes que HRES lorsqu’il s’agit de prédire l’intensité et la fréquence des températures et des vents extrêmes.
« Le principal problème des modèles d’IA est leur difficulté à généraliser au-delà des données sur lesquelles ils ont été entraînés, qui couvrent la période de 1979 à 2017. Par conséquent, ils ont tendance à se limiter aux valeurs extrêmes déjà observées dans le passé, comme s’ils avaient un plafond implicite. En revanche, les modèles conventionnels, basés sur les lois de la physique atmosphérique, ne sont pas contraints par cette limite et peuvent théoriquement représenter des situations sans précédent », explique Zhongwei Zhang, ancien chercheur postdoctoral dans l’équipe de Sebastian Engelke, désormais affilié à l’Institut de statistique de l’Institut de technologie de Karlsruhe, et premier auteur de l’étude.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Ces résultats mettent en évidence les limites actuelles des modèles météorologiques basés sur l’IA lorsqu’il s’agit d’extrapoler au-delà de leur domaine d’entraînement et de prédire des événements météorologiques records. Ils soulignent la nécessité d’une évaluation et d’une amélioration continues avant que ces modèles puissent être utilisés de manière autonome dans les systèmes d’alerte précoce et la gestion des catastrophes.
Article : Physics-based models outperform AI weather forecasts of record-breaking extremes – Journal : Science Advances – Méthode : News article – DOI : Lien vers l’étude
Source : Genève U.
