Les prévisionnistes des ouragans utilisent de plus en plus l’intelligence artificielle pour faire des prévisions – et ils affirment que la technologie transforme rapidement le domaine.
Lorsque le premier ouragan de la saison atlantique s’est formé ce mois-ci, un modèle d’IA a surpassé les modèles traditionnels pour prédire où il irait.
Début octobre, l’ouragan Isaias a touché terre près de Destin, en Floride, en tant que tempête de catégorie 2. Les modèles de prévision conventionnels prévoyaient initialement qu’il se dirigerait plus à l’ouest, vers le sud-est de la Louisiane.
Mais le modèle d’intelligence artificielle de Google DeepMind l’a annoncé dès le départ : l’ouragan allait frapper l’ouest de la Floride.
« Google DeepMind, en particulier, a fait ses preuves ces dernières années en tant que modèle de référence », déclare Michael Lowry, météorologue de longue date et expert en ouragans à Miami, qui a déjà conseillé l’Agence fédérale de gestion des urgences et le National Hurricane Center (NHC).
« Ce modèle est, de loin, le modèle informatique le plus performant que nous ayons jamais vu. Point final. »
Un autre type de modèle
Le National Hurricane Center a commencé à intégrer le modèle Google DeepMind dans ses prévisions officielles l’année dernière.
À la fin de la saison des ouragans de l’Atlantique 2025, il était déjà l’un des meilleurs pour prédire la trajectoire et la force d’une tempête, explique Brian McNoldy, chercheur sur les ouragans à l’Université de Miami.
Habituellement, les nouveaux modèles mettent des années à être peaufinés après leur introduction.
« C’est quelque chose auquel nous ne sommes pas habitués : avoir un mannequin, le petit nouveau du quartier, qui devient très rapidement le meilleur mannequin du moment », dit McNoldy. « C’est quasiment arrivé en première place, et c’est un exploit assez impressionnant. »
Les modèles d’ouragans traditionnels basés sur la physique utilisent des données atmosphériques en temps réel, telles que la température, l’humidité, la pression et le cisaillement du vent, mesurées par les satellites et les avions. Ensuite, ils utilisent des équations complexes pour prédire le chemin qu’une tempête pourrait parcourir et sa force.
Un modèle d’IA fonctionne très différemment : il s’appuie davantage sur l’histoire. Il identifie des modèles en analysant des milliers de tempêtes passées ainsi que des données atmosphériques.
« Les modèles d’IA ne savent vraiment rien de l’atmosphère autre que l’image actuelle », explique Lowry. « Au-delà de cela, il ne faut pas s’appuyer sur les équations régissant l’atmosphère, la physique, pour faire des prédictions. »
La plupart des personnes qui conçoivent et développent ces modèles ne sont même pas des météorologues, note Lowry : « Ce sont des ingénieurs logiciels et ils développent des réseaux neuronaux. »
Un « réseau neuronal » est un ensemble d’algorithmes informatiques calqués sur le cerveau humain et entraînés pour trouver des modèles dans des quantités massives de données.
En conséquence, les modèles peuvent ressembler à une « boîte noire », explique Lowry : « Nous ne savons pas pourquoi ils pourraient obtenir une prévision correcte. Nous ne savons pas non plus pourquoi ils pourraient obtenir une prévision erronée. »
Il peut être déstabilisant pour les météorologues de dépendre d’un système qu’ils ne comprennent pas totalement – en particulier lors de tempêtes, lorsque des millions de personnes peuvent se fier à leurs prévisions.
« Cela nous met un peu mal à l’aise, car nous aimons savoir pourquoi vous obtenez la bonne réponse », dit McNoldy. « Et j’ai l’impression que non – ou du moins je ne sais pas pourquoi. »
Cependant, tous les modèles d’IA n’ont pas donné de bons résultats. Il existe de nombreux modèles d’IA de prévision météorologique non éprouvés, explique Lowry.
Les deux modèles qui se sont jusqu’à présent révélés les plus précis, malgré quelques écueils, sont les modèles développés par Google DeepMind et par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), basé au Royaume-Uni.
S’appuyer sur un « mélange » de modèles
Les prévisionnistes du National Hurricane Center utilisent plusieurs modèles éprouvés – à la fois IA et traditionnels – pour élaborer leurs prévisions officielles.
« Chaque tempête comporte des défis de prévision différents », déclare Michael Brennan, directeur du NHC. « C’est pourquoi nous adoptons cette approche consensuelle et utilisons ce mélange des meilleurs modèles. »
Et ce sont toujours les humains qui doivent interpréter les résultats de ces modèles avant de décider quoi dire au public.
Le NHC fournit des mises à jour toutes les six heures pendant les ouragans actifs. Les modèles eux-mêmes peuvent parfois montrer des changements drastiques d’une mise à jour à l’autre. Les prévisionnistes doivent traduire ces prévisions changeantes en orientations claires sur lesquelles les gens peuvent agir.
« C’est une chose que le prévisionniste humain fournit en grande partie, c’est la continuité », explique Brennan. « Nous utilisons notre expertise et notre compréhension pour traduire ces prévisions d’ouragan en termes de risques, et c’est à cela que les gens doivent vraiment prêter attention. »
Les scientifiques s’attendent à des progrès rapides
Le modèle Google DeepMind nécessite encore du travail, dit Brennan. Bien qu’il ait dépassé les autres modèles pour suivre la trajectoire d’Isaias, il n’a pas fait aussi bien que les prévisions mixtes du NHC pour déterminer l’intensité ou la force de la tempête.
« L’avenir de la prévision a toujours changé », déclare Brennan. « Ces améliorations ne sont jamais motivées par une seule chose. »
Il n’y a pas si longtemps, les prévisionnistes ne pouvaient pas prédire la force d’une tempête, même en quelques jours, note-t-il. Cela a changé grâce aux progrès des modèles de prévision et à l’amélioration des données collectées par les satellites et les avions.
« Les erreurs représentent environ la moitié de ce qu’elles étaient, disons, au moment de (l’ouragan) Katrina, en termes de prévision de l’intensité », explique Brennan.
Selon le météorologue Michael Lowry, ce qui est passionnant à propos de l’IA, c’est la rapidité avec laquelle elle s’améliore. Les mises à jour de l’IA ne prennent que des mois, voire des semaines, contrairement aux modèles traditionnels, qui sont au mieux mis à jour chaque année.
« Ils font des progrès en termes de compétences et de prévisions d’ouragans au cours d’une année, ce qui nous aurait pris 10 ans, une décennie ou plus », a déclaré Lowry.
Mais même avec l’arrivée rapide et puissante de l’IA, Lowry dit qu’il ne s’inquiète pas du fait que l’intelligence artificielle remplace les humains.
« Pour moi, je ne ressens pas de crise existentielle avec l’IA », déclare Lowry. « Au contraire, je pense que c’est une aubaine pour notre entreprise. »
Edité par Rachel Waldholz
