La jeune entreprise américaine WindBorne affirme avoir conçu le modèle de prévision météo dopé à l’IA le plus précis au monde, devant l’ECMWF, la référence mondiale du secteur. Baptisé WeatherMesh-6, il actualise ses prévisions chaque heure et revendique, sur certaines variables, jusqu’à 38 % d’erreur en moins que le grand modèle européen. Une percée qui bouscule un domaine longtemps réservé aux supercalculateurs des États.
Pendant des décennies, les meilleures prévisions de la planète sont sorties des superordinateurs gouvernementaux, fruit d’un mélange de physique et de puissance de calcul. Une startup de la Silicon Valley vient de bousculer cet ordre établi.
WindBorne Systems, fondée en 2019 par d’anciens étudiants de Stanford, a mis en ligne le 1er juin son nouveau modèle de prévision météo par IA, WeatherMesh-6.
L’entreprise revendique des résultats plus précis que ceux de l’ECMWF, le Centre européen pour les prévisions météorologiques à moyen terme, considéré par les météorologues comme la meilleure source au monde.
Le chiffre est spectaculaire. WeatherMesh-6 serait « aussi précis à cinq jours qu’une prévision classique l’est la veille », explique le directeur produit Kai Marshland, cité par TechCrunch.
La prévision opérationnelle ne gagne historiquement qu’environ un jour d’anticipation par décennie. WindBorne affirme livrer, dans un seul modèle, l’équivalent de trente ans d’avancées.
Comment une petite équipe dépasse-t-elle les supercalculateurs ?
La réponse tient en un mot : la donnée. WindBorne ne s’est pas contentée d’entraîner une intelligence artificielle, elle fabrique aussi ses propres ballons-sondes.
L’entreprise dit garder environ 400 ballons en vol en permanence, lancés depuis 15 sites dans le monde. Ces capteurs alimentent le modèle en mesures fraîches de l’atmosphère.
« Je ne comprends pas le modèle économique d’une entreprise d’IA météo sans avantage sur les données », résume le PDG John Dean, cité par TechCrunch.
D’après WindBorne, le saut de précision vient justement de la manière dont les relevés des ballons sont injectés dans le modèle. Ce travail d’« assimilation de données » restait jusqu’ici la chasse gardée des grandes agences.
Il aura fallu un an pour réarchitecturer ce réseau de neurones sans perdre en stabilité. Le résultat revendiqué : jusqu’à 38 % d’erreur en moins que le modèle physique européen IFS, et une prévision rafraîchie chaque heure, contre toutes les six heures pour les systèmes classiques.
Quel impact pour la météo en France et en Europe ?
L’enjeu n’a rien d’anecdotique pour le continent. L’ECMWF, installé en Europe, produit une partie des données sur lesquelles s’appuient de nombreux services nationaux, dont Météo-France.
Une IA privée plus précise pourrait peser sur l’agriculture, l’aviation et surtout l’énergie : mieux anticiper le vent et l’ensoleillement, c’est mieux piloter les parcs éoliens et solaires.
WindBorne est loin d’être seule sur ce créneau. Google DeepMind développe aussi ses propres modèles météo, signe que la prévision aiguise l’appétit de la tech — la même vague qui pousse les géants à lancer leurs propres modèles d’IA.
Une prudence reste de mise. Ces performances sont, pour l’heure, mesurées par l’entreprise elle-même, et l’ECMWF garde une expertise d’assimilation bâtie sur des décennies. Pour s’y retrouver dans cette course aux modèles, notre comparatif des assistants IA fait le point.
À retenir
- WeatherMesh-6 surpasserait l’ECMWF, référence mondiale de la météo.
- Jusqu’à 38 % d’erreur en moins et une prévision par heure.
- Environ 400 ballons-sondes nourrissent l’IA en données fraîches.
