Malgré toutes les prouesses technologiques réalisées par l’Homme, nous sommes toujours sujets aux caprices de la météo. Nous tentons de la prédire mais les résultats ne sont pas toujours convaincants. Ainsi, nous ne pouvons pas prédire la météo à trop long terme et nous ne pouvons pas non plus prévoir les changements imprévus à court terme. Toutefois, Google pourrait avoir trouvé un moyen de résoudre ce dernier problème.

Pour le moment, il existe deux façons de réaliser des prédictions météorologiques. La première est nommée optical flow prediction (OF). Elle consiste à observer les mouvements de phénomène comme les nuages. La seconde, prédiction par simulation, consiste à créer des simulations physiques détaillées des systèmes météorologiques.

Ces deux méthodes ont un problème majeur : elles nécessitent des calculs informatiques extrêmement intensifs. C’est particulièrement vrai pour la méthode de prédiction par simulation. Par exemple, les simulations réalisées par l’agence fédérale américaine des prédictions météo nécessitent de prendre en compte 100 terabytes de données provenant de stations météorologiques. Cette opération prend des heures à des super ordinateurs très coûteux. En conséquence, si un ordinateur prend six heures à calculer une prédiction, il ne peut réaliser que trois à quatre prédictions par jour. De plus, au moment où ces prédictions sont disponibles, les données sur lesquelles elles sont basées sont vieilles de six heures. Ce système est donc incapable de considérer ce qu’il se passe dans l’immédiat.

Des chercheurs de Google ont alors eu l’idée d’utiliser l’intelligence artificielle pour réaliser des prédictions beaucoup plus rapidement, permettant ainsi de savoir ce qu’il se passe à l’instant présent. Leur modèle est capable de fournir une prédiction en seulement une minute. Il ne cherche pas à reproduire de complexes systèmes météorologiques. À la place, il se contente de faire des prédictions en se basant sur les données les plus simples. Ignorer les données les plus complexes ne posent pas de problème car il est beaucoup plus simple de faire des prédictions à court terme qu’à long terme. Ainsi les prédictions du modèle de Google sont aussi bonnes ou meilleures que celle des méthodes classiques jusqu’à six heures dans le futur, au-delà, leur qualité est inférieure. Le machine learning pourrait donc être idéale pour réaliser des prédictions à court terme et ainsi combler le vide laisser par les modèles actuels. Ces derniers seraient toujours utilisés pour les prédictions à plus long terme. Les différentes méthodes pourraient ainsi se compléter.

Les chercheurs de Google considèrent que les prédictions à court terme vont être de plus en plus importante alors que nous faisons face aux effets du changement climatique. Cela est particulièrement vrai dans les régions au climat extrême et imprévisible. Les prédictions météorologiques à court terme pourraient permettre une meilleure gestion des situations de crise et donc de réduire le nombre de victimes et de propriétés détruites. Le modèle de Google n’est est qu’au premier stade du développement. Mais le géant n’est pas le seul à s’intéresser aux applications de l’intelligence artificielle en météorologie : IBM et le géant agricole Monsanto sont également de la partie.