LONDRES – Nous assistons actuellement au début d’un changement de paradigme dans les sciences de la Terre. Un article publié dans Nature en juillet dernier décrit comment un réseau de neurones artificiels (du domaine de l’intelligence artificielle) prédit mieux les conditions météorologiques que le Centre européen de prévisions météorologiques à moyen terme (CEPMMT, ou ECMWF en anglais), pourtant doté du système de prévision numérique des conditions météorologique le plus avancé au monde. Ensuite, en novembre, la filiale DeepMind de Google a annoncé que son programme d’IA de prévision météorologique parvient à des résultats plus précis et plus rapides encore.
Les méthodes traditionnelles de prévision météorologique reposent sur des observations faites à un moment donné et qui constituent les conditions initiales pour des équations basées sur des principes physiques. En revanche, un programme d’IA intègre des données récoltées sur une longue période de temps et « apprend » les dynamiques que les équations conventionnelles doivent décrire explicitement. Tant les méthodes traditionnelles que les programmes d’IA utilisent des supercalculateurs, mais l’IA n’a pas besoin de théories formellement élaborées.
Les prévisions météorologiques déterminent quand et où les avions volent, quelles routes maritimes les navires suivent, et contribuent à gérer tout un éventail de risques civils et militaires liés à un environnement changeant. Elles revêtent une grande importance. Même si les applications de l’IA dans ce domaine n’en sont qu’à leur début et que de nombreuses questions doivent encore être résolues, comme dans d’autres secteurs, les prévisions météorologiques réalisées par des programmes d’IA pourraient remplacer les professionnels qualifiés étant donné que les réseaux neuronaux artificiels n’ont pas besoin de connaître les concepts de la météorologie dynamique (les auteurs de l’article paru dans Nature sont des ingénieurs qui n’ont aucune expérience dans ce domaine). Toutefois, cette évolution comporte de nombreuses autres implications.
LONDRES – Nous assistons actuellement au début d’un changement de paradigme dans les sciences de la Terre. Un article publié dans Nature en juillet dernier décrit comment un réseau de neurones artificiels (du domaine de l’intelligence artificielle) prédit mieux les conditions météorologiques que le Centre européen de prévisions météorologiques à moyen terme (CEPMMT, ou ECMWF en anglais), pourtant doté du système de prévision numérique des conditions météorologique le plus avancé au monde. Ensuite, en novembre, la filiale DeepMind de Google a annoncé que son programme d’IA de prévision météorologique parvient à des résultats plus précis et plus rapides encore.
Les méthodes traditionnelles de prévision météorologique reposent sur des observations faites à un moment donné et qui constituent les conditions initiales pour des équations basées sur des principes physiques. En revanche, un programme d’IA intègre des données récoltées sur une longue période de temps et « apprend » les dynamiques que les équations conventionnelles doivent décrire explicitement. Tant les méthodes traditionnelles que les programmes d’IA utilisent des supercalculateurs, mais l’IA n’a pas besoin de théories formellement élaborées.
Les prévisions météorologiques déterminent quand et où les avions volent, quelles routes maritimes les navires suivent, et contribuent à gérer tout un éventail de risques civils et militaires liés à un environnement changeant. Elles revêtent une grande importance. Même si les applications de l’IA dans ce domaine n’en sont qu’à leur début et que de nombreuses questions doivent encore être résolues, comme dans d’autres secteurs, les prévisions météorologiques réalisées par des programmes d’IA pourraient remplacer les professionnels qualifiés étant donné que les réseaux neuronaux artificiels n’ont pas besoin de connaître les concepts de la météorologie dynamique (les auteurs de l’article paru dans Nature sont des ingénieurs qui n’ont aucune expérience dans ce domaine). Toutefois, cette évolution comporte de nombreuses autres implications.