Deux articles parus en même temps cette semaine dans la revue Nature font état de deux approches prometteuses, du moins selon leurs auteurs: toutes deux pourraient en théorie améliorer la qualité des prévisions météorologiques. Elles s’inscrivent dans une tendance internationale, où des modèles météo générés par l’IA apparaissent ici et là —en partant du principe que l’IA peut traiter beaucoup plus vite une quantité beaucoup plus grande de données, notamment des données historiques.

Mais avec un gros bémol, comme le notent les observateurs : l’imprévisibilité climatique vient réduire la valeur que peuvent avoir les données historiques...

Par exemple, il y a longtemps que les recherches dans les sciences de l’atmosphère convergent pour dire que les ouragans et les canicules risquent d’être plus intenses à mesure que la planète se réchauffera. Prévoir une canicule un peu plus à l’avance grâce à l’IA pourrait donc se révéler de peu d’utilité, si l’IA n’est pas davantage capable de prévoir sa force ou sa durée.

En fait, n’importe quel événement météorologique extrême, n’importe quel nouveau record de température, risque d’échapper aux prévisions de l’IA, tout simplement parce que le robot n’aura pas assez d’exemples dans sa base de données.

Ainsi, le premier article décrit un modèle développé par la firme chinoise Huawei, capable de fournir des résultats 10 000 fois plus vite que les modèles actuels: notamment sur la température et la vitesse des vents, et ce jusqu’à une semaine à l’avance. Les chercheurs notent toutefois qu’ils n’ont pas évalué sa capacité à prédire correctement la quantité de précipitations.

Dans un commentaire sur les deux recherches, également publié par Nature, deux chercheurs de l’Université du Colorado notent que ces nouvelles approches ont un « énorme potentiel » pour la météorologie. La plus grande rapidité apporte, à elle seule, « d’immenses bénéfices ». Mais avec des bémols qui vont devenir de plus en plus apparents dans les années à venir —et avec un risque d’erreur peut-être élevé, ce qui n’est pas souhaitable dans le cas d’événements au potentiel destructeur.