Google a publié un nouveau modèle de prévision météorologique IA, WeatherNext 3, destiné au marché de l'énergie.
WeatherNext 3 prend en compte de nouvelles variables qui affectent directement les estimations de production et les risques pour le réseau électrique : la vitesse du vent à 100 mètres, la couverture nuageuse et la quantité de lumière solaire atteignant la surface.
En termes de caractéristiques, la nouvelle version est devenue plus détaillée et plus rapide : elle construit une prévision globale avec des mises à jour toutes les heures et fournit des détails jusqu'à 5 km pour les variables de surface (température, humidité) et jusqu'à 11 km pour les précipitations. En comparaison, WeatherNext 2 fonctionnait sur une grille de 25 km et était mis à jour toutes les six heures.
Selon Google, au lieu de s'appuyer entièrement sur des simulations, WeatherNext 3 est formé directement sur les données des stations météorologiques et les images satellite récentes. Selon Ilan Price, chercheur principal chez Google DeepMind, cette approche a réduit la latence des informations de 7 à 3-4 heures.
La société a annoncé des améliorations dans la précision des estimations des précipitations :
- jusqu'à 60% relatif NASA IMERG;
- jusqu'à 30% par rapport à MRMS;
- jusqu'à 10% – avec pluviomètres allumés premiers horizons de prévision.
Cependant, apprendre uniquement des modèles historiques peut devenir un défi lors d’événements météorologiques sans précédent, alors que les modèles physiques traditionnels s’appuient sur des lois atmosphériques fondamentales.
Le modèle a été intégré à Google Search, Gemini, Google Maps et l'API météo de Google Maps Platform. Pour les entreprises clientes, l'accès a été ouvert via BigQuery, Earth Engine et Google Cloud Storage, ce qui élimine la nécessité pour les clients de déployer eux-mêmes des logiciels.
Lors du lancement, Google n'a pas divulgué le coût d'un abonnement entreprise à WeatherNext 3.
Marché des données météorologiques
Le rapport US Grid Outlook 2026 de S&P Global Market Intelligence désigne la production et le stockage solaires comme les principales sources de nouvelle capacité aux États-Unis en 2026, avec respectivement 51,2 GW et 25,7 GW, sur plus de 90 GW prévus.
La demande d'informations opportunes sur l'évolution des conditions météorologiques s'explique par le coût élevé des erreurs dans la planification des achats.
Par exemple, si la production éolienne a été sous-estimée, l'électricité manquante doit être achetée au dernier moment, souvent auprès des stations-service. Si les prévisions sont trop élevées, la production d’énergie éolienne et solaire pourrait être limitée car le réseau ne peut pas accueillir tout le volume.
Les principaux concurrents du géant de la technologie sur le marché des données météorologiques énergétiques sont Vaisala, Solcast, WindGEMINI de DNV, IBM HyperWatch et le suisse Jua.
Pour Google lui-même, la sortie de WeatherNext 3 n'est pas seulement un nouveau produit, mais aussi un outil d'optimisation de ses propres coûts : l'entreprise achète de l'énergie propre pour alimenter les clusters de calcul, et des prévisions précises de production affectent directement ses performances financières.
Rappelons qu'en mars 2026, des chercheurs du Royaume-Uni et du Canada ont développé le modèle Aardvark Weather AI pour les prévisions météorologiques.
Vous avez trouvé une erreur dans le texte ? Sélectionnez-le et appuyez sur CTRL+ENTRÉE