La Chine a lancé un modèle de prévision météorologique IA

La Chine a lancé « Fengyuan V1.0 », un nouveau modèle météorologique intégrant l'intelligence artificielle (IA). Le système a été conçu comme une plateforme open source visant à améliorer les capacités de prévision météorologique, marquant ainsi une étape importante pour le secteur météorologique.

Cao Xiaozhong, directeur adjoint de l'Administration météorologique de Chine (CMA), a souligné l'importance de ce modèle, soulignant qu'il permet au pays de s'approprier pleinement un système d'IA scientifique.

En outre, il a expliqué que Fengyuan V1.0 intègre pleinement le flux de données et représente le premier modèle complet du secteur doté de ses propres droits de propriété intellectuelle, avec le potentiel d'optimiser les tâches de recherche et de prévision.

De plus, Wang Yaqiang, chef de l'équipe de développement, a souligné la capacité du modèle à générer des prévisions météorologiques mondiales directement à partir de données d'observation. Cette fonctionnalité réduit le recours à plusieurs modèles intermédiaires, ce qui pourrait accélérer la recherche scientifique et améliorer la précision des prévisions météorologiques.

«L'objectif à long terme est de développer Fengyuan en tant que modèle de prévision ouvert basé sur l'observation, intégrant un couplage multi-sphères.», a exprimé Wang Yaqiang.

De même, Yaqiang a indiqué que la nature open source de « Fengyuan V1.0 » devrait contribuer à consolider les efforts de recherche météorologique dans toute la Chine. Pour sa part, Xiaozhong a souligné que le modèle améliorera la détection des événements météorologiques extrêmes, notamment ceux qui sont imminents à court terme.

De plus, le modèle météorologique peut fournir des alertes précoces en cas de tempêtes violentes, contribuant ainsi à la protection des vies et des biens. Cela facilite la planification d’urgence et la réponse aux catastrophes, avec l’aspiration de devenir un outil clé pour plusieurs secteurs du pays, y compris « l’Initiative la Ceinture et la Route ».

Il est important de souligner qu’avec ce lancement, la Chine renforce sa position de référence dans l’utilisation de l’IA appliquée à la météorologie, une avancée qui promet de redéfinir les paramètres des prévisions climatiques à l’échelle mondiale.

La nouvelle ère des prévisions météorologiques par l’IA

De plus, une étude récente publiée dans la revue « Scientific Reports » a évalué comment différents modèles d'IA surpassent les modèles climatiques régionaux (RCM) traditionnels, tels que « RegCM », dans la géographie complexe de la province du Yunnan, en Chine.

Cette région du sud-ouest du pays, caractérisée par son relief montagneux et sa grande biodiversité, présente une diversité climatique qui a historiquement entravé l'exactitude des prévisions, impactant directement la gestion des risques tels que les incendies et les catastrophes naturelles.

Cependant, la recherche a introduit un cadre comparatif basé sur cinq modèles d’IA de pointe pour prédire des variables critiques telles que la température, les précipitations et l’humidité relative.

Les résultats ont révélé que les modèles hybrides basés sur l’IA constituent l’outil le plus puissant pour relever ce défi. Par exemple, le système appelé « LSTM-Transformer » a atteint la plus grande précision dans la prévision de la température et de l’humidité, en combinant une mémoire séquentielle avec des mécanismes d’attention globale.

En revanche, l’architecture du modèle « CNN-LSTM » s’est révélée la plus efficace pour anticiper les précipitations, variable particulièrement volatile, grâce à sa capacité à extraire simultanément des caractéristiques spatiales et temporelles.

«Ces résultats mettent en évidence le potentiel de l’intelligence artificielle pour faire progresser la prévision climatique multivariée dans des régions présentant une hétérogénéité spatiale significative.», indique l'étude.

Il convient de noter qu’au-delà de la précision technique, cette avancée représente un changement de paradigme en termes d’efficacité. Alors que les modèles traditionnels reposent sur des équations physiques complexes et nécessitent une infrastructure de calcul intensif à grande échelle, les modèles d’IA basés sur les données peuvent identifier des modèles non linéaires cachés dans l’histoire climatique avec une consommation de ressources nettement inférieure.

Cela permet de générer des alertes plus rapides et plus précises en cas de phénomènes météorologiques extrêmes, facilitant ainsi la planification d'urgence et la protection des biens et des vies humaines.

En rapport