Microsoft a développé le modèle d'IA Aurora qui génère des prévisions météorologiques à 10 jours et prédit la trajectoire des ouragans, surpassant ainsi les méthodes de prévision actuelles

Microsoft a développé le modèle d'IA Aurora qui génère des prévisions météorologiques à 10 jours et prédit la trajectoire des ouragans, battant ainsi les méthodes de prévision actuelles

Microsoft a mis au point un modèle d'intelligence artificielle (IA) qui bat les méthodes de prévision actuelles dans le suivi de la qualité de l'air, des schémas météorologiques et des tempêtes tropicales liées au climat. Baptisé Aurora, le nouveau système - qui n'a pas été commercialisé - a généré des prévisions météorologiques à 10 jours et prédit la trajectoire des ouragans avec plus de précision et plus rapidement que les prévisions traditionnelles, et ce à moindre coût, ont rapporté les chercheurs de Microsoft dans la revue Nature.

« Pour la première fois, un système d'IA peut surpasser tous les centres opérationnels de prévision des ouragans », a déclaré l'auteur principal, Paris Perdikaris, professeur agrégé d'ingénierie mécanique à l'Université de Pennsylvanie.

Formé uniquement à partir de données historiques, Aurora a été en mesure de prévoir correctement tous les ouragans en 2023, avec plus de précision que les centres de prévision opérationnels, tels que le National Hurricane Center des États-Unis.


Les modèles traditionnels de prévision météorologique sont conçus sur la base des premiers principes physiques - tels que la conservation de la masse, de la quantité de mouvement et de l'énergie - et nécessitent une puissance informatique considérable. Les coûts de calcul d'Aurora sont plusieurs centaines de fois inférieurs, selon l'étude.

Les résultats expérimentaux, qui font suite au modèle d'IA Pangu-Weather développé et dévoilé par le géant chinois de la technologie Huawei en 2023, pourraient annoncer un changement de paradigme dans la façon dont les principales agences météorologiques du monde prévoient le temps et les événements extrêmes potentiellement mortels exacerbés par le réchauffement climatique.

Le modèle d'IA Aurora de Microsoft va au-delà des prévisions météorologiques

Les phénomènes météorologiques extrêmes sont de plus en plus fréquents et obligent les communautés à se préparer à toute une série de catastrophes susceptibles non seulement de coûter la vie et d'endommager les habitations, mais aussi de perturber les réseaux électriques, de détruire les récoltes et d'interrompre les voies de navigation.

Alors qu'un nombre croissant de nouveaux modèles d'IA puissants fournissent de nouveaux outils pour aider à mieux anticiper la météo, un nouvel article publié dans Nature explique comment un modèle de fondation, connu sous le nom d'Aurora, tire parti des dernières avancées de l'IA pour prédire plus précisément non seulement la météo, mais aussi un large éventail d'événements environnementaux dans une série d'analyses rétrospectives - des ouragans et des typhons à la qualité de l'air et aux vagues de l'océan.

Développé par Microsoft Research, Aurora prévoit également cette gamme d'événements atmosphériques avec plus de précision et de rapidité et à un coût de calcul beaucoup plus faible par rapport aux prévisions numériques traditionnelles et aux approches précédentes de l'IA.

Aurora est un modèle de fondation, c'est à dire un modèle d'IA à grande échelle formé sur une grande variété de données. Aurora est unique en ce sens qu'il ne se limite pas aux prévisions météorologiques de l'IA - ce n'est qu'une des choses qu'il fait à un niveau de pointe. Ce qui distingue Aurora, c'est qu'il est formé à l'origine comme un modèle de fondation et qu'il peut ensuite être spécialisé grâce à un réglage fin pour aller au-delà de ce qui est considéré comme des prévisions météorologiques traditionnelles, comme la prédiction de la pollution de l'air. Au cours du développement d'Aurora, les chercheurs ont été en mesure d'affiner le modèle afin d'obtenir diverses capacités de prévision, y compris la prévision des vagues océaniques et des cyclones tropicaux, démontrant ainsi sa capacité en tant que modèle de fondation pour le système terrestre plutôt qu'en tant que modèle de fondation pour l'atmosphère.


Selon Microsoft, Aurora apprend d'abord à générer des prévisions en quelques secondes seulement grâce à un entraînement sur les modèles météorologiques généraux à partir de plus d'un million d'heures de données provenant de satellites, de radars et de stations météorologiques, de simulations et de prévisions. Les chercheurs de Microsoft estiment qu'il s'agit de la plus grande collection de données atmosphériques jamais réunie pour entraîner un modèle de prévision de l'IA. Tirant parti de son architecture flexible unique, Aurora est ensuite « affiné » pour exécuter diverses tâches spécifiques, telles que la prévision de la hauteur des vagues ou de la qualité de l'air, en utilisant des quantités modestes de données supplémentaires.

Pour prévoir le temps et d'autres événements environnementaux, Aurora s'appuie sur la puissance de sa taille et de son entraînement avec de vastes quantités de données diverses. Cela permet à Aurora de battre les modèles numériques et d'IA existants sur 91 % des objectifs de prévision lorsqu'ils sont affinés pour les prévisions météorologiques à moyen terme à une résolution de 0,25 degré, ont rapporté les chercheurs dans la revue Nature. Les prévisions météorologiques à moyen terme, sur lesquelles les utilisateurs s'appuient dans les applications météorologiques, reflètent généralement des perspectives allant jusqu'à 14 jours.

L'intégration de nombreuses sources de données diverses permet « non seulement d'obtenir une plus grande précision en général, mais aussi de mieux prévoir les événements extrêmes », explique Megan Stanley, chercheuse principale chez Microsoft Research, qui faisait partie de l'équipe principale du projet Aurora.

Afin de faire progresser le domaine des prévisions atmosphériques, Microsoft a mis à la disposition du public le code source d'Aurora et les poids des modèles, ce qui permet aux développeurs de télécharger et d'exécuter Aurora ou de s'en inspirer pour poursuivre l'innovation.

Aurora est également présenté sur Azure IA Foundry Labs, un hub pour les dernières recherches et expériences en matière d'IA chez Microsoft, où les développeurs et les créateurs de tous les secteurs peuvent découvrir de nouvelles possibilités, résoudre des problèmes complexes et partager des idées pour façonner l'avenir de l'IA.

Microsoft a également intégré la modélisation IA avancée d'Aurora dans MSN Weather. L'équipe de MSN Weather a développé une version spécialisée du modèle capable de produire des prévisions horaires et d'ajouter davantage de paramètres météorologiques, notamment les précipitations et les nuages, afin de fournir des prévisions encore plus précises et actualisées et d'aider les utilisateurs à garder une longueur d'avance sur la météo.

Anticiper les cyclones avec plus de précision

Lorsque le typhon Doksuri a touché terre aux Philippines en juillet 2023, il a causé d'importants dégâts, notamment des inondations et des coupures de courant généralisées.

Comme l'indique la revue Nature, Aurora a prédit avec précision l'arrivée du typhon Doksuri aux Philippines quatre jours avant l'événement. Les prévisions officielles plaçaient par erreur la tempête au large des côtes du nord de Taïwan.


Dans cette dernière recherche, Aurora a également battu le National Hurricane Center dans la prévision des trajectoires des cyclones tropicaux à 5 jours, une première pour un modèle d'apprentissage automatique. Les chercheurs ont également constaté qu'Aurora avait surpassé sept grands centres de prévision pour toutes les prévisions de trajectoires de cyclones pour la saison 2022-2023 à l'échelle mondiale, ce qui constitue une réussite majeure.

La précision des prévisions de trajectoires de cyclones d'Aurora souligne l'importance de la formation initiale sur d'énormes réserves de données diverses.

Prédire la qualité de l'air pour une fraction du coût des méthodes traditionnelles

Selon les chercheurs, le 13 juin 2022, une tempête de sable dévastatrice s'est abattue sur l'Irak, l'une des dix tempêtes similaires qui ont frappé le pays cette année-là, causées par une combinaison de sécheresses intenses, de dégradation des sols et de températures élevées. La tempête a recouvert la capitale, Bagdad, et les zones voisines d'épais nuages de poussière, envoyant des milliers de personnes à l'hôpital pour des difficultés respiratoires. L'aéroport local a également été contraint de fermer.

Dans une autre étude de cas présentée dans l'article de Nature, Aurora a prédit avec précision la tempête de sable en Irak, un jour à l'avance, pour une fraction du coût nécessaire à la réalisation d'une prévision traditionnelle de la qualité de l'air. Et ce, bien que les données sur la qualité de l'air soient relativement limitées par rapport aux données météorologiques. Comme le modèle apprend d'abord à partir d'un ensemble de données vaste et diversifié, il peut être affiné avec des quantités plus faibles de données sur la qualité de l'air.


Selon les chercheurs, la prévision de la qualité de l'air à cette échelle est beaucoup plus compliquée et exige beaucoup plus de ressources que la prévision météorologique. En effet, la prévision de la qualité de l'air implique la modélisation de réactions chimiques complexes et la prise en compte de différents niveaux d'émissions globales causées par l'activité humaine.

Aurora « n'a rien appris sur la chimie de l'atmosphère, ni sur la façon dont le dioxyde d'azote, par exemple, interagit avec la lumière du soleil - cela ne faisait pas partie de la formation initiale », a déclaré Megan Stanley. « Et pourtant, lors du réglage fin, Aurora a été capable de s'adapter à cela, parce qu'il avait déjà appris suffisamment de choses sur tous les autres processus. »

Plus de précision pour de meilleures prévisions des vagues

Selon Microsoft, Aurora excelle désormais dans la prévision des détails des vagues océaniques, y compris leur hauteur et leur direction, en percevant les motifs complexes des vagues de manière plus détaillée. Il est donc idéal pour prévoir la progression d'événements océaniques tels que le typhon Nanmadol, qui a touché terre au Japon en septembre 2022 et qui a été le typhon le plus intense de cette année-là, entraînant des glissements de terrain et des inondations records causés par des quantités extrêmes de pluie. Les pannes d'électricité ont été généralisées et se sont produites jusqu'en Corée du Sud.

Lors d'un autre test, Aurora a égalé ou dépassé les prévisions existantes concernant l'activité des vagues dans 86 % des comparaisons sur l'ensemble d'une année de test par rapport à la norme actuelle de prévision de l'activité des vagues. Il a ainsi pu prédire la hauteur des vagues générées par des typhons tels que Nanmadol avec une précision qui dépasse les meilleurs modèles de prévision actuels.


La performance d'Aurora est d'autant plus remarquable que les données nécessaires pour entraîner le modèle à prévoir les vagues n'étaient disponibles qu'à partir de 2016, une période courte pour une tâche aussi complexe, notent les chercheurs. Il s'agit d'une autre indication de la capacité d'Aurora à générer des prévisions impressionnantes avec peu de données supplémentaires de réglage fin.

Vitesse et précision

Pour traiter de grandes quantités de données provenant de sources multiples, Microsoft indique qu'Aurora s'appuie sur une « architecture d'encodage » flexible, qui traduit les données brutes et les convertit en une forme standard que le modèle peut utiliser pour faire des prédictions.

Les chercheurs ont veillé à ne pas trop prescrire le mode de fonctionnement d'Aurora, un autre facteur censé expliquer son exactitude et sa précision. « Nous n'imposons pas de règles strictes sur la manière dont nous pensons que les variables doivent interagir les unes avec les autres », explique Megan Stanley. « Nous donnons simplement à un grand modèle d'apprentissage profond la possibilité d'apprendre ce qui est le plus utile. C'est la puissance de l'apprentissage profond dans ce type de problèmes de simulation. »

Bien que la formation initiale d'Aurora soit coûteuse, ses dépenses opérationnelles sont nettement inférieures à celles des systèmes de prévision météorologique traditionnels une fois qu'il est pleinement fonctionnel, écrivent les auteurs dans Nature.

En s'appuyant sur des unités de traitement graphique (GPU) à large bande passante, Aurora génère des prévisions en quelques secondes, soit environ 5 000 fois plus vite que les systèmes traditionnels, qui nécessitent des heures sur de grands supercalculateurs pour générer des prévisions comparables, précisent les chercheurs.


Prédire la suite pour Aurora

Les premiers résultats d'Aurora ont suscité l'intérêt du monde universitaire et de l'industrie, notamment des organismes de prévision, des entreprises du secteur de l'énergie et même des négociants en matières premières. Il est particulièrement intéressant de voir comment il peut être adapté pour mieux prévoir la pluie, améliorer la logistique des cultures et protéger les réseaux d'énergie. Aurora est également accessible aux chercheurs, aux météorologues et aux autres professionnels de la science atmosphérique et des prévisions météorologiques sur le site web du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT), l'un des systèmes de prévision météorologique les plus utilisés au monde.

Wessel Bruinsma, chercheur en apprentissage automatique chez Microsoft et membre de l'équipe Aurora, note que chaque expérience de réglage fin n'a pris que 4 à 8 semaines à une petite équipe d'ingénieurs. « Comparez ce délai au développement de modèles numériques traditionnels, qui prend généralement plusieurs années », précise-t-il.

« Le potentiel d'impact est énorme, car les gens peuvent vraiment l'adapter à la tâche qui les intéresse », ajoute Megan Stanley, « qu'il s'agisse d'une modélisation très localisée, à haute résolution, ou d'une modélisation des inondations par exemple, en particulier dans les pays qui sont mal desservis par d'autres capacités de prévision météorologique. »

Megan Stanley pense qu'Aurora, et ce qui suivra, complétera les systèmes de prévision actuels, sans les remplacer. « Il y a beaucoup de recherches intéressantes à faire sur la façon dont il apprend la physique, et s'il apprend la physique correctement, cela signifie que c'est quelque chose qui devrait être assez robuste pour faire des prévisions dans différents contextes climatiques. C'est le premier du genre », ajoute-t-elle. « Mais cela ne veut pas dire que ce sera le dernier. »

Source : "A foundation model for the Earth system" (Etude de Microsoft publiée dans Nature)

Et vous ?

Quel est votre avis sur le sujet ?
Trouvez-vous cette initiative de Microsoft crédible ou pertinente ?

Voir aussi :

Un nouveau système de prévision météorologique basé sur l'IA peut fournir des prévisions précises des dizaines de fois plus rapidement et en utilisant des milliers de fois moins de puissance de calcul

L'IA DeepMind GraphCast de Google surpasse le modèle de prévision météorologique de référence mondiale pour la première fois, ce qui constitue une avancée majeure pour les prévisions précises

NVIDIA annonce le jumeau numérique du climat de la Terre : les API cloud de Earth-2 utilisent l'IA, pour accélérer la création de simulations et la visualisation du climat et de la météo mondiale