Air Quality Arena: бенчмарк для прогноза загрязнения воздуха на foundation-моделях

En juillet 2026, une équipe internationale de chercheurs a présenté AirQualityArena (AQA), un vaste jeu de données ouvert et un benchmark pour la prévision de la pollution atmosphérique, couvrant 6 polluants principaux, 7 pays sur 4 continents et plus de 14 000 séries temporelles « station-polluant ». Les travaux ont été publiés sous forme de préprint sur arXiv, et les données elles-mêmes ont été mises en libre accès.

Pourquoi un nouveau benchmark était nécessaire

Les benchmarks précédents pour la prévision de la qualité de l'air sont trop restreints, tant sur le plan géographique que sur celui des polluants couverts, et testent à peine les modèles foundation pour séries temporelles (TSFM) modernes sur des données réelles à grande échelle. C'est précisément cette lacune que comble AirQualityArena. L'apprentissage automatique est de plus en plus utilisé pour prévoir le niveau de pollution, mais sans une norme commune large, il est difficile de comparer les modèles.

Le problème n'est pas académique. Selon l'estimation des auteurs, la pollution atmosphérique cause chaque année environ 7,9 millions de morts prématurées, ce qui fait d'une prévision précise une priorité de santé publique.

«

La pollution atmosphérique cause, selon les estimations, 7,9 millions de décès prématurés par an, ce qui fait de la prévision précise une priorité critique de santé publique », indique le préprint sur arXiv.

Ce que contient le jeu de données

AirQualityArena se compose de deux parties : les données (AQA-Data) et le benchmark (AQA-Bench). Le jeu de données rassemble des mesures au sol de 6 polluants principaux sur une période de trois ans dans 7 pays différents sur 4 continents — soit au total plus de 14 000 séries « station-polluant ». C'est nettement plus large que la plupart des jeux de données précédents, limités à une seule région ou à une ou deux substances.

*6 polluants atmosphériques principaux

*Période d'observation — 3 ans

*7 pays sur 4 continents

*Plus de 14 000 séries « station-polluant »

*11 modèles foundation testés, plus des méthodes de référence classiques

Le benchmark AQA-Bench évalue les modèles sur la tâche de prévision à court terme — la prédiction des niveaux de polluants pour le futur proche. Les auteurs soulignent la diversité des pays dans l'échantillon : cela permet de vérifier à quel point un modèle fonctionne de manière universelle dans des conditions différentes.

Pourquoi les modèles foundation l'ont emporté

Les modèles foundation pour séries temporelles ont surpassé les méthodes classiques car ils fournissent des prévisions précises en mode zero-shot, c'est-à-dire sans réentraînement pour une station ou une région spécifique. Les auteurs ont fait passer par AQA-Bench 11 TSFM de pointe et des modèles de référence classiques sur la tâche de prévision à court terme de la pollution. Selon l'étude, les modèles foundation se sont montrés systématiquement plus précis que les méthodes classiques dans toutes les régions.

La capacité de zero-shot est importante en pratique : un système de surveillance peut être déployé dans une nouvelle ville qui ne dispose pas encore d'un long historique d'observations pour l'entraînement.

Le meilleur résultat a été obtenu par une architecture cross-modale : pour prévoir les séries temporelles, elle fait appel à un vision foundation model — un modèle initialement entraîné sur des images. Autrement dit, un réseau de neurones « visuel » transpose son expérience de la reconnaissance d'images aux séries numériques de mesures.

«

Les modèles foundation pour séries temporelles sont des prévisionnistes zero-shot efficaces et surpassent systématiquement les méthodes de référence classiques », notent les auteurs dans le préprint sur arXiv.

Ce que cela signifie

La prévision de la qualité de l'air bascule vers des modèles foundation universels : un seul modèle préentraîné peut être appliqué immédiatement dans différents pays sans ajustement local. Le jeu de données ouvert de plus de 14 000 séries offre aux chercheurs un point de référence commun et accélère le développement de systèmes d'alerte précoce sur le smog et la pollution.

Questions fréquentes

Qu'est-ce qu'AirQualityArena ?

C'est un jeu de données ouvert (AQA-Data) et un benchmark (AQA-Bench) pour la prévision de la pollution atmosphérique : 6 polluants, 3 ans d'observations, 7 pays sur 4 continents, plus de 14 000 séries « station-polluant ».

Quel modèle a obtenu le meilleur résultat ?

Le meilleur résultat a été obtenu par une architecture cross-modale qui utilise un vision foundation model pour la prévision de séries temporelles. Dans l'ensemble, tous les modèles foundation pour séries temporelles testés ont surpassé les méthodes classiques en mode zero-shot.

Combien de modèles ont été testés dans le benchmark ?

Les auteurs ont comparé 11 modèles foundation pour séries temporelles de pointe et plusieurs méthodes de référence classiques sur la tâche de prévision à court terme de la qualité de l'air.