Google DeepMind et Google Research ont présenté WeatherNext 3, un nouveau modèle d’intelligence artificielle de prévision météorologique utilisant des observations satellitaires en temps réel. Selon les évaluations indépendantes en direct de Brightband, le modèle est le modèle météorologique mondial le plus avancé et le plus précis jamais développé par Google. Contrairement aux modèles fondés sur des simulations physiques traditionnelles, WeatherNext 3 combine des données de satellites géostationnaires en direct avec des analyses historiques et actualise ses prévisions toutes les heures.
Le modèle offre une résolution environ cinq fois supérieure à celle de WeatherNext 2. Certaines variables de surface, comme la température et l’humidité, sont prévues à une résolution de 5 kilomètres, les autres variables de surface à 10 kilomètres, et les variables atmosphériques, comme la vitesse du vent, à 25 kilomètres. WeatherNext 2 fonctionnait à des intervalles de six heures sur une grille de 25 kilomètres. Le nouveau système prend également en compte la topographie locale et vise à produire des résultats plus détaillés pour les conditions évoluant rapidement, comme la température, l’humidité, le vent et les précipitations.
WeatherNext 3 est intégré à Google Search, Gemini, Maps, Google Maps Platform et Google Cloud. Les utilisateurs pourront ainsi accéder aux prévisions via les services de Google, tandis que les développeurs et les institutions pourront utiliser les données dans leurs propres projets. Les prévisions haute résolution du modèle pourraient contribuer à généraliser les prévisions météorologiques locales, qui étaient jusqu’ici limitées par des coûts élevés, notamment en Amérique latine, en Afrique et dans la région Asie-Pacifique.
Le système propose également des variables spécifiques pour la production d’énergie renouvelable. Il fournit des prévisions de vitesse du vent à 100 mètres, à une hauteur proche de celle des éoliennes, ainsi que des prévisions haute résolution de la couverture nuageuse et du rayonnement solaire pour les centrales solaires. Ces données visent à aider les gestionnaires de réseaux et les développeurs énergétiques à mieux faire correspondre la production à la demande des consommateurs.
Pour les prévisions de précipitations, le modèle utilise les données Integrated Multi-satellite Retrievals for GPM (IMERG) de NASA, basées sur des satellites, ainsi qu’une réanalyse mondiale des précipitations fondée sur les radars satellitaires. Les évaluations ont fait état d’une amélioration pouvant atteindre 60 % par rapport à IMERG, 30 % par rapport à MRMS et 10 % par rapport aux données des pluviomètres dans les intervalles de prévision précoce, en termes de Continuous Ranked Probability Score. Google a indiqué qu’il fallait s’adresser aux organismes météorologiques locaux pour les alertes officielles.
Pourquoi c’est important
Des prévisions mises à jour toutes les heures et capables de distinguer des zones plus petites pourraient faciliter le suivi local de conditions météorologiques évoluant rapidement. L’intégration du modèle à des services Google largement utilisés rend les données météorologiques plus accessibles aux utilisateurs individuels, aux développeurs et aux institutions, en les sortant des systèmes réservés aux seuls spécialistes. Cet accès revêt une importance particulière pour l’Amérique latine, l’Afrique et la région Asie-Pacifique, où les prévisions locales détaillées restent limitées en raison de leurs coûts élevés. Les variables relatives au vent, à la couverture nuageuse et au rayonnement solaire pourraient fournir aux gestionnaires de réseaux et aux développeurs des données plus détaillées pour faire correspondre la production d’énergie renouvelable à la demande des consommateurs. En revanche, les résultats de performance reposent sur des évaluations indépendantes en temps réel et sur des critères spécifiques ; les organismes météorologiques locaux restent déterminants pour les alertes météorologiques officielles.
Contexte
WeatherNext n’est pas un nouveau nom dans les archives de FikirPilot : nous avons publié 2 articles mentionnant ce nom au cours des 90 derniers jours ; le plus récent date du 4 septembre 2026.