WeatherNext, de DeepMind, prédit les ouragans plus tôt que les modèles de prévision existants

En août 2026, Google DeepMind a annoncé WeatherNext, un modèle d'IA qui prédit les ouragans plus tôt et plus précisément que n'importe quel système de prévision météo existant, tout en utilisant des données de résolution inférieure.

Ce que sait faire WeatherNext

WeatherNext résout deux problèmes à la fois : il détermine la trajectoire de l'ouragan (la direction que prend la tempête) et son intensité (sa puissance). Les modèles numériques traditionnels se montrent souvent meilleurs sur un paramètre que sur l'autre. WeatherNext prévoit les deux de concert et devance en outre les systèmes existants sur le délai d'alerte.

• Développeur : Google DeepMind
• Le modèle sera publié en accès libre (open source)
• Prévoit simultanément la trajectoire et l'intensité de l'ouragan
• Fonctionne avec des données de résolution réduite
• Émet l'alerte plus tôt que les méthodes traditionnelles

Chaque heure de prévision supplémentaire a un impact direct sur la sécurité : elle permet d'évacuer la population, de déployer les services de secours et de préparer les infrastructures critiques avant l'arrivée de la tempête. Plus on sait tôt et précisément où l'ouragan frappera et avec quelle force, plus les services météorologiques et les autorités peuvent répartir efficacement leurs ressources.

Pourquoi même les chercheurs ne comprennent pas comment il fonctionne

La particularité fondamentale de WeatherNext, et son principal mystère, tient au fait que son fonctionnement reste obscur même pour ses concepteurs. Selon Wired, l'équipe de DeepMind ne peut pas expliquer entièrement comment le modèle tire une prévision fiable de données de résolution réduite.

«

Les chercheurs ne comprennent pas encore tout à fait comment le modèle y parvient », indique Wired en citant DeepMind.

C'est le problème classique des réseaux de neurones : l'opacité de l'architecture (la « boîte noire »). Pour les services météorologiques et les organismes de secours, cela a une dimension concrète : les décisions d'évacuer des régions entières reposent sur les prévisions. Si le modèle se trompe et que la cause de l'erreur reste opaque, il est extrêmement difficile de corriger son comportement. DeepMind présente l'élucidation de ce mécanisme comme un sujet de recherche en cours.

Pourquoi la faible résolution des données est une percée

En météorologie classique, la précision d'une prévision dépend directement de la densité et du niveau de détail des observations : plus il y a de données et meilleure est leur qualité, meilleure est la prévision. WeatherNext renverse cette logique : le modèle atteint une grande précision avec des données d'entrée que les systèmes traditionnels jugeraient insuffisantes.

L'enjeu pratique est particulièrement fort pour les régions tropicales et les petits États insulaires. C'est là que les ouragans sont les plus destructeurs, et c'est là que l'infrastructure météorologique est souvent obsolète ou incomplète : stations au sol rares, lacunes dans les données, manque d'équipements modernes. Un modèle capable de fournir une prévision précoce et précise en situation de déficit d'information change radicalement les capacités des systèmes d'alerte pour des millions de personnes.

DeepMind prévoit de publier WeatherNext en open source, ce qui permettra aux services météorologiques nationaux et aux chercheurs indépendants du monde entier d'adapter le modèle, de vérifier ses résultats et de l'améliorer avec leurs propres données régionales.

Ce que cela signifie

Si WeatherNext passe avec succès une vérification indépendante, la prévision des ouragans par IA pourrait entrer dans la boîte à outils standard des services météorologiques du monde entier. Le code source ouvert accélérera cette transition : les régions les plus vulnérables aux ouragans auront accès à un modèle de pointe sans avoir à le développer elles-mêmes.

Questions fréquentes

Quand WeatherNext sera-t-il disponible en accès libre ?

DeepMind a annoncé son intention de publier WeatherNext en open source, mais l'article de Wired ne donne aucun calendrier précis.

Que signifie fonctionner « avec des données de résolution inférieure » ?

Les modèles de prévision traditionnels exigent un réseau dense d'observations météorologiques très détaillées. WeatherNext affiche une grande précision avec des données d'entrée plus « clairsemées », ce qui est crucial pour les pays et les régions dont l'infrastructure de surveillance météorologique est insuffisamment développée.