Modèles météorologiques basés sur l’IA : Pourquoi ils sont moins efficaces pour prédire les événements climatiques extrêmes
Les modèles météo utilisant l’intelligence artificielle (IA) ont montré des résultats prometteurs dans de nombreux domaines, offrant parfois des prévisions plus précises que les modèles traditionnels. Cependant, une étude récente souligne une faille majeure : ces systèmes peinent particulièrement à prédire les événements météo extrêmes tels que les vagues de chaleur, le froid intense et les tempêtes.
Résultats de l’étude sur les prévisions meteo
Dans le cadre d’une recherche menée à l’Institut de technologie de Karlsruhe, des chercheurs ont testé des modèles IA développés par des entreprises comme Google et Huawei, comparant leur efficacité aux modèles de prévision avancés de l’Institut de météorologie de l’Europe. En examinant les données météorologiques de 2018 à 2020, ils ont constaté que les modèles IA avaient une tendance marquée à sous-estimer les événements extrêmes, représentant seulement 2 % des prévisions.
Selon les résultats publiés dans Science Advances, la capacité des modèles IA à prédire des vagues de chaleur et des tempêtes violentes était inférieure à celle des modèles physiques traditionnels. En effet, plus les conditions climatiques étaient extrêmes, plus les prévisions des systèmes IA étaient imprécises, comme l’a souligné le chercheur Sebastian Sippel.
Pourquoi l’IA a du mal avec les événements extrêmes
La principale raison qui limite l’efficacité des modèles IA pour prédire des événements climatiques extrêmes réside dans leur méthode d’entraînement. Ces systèmes apprennent à partir de données historiques. Si ces données manquent d’exemples de conditions extrêmes, il devient difficile pour l’IA de faire des prévisions fiables. En revanche, les modèles météorologiques traditionnels sont basés sur des lois physiques bien établies, ce qui leur donne un avantage décisif.
Nicole Ludwig, de l’Université d’Augsbourg, note que l’IA a pour approche de rechercher des motifs dans les données d’entraînement. Cela pose problème lorsque les événements climatiques extrêmes sont sous-représentés ou absents. Les modèles IA se montrent alors incompétents lorsqu’ils sont confrontés à des situations inédites.
Les enjeux du changement climatique
Le changement climatique complique encore la tâche des modèles IA. Avec le réchauffement climatique, les principes qui régissent les systèmes atmosphériques évoluent, rendant parfois obsolètes les modèles basés sur des données historiques. Selon Niklas Boers, professeur à la Technische Universität München, il est essentiel que les modèles soient régulièrement réentraînés pour refléter ces nouvelles réalités climatiques. L’utilisation de données synthétiques pourrait être une solution viable pour intégrer ces variables futures dans l’entraînement des IA.
Puis-je espérer meilleur résultat à l’avenir ?
Il existe des avancées prometteuses dans le domaine des modèles IA. Certaines technologies récentes permettent de quantifier l’incertitude des prévisions. Des méthodes d’ensemble, qui calculent plusieurs scénarios possibles, pourraient s’avérer plus efficaces pour prédire les extrêmes.
À l’avenir, une approche hybride utilisant conjointement modèles IA et traditionnels pourrait être la clé. Le service météorologique allemand (DWD) travaille déjà à la mise en place d’un système combinant ces deux type de modèles. Cela pourrait améliorer la précision des prévisions tout en capitalisant sur les atouts de chacune des deux technologies.
En conclusion, bien que les modèles IA soient en plein développement et offrent déjà des résultats intéressants, il reste encore des défis à relever, en particulier en ce qui concerne les événements climatiques extrêmes. L’avenir de la météorologie repose certainement sur une intégration intelligente des approches traditionnelles et modernes.