Une équipe de l’UNIGE et de l’Institut de technologie de Karlsruhe montre que les modèles de prévision météorologique classiques restent plus fiables que l’IA pour anticiper les épisodes extrêmes.
Vagues de chaleur record, pluies torrentielles, orages supercellulaires: les événements extrêmes s’intensifient sous l’effet du changement climatique, avec de lourdes conséquences humaines et économiques. Les modèles d’intelligence artificielle révolutionnent les prévisions météorologiques. Mais peuvent-ils anticiper ces épisodes hors normes? Une équipe de l’Université de Genève (UNIGE) et de l’Institut de technologie de Karlsruhe montre que les modèles numériques classiques restent à ce jour plus fiables pour prévoir les phénomènes extrêmes, même si les modèles d’intelligence artificelle les surpassent dans des situations courantes. Ces résultats sont publiés dans Science Advances.
Pour prédire la météo des jours ou semaines à venir, les météorologues s’appuient sur des simulations générées par des modèles mathématiques complexes. Alimentés par de grandes quantités de données – collectées par des stations météo, des satellites ou des avions – ils appliquent les lois de la physique à ces informations 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». Il fournit des simulations à 35 pays du continent sur la base de ce modèle.
Si cette méthode est fiable et robuste, elle est aussi coûteuse et énergivore: elle nécessite un important parc de superordinateurs, capables de résoudre des millions d’équations plusieurs fois par jour. «L’introduction, il y a environ trois ans, des premiers modèles basés sur l’intelligence artificielle, en parallèle de l’approche numérique traditionnelle, a ouvert la voie à une simplification des processus et à une diminution de leurs coûts», explique Sebastian Engelke, professeur au Research Institute for Statistics and Information Science de la Geneva School of Economics (GSEM) de l’UNIGE.
Le principal problème des modèles d’IA est leur difficulté à généraliser au-delà des données sur lesquelles ils ont été entraînés.
Mais cette approche à base d’IA est-elle capable de prédire la survenue, jusqu’à dix jours à l’avance, d’évènements extrêmes souvent sans précédents? Dans une étude récente, l’équipe de Sebastian Engelke montre que l’IA surpasse les modèles classiques – en l’occurrence le HRES – pour prédire les situations courantes, mais qu’elle commet des erreurs plus importantes que le HRES pour 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 s’étendent entre 1979 et 2017. Ils tendent ainsi à se limiter aux valeurs extrêmes déjà observées dans le passé, comme s’ils se heurtaient à un plafond implicite. À l’inverse, les modèles conventionnels, basés sur la physique atmosphérique, ne sont pas contraints par cette limite et peuvent théoriquement représenter des situations inédites», explique Zhongwei Zhang, ancien post-doctorant dans l’équipe de Sebastian Engelke, aujourd’hui affilié à l’Institut de statistiques de l’Institut de technologie de Karlsruhe, et premier auteur de l’étude.
Ces résultats mettent en évidence les limites actuelles des modèles météorologiques basés sur l’intelligence artificielle lorsqu’il s’agit d’extrapoler au-delà de leur domaine d’apprentissage et de prévoir des événements météorologiques record. Ils soulignent la nécessité de poursuivre leur évaluation et leur amélioration avant de pouvoir les utiliser de manière autonome dans les systèmes d’alerte précoce et de gestion des catastrophes.
