Avec une explosion de données météorologiques et climatiques que la dernière génération d’outils ne peut gérer, l’IA est-elle l’avenir des prévisions ? Les recherches le suggèrent certainement et une start-up récemment financée, Brightband, tente de transformer les modèles de prévision par apprentissage automatique en une entreprise et une norme open source. Les techniques actuelles de prévision météorologique et de surveillance du climat sont ancrées dans des modèles statistiques et numériques qui datent de plusieurs décennies. Cela ne veut pas dire qu’ils sont mauvais ou faux – juste pas particulièrement efficaces. Ces modèles basés sur la physique sont le genre de choses pour lesquelles vous réservez quelques semaines sur un superordinateur. Mais l’IA a un don pour extraire des motifs de grandes quantités de données, et la recherche a montré que, lorsque l’IA est formée sur des années de motifs météorologiques et d’observations à travers le monde, elle peut prédire les événements à venir avec une précision surprenante.
Alors pourquoi n’est-elle pas utilisée partout ? “La raison de cet écart est que le gouvernement a du mal à attirer les meilleurs talents, tout comme les entreprises météorologiques, alors que pour ces entreprises technologiques, la météo n’est pas leur cœur de métier. Ils ne vont pas en profondeur dans le domaine et ne travaillent pas avec les acteurs pour leur donner les outils dont ils ont besoin”, a expliqué Julian Green, PDG et co-fondateur de Brightband (anciennement connu sous le nom d’OpenEarthAI). “Nous pensons qu’une start-up rassemble des gens exceptionnels en IA, en données et en météo. Il y a une réelle opportunité de rendre l’IA opérationnelle et de la rendre accessible à tous.”
“C’est relativement tôt”, a admis Green. “Nous travaillons sur cette question depuis quelques mois, rien n’est en service aujourd’hui mais nous espérons avoir un modèle d’ici la fin 2024 qui prend en compte les observations [c’est-à-dire les images satellites ou locales] et produit une prévision pour elles.”
La start-up est en train d’élaborer son propre modèle formé sur des années de données d’observation météorologique, mais Daniel Rothenberg, co-fondateur et responsable des données et de la météo, a vite noté qu’ils “se tenaient sur les épaules de géants”. “Les grands modèles basés sur la physique sont des monstres”, a-t-il dit. “Mais l’IA est le bénéficiaire de ces modèles – le premier bond en avant a été de les exploiter, de constater que les modèles peuvent vraiment apprendre ces motifs. Nous construisons sur cette base et l’étendons. Nous visons l’état de l’art : aussi bon ou meilleur que le système de prévision météorologique mondiale disponible.” Il serait également beaucoup plus rapide, a noté Green. “C’est en quelque sorte la perturbation principale : c’est plus rapide et moins cher”, ce qui le rend plus adapté à des cas d’utilisation personnalisés et en évolution rapide.
“Les gens ont des besoins très spécifiques dans différents secteurs”, a poursuivi Green. “Les entreprises d’énergie ont besoin de pouvoir prévoir l’offre de renouvelables provenant du vent et du soleil, et la demande en chauffage et en climatisation ; les entreprises de transport ont besoin d’éviter les conditions météorologiques extrêmes ; l’agriculture a besoin de planifier plusieurs semaines à l’avance pour embaucher des personnes pour semer, arroser, fertiliser ou récolter.” Fait intéressant, l’entreprise s’engage à rendre ses modèles accessibles à tous. “Notre objectif est de rendre la capacité de prévision de base en open source, pas seulement le modèle mais aussi les données utilisées pour le former, et les mesures utilisées pour l’évaluer ; le modèle d’affaires consiste à ajouter, en superposition, des services payants pour des capacités plus spécifiques”, a déclaré Green.
