« Avec l’IA, nous avons fait en deux ans ce qui aurait pris dix ans de recherche » (F. Pappenberger, ECMWF)

Le CEPMMT a mis en service son système de prévision basé sur l’intelligence artificielle (AIFS). En quoi est-il plus performant que les modèles traditionnels fondés sur la physique, et dans quels domaines ces derniers restent-ils supérieurs ?

Il faut faire attention à l’utilisation du terme « meilleur ». Je pense qu’il s’agit de systèmes complémentaires plutôt que l’un étant meilleur que l’autre. Ils remplissent simplement des fonctions différentes.

Les systèmes de prévision basés sur l’IA fonctionnent quotidiennement, quatre fois par jour, et donnent d’excellents résultats ; pour certains paramètres, ils sont même plus performants que les modèles basés sur la physique. Nous avons réussi à réaliser en deux ans avec les modèles d’IA ce qui nécessite habituellement dix ans de recherche scientifique. Par exemple, les prévisions de température ou les trajectoires des cyclones tropicaux. L’autre avantage des modèles d’IA est leur rapidité exceptionnelle : ils s’exécutent en quelques secondes. En comparaison, les modèles basés sur la physique prennent beaucoup plus de temps.

Mais il y a certaines choses qu’ils ne peuvent pas faire pour l’instant. J’ai mentionné les cyclones tropicaux. Ils peuvent très bien prédire la trajectoire d’un cyclone tropical, mais ils ont actuellement du mal à prédire sa profondeur. Or, c’est la profondeur d’un cyclone tropical qui détermine son intensité et sa gravité. Sur ce point, les modèles basés sur la physique restent plus performants.

L’IA est de plus en plus critiquée pour sa consommation d’énergie et d’eau, en particulier à cause des data centers dont elle a besoin. Est-il contradictoire pour une institution spécialisée dans le climat d’adopter l’IA, et l’empreinte écologique de l’AIFS a-t-elle été comparée à celle des modèles basés sur la physique ?

Tout d’abord, il faut nuancer : un modèle d’IA destiné aux prévisions météorologiques est minuscule comparé à celui utilisé pour un chatbot. Ensuite, les prévisions météorologiques ont toujours reposé sur le calcul haute performance. Nous disposions d’un supercalculateur bien avant l’IA ; celle-ci n’ajoute donc pas d’empreinte supplémentaire massive.

L’exécution des modèles d’IA est bien plus rapide et moins coûteuse ; leur empreinte n’est donc qu’une fraction de celle d’un modèle basé sur la physique. C’est l’apprentissage qui est le plus gourmand en ressources : il faut un ordinateur disponible pendant une longue période et de grandes quantités de données. Je ne dispose pas de chiffres précis pour ces deux aspects, mais mon intuition me dit que les modèles d’IA sont probablement plus économes en énergie dans l’ensemble, simplement parce que je sais quelle est la taille de notre parc de serveurs et comment ces systèmes évoluent en termes d’échelle.

Bien sûr, nous devons réduire notre empreinte écologique indépendamment de nos travaux sur la météorologie, et nous sommes préoccupés par les questions liées à l’eau et au carbone. Mais ces préoccupations existaient bien avant l’arrivée de l’IA.

Qui sont aujourd’hui les utilisateurs qui tirent le plus grand bénéfice de vos prévisions : les pouvoirs publics, la protection civile, le secteur de l’énergie, l’agriculture, les assurances, les transports ?

Il n’y a pratiquement aucune application imaginable dans laquelle la météo ne joue pas un rôle quelconque. Cela peut être très simple : dans une ville, il s’agit de décider s’il faut épandre du sel pour déglacer les routes. Ou, face à une prévision de canicule, de déterminer s’il faut mettre en place des mesures de protection. Il s’agit donc des institutions publiques et du secteur privé : cela va des énergies renouvelables à l’agriculture, en passant par le transport maritime, les transports et les services publics qui protègent les vies et les moyens de subsistance. C’est présent presque partout.

Le CEPMMT communique principalement avec ses utilisateurs par l’intermédiaire des services météorologiques nationaux. Comment travaillez-vous avec eux, et dans quelle mesure entretenez-vous également des échanges avec le secteur privé ?

Nous avons ce genre de discussions. Notre institution travaille principalement avec des intermédiaires : nous collaborons rarement directement avec l’utilisateur final. Bien sûr, notre principal canal de communication est constitué des services météorologiques et hydrologiques nationaux. L’Organisation météorologique mondiale (OMM) compte de nombreux pays membres dotés de leurs propres bureaux météorologiques, qui sont souvent proches des utilisateurs finaux. Il y a beaucoup de facteurs à prendre en compte : souvent, le plus simple est la langue. Tout le monde ne parle pas anglais, même si certaines personnes le croient. Bon nombre de ces services traduisent nos produits pour l’utilisateur final. Mais nous avons également de nombreux utilisateurs qui s’adressent directement à notre organisation, obtiennent les données et les valorisent davantage en y ajoutant un traitement en aval ou en les modifiant.

La conversation se déroule plutôt ainsi : « Que pouvons-nous faire pour améliorer votre service ? De quoi avez-vous besoin de notre part ? » C’est le type d’interaction que nous entretenons, car cela nous permet d’affiner nos produits en fonction de vos besoins réels.

Quelle est la relation avec les grandes entreprises technologiques qui développent leurs propres modèles météorologiques : concurrence, collaboration ou menace pour le rôle du secteur public ?

Les grandes entreprises technologiques ont toujours développé leurs propres modèles météorologiques. En matière d’IA, chacune de ces prévisions s’appuie sur nos données : aucun modèle n’est entraîné sans les données du CEPMMT ou de Copernicus. Il existe donc une certaine forme de collaboration. Nous échangeons ouvertement nos connaissances et nos données scientifiques, et nous sommes ravis de travailler avec elles et de nous ouvrir à ce secteur.

Ce qui nous tient particulièrement à cœur, c’est le principe d’une « voix unique » lorsqu’il s’agit d’alerter et d’informer le public et les décideurs politiques. Cette source doit être le service météorologique national, qui connaît mieux que quiconque les besoins de sa population. Des alertes contradictoires ne sont d’aucune utilité, quelles que soient les circonstances.

Il existe également environ 9 ou 10 autres centres mondiaux de prévisions météorologiques, et nous comparons volontiers nos performances chaque jour. Un tableau affiché dans notre salle de prévision météorologique présente les performances de chaque modèle, et un classement est établi, car cela permet d’en tirer des enseignements. Si un ou deux modèles obtiennent d’excellents résultats et que ce n’est pas votre cas, vous devez réfléchir sérieusement à ce qui ne va pas. Il s’agit donc d’une forme de compétition collaborative, car nous souhaitons tous améliorer les prévisions.

Le secteur privé utilise également nos résultats, les combine avec ses propres connaissances et les améliore. En fin de compte, l’un ne peut pas faire son travail sans l’autre.