Google DeepMind révolutionne la prévision des cyclones : une IA open source gagne une journée d'avance

Le modèle a été entraîné sur des décennies de données atmosphériques mondiales, complétées par une base de données de près de 5 000 cyclones tropicaux historiques . Il est capable de générer 1 000 scénarios probabilistes de tempête en moins d'une minute par exécution sur une seule puce TPU, offrant ainsi aux prévisionnistes un ensemble de possibilités plutôt qu'une unique prédiction déterministe .

L'amélioration concrète : une journée entière de gagnée

Le résultat clé est simple et mesurable. Selon l'article publié dans Nature, les prévisions à trois jours de WeatherNext Cyclones sont aussi précises que ce que les meilleurs modèles précédents ne pouvaient offrir qu'à deux jours . Concrètement, cela signifie environ 24 heures de délai supplémentaire pour alerter les populations situées sur la trajectoire du cyclone .

Cette amélioration a été validée sur les cyclones tropicaux de 2023 à 2025. Sur l'ensemble de ces données, WeatherNext a surpassé les modèles opérationnels de référence — notamment ECMWF-ENS et HWRF — sur les critères de trajectoire, d'intensité et de structure du vent . Google DeepMind estime que ce gain équivaut à environ une décennie d'amélioration météorologique classique .

Validation grandeur nature : l'ouragan Melissa (2025)

WeatherNext Cyclones n'est pas resté un simple projet de recherche. Il a été déployé en conditions réelles pendant la saison 2025 des ouragans dans l'Atlantique, où il a réalisé sa validation la plus spectaculaire .

En mai 2025, le modèle a fourni une prédiction en temps réel documentée de l'intensification rapide de l'ouragan Melissa. Alors que la tempête n'était encore qu'en catégorie 1, WeatherNext a anticipé avec précision qu'elle atteindrait la catégorie 5 — une prévision qui a attiré l'attention des experts du National Hurricane Center (NHC) américain .

Le NHC a utilisé les prévisions de WeatherNext pour émettre des alertes concernant l'atterrissage de l'ouragan Melissa en Jamaïque cinq jours à l'avance. Selon Google DeepMind, c'était la première fois que le NHC prédisait qu'une tempête passerait de la catégorie 1 à la catégorie 5 dès le départ, et ce délai supplémentaire a contribué à sauver des vies . Les prédictions du modèle étaient accompagnées d'un niveau de confiance de 80 %, donnant aux décideurs la certitude nécessaire pour agir .

La clé technique : prédire avec des données à basse résolution

WeatherNext Cyclones s'appuie sur l'architecture WeatherNext 2, que Google DeepMind avait présentée en novembre 2025 . WeatherNext 2 génère des prévisions 8 fois plus vite que les systèmes précédents, avec une résolution pouvant atteindre des intervalles d'une heure . Mais le modèle spécifique aux cyclones a dû résoudre un problème plus difficile : faire des prédictions précises à partir de données atmosphériques globales relativement grossières, plutôt que de grilles régionales à haute résolution.

Selon l'article de Nature, WeatherNext Cyclones remet en cause l'idée reçue selon laquelle une prévision précise des cyclones nécessite des données à haute résolution. En s'entraînant sur des conditions atmosphériques globales, le modèle atteint une précision de pointe sans le coût de calcul des modèles haute résolution traditionnels . C'est l'une des raisons pour lesquelles le modèle peut être exécuté assez rapidement pour être utile en conditions opérationnelles.

Open source : la technologie accessible à tous

Contrairement à de nombreuses avancées en IA qui restent confinées dans les laboratoires des grandes entreprises, Google DeepMind a rendu WeatherNext Cyclones, WeatherNext 2 et WeatherNext 2-mini disponibles en open source .

Le code et les poids des modèles sont disponibles sur GitHub sous des licences permettant une utilisation commerciale . Cela signifie que les agences météorologiques nationales des pays en développement — qui n'ont pas forcément le budget pour des systèmes propriétaires — peuvent télécharger, exécuter et adapter les modèles à leurs besoins locaux . La version compacte WeatherNext 2-mini est conçue pour pouvoir être exécutée dans un notebook Colab, la rendant accessible même aux chercheurs disposant de ressources de calcul limitées .

Ce que cela change pour l'avenir

L'impact d'une journée d'alerte supplémentaire est difficile à surestimer. Chaque heure de gagnée permet aux gestionnaires de crises de planifier des évacuations, de pré-positionner des fournit closely et d'émettre des avertissements ciblés vers les populations vulnérables. Dans un monde où le changement climatique rend les cyclones tropicaux plus intenses et plus imprévisibles, disposer d'un modèle d'IA capable d'offrir l'équivalent d'une décennie d'amélioration en une seule version — et gratuitement accessible à tous — constitue un pas de géant pour la résilience climatique mondiale.