meteoL'IA GraphCast s'est avérée plus précise que le modèle européen largement considéré, dans plus de 90 % des cas, pour ce qui est des prévisions à trois ou dix jours d'échéance. C'est la première fois qu'une machine d'apprentissage surpasse les prévisions météorologiques conventionnelles.
À l'aide d'un réseau neuronal graphique, GraphCast a analysé plus de 40 ans de données provenant du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) afin de fournir des prévisions à intervalles de six heures. La machine a enregistré des modèles météorologiques et des lieux répartis sur l'ensemble du globe en moins d'une minute sur un seul ordinateur en cloud de la taille d'une petite boîte.
À titre de comparaison, il faut une heure aux modèles conventionnels installés sur un superordinateur de la taille d'un autobus pour accomplir une tâche similaire.
Google va finir en super-puissance mondiale avec ses moyens financiers et son informatique de pointe . Qu'est-ce qui pourrait se mettre au travers de son chemin ?
ps :à propos de GraphCast
Conclusions
Les compétences et l'efficacité des prévisions de GraphCast comparées à celles de HRES montrent que les méthodes MLWP sont désormais compétitives par rapport aux méthodes traditionnelles de prévision météorologique. En outre, les performances de GraphCast en matière de prévision d'événements graves, pour lesquels il n'a pas été directement formé, démontrent sa robustesse et son potentiel de valeur ajoutée en aval. Nous pensons qu'il s'agit là d'un tournant dans le domaine des prévisions météorologiques, qui ouvre de nouvelles voies pour renforcer l'étendue des décisions prises par les individus et les industries en fonction des conditions météorologiques, en rendant les prévisions bon marché plus précises, plus accessibles et adaptées à des applications spécifiques.
