Le WeatherNext 2 de Google gagne une journée entière d’avertissement de cyclone et passe en open source

Google a publié un résultat examiné par des pairs pour son modèle de prévision météorologique WeatherNext AI, affirmant une précision de pointe dans la prédiction des cyclones tropicaux et un gain de temps d’avance que l’entreprise décrit comme équivalent à environ une décennie de progrès météorologique compressée en un seul système. L’article est paru dans Nature le 6 août 2026, et Google met les modèles en open source en même temps.

Le chiffre clé est le temps d’avance. Sur les cyclones de 2023 à 2025, les prévisions de trajectoire, d’intensité et de structure de vent de WeatherNext présentent une moyenne d’un jour ou plus d’avance sur les modèles opérationnels de pointe — ce qui signifie que sa prévision à trois jours correspond à ce que les systèmes précédents ont fourni à deux jours. Dans la prévision des cyclones, où les décisions d’évacuation et de mise en place dépendent d’heures, cette marge est la mesure qui compte.

Le travail a été une collaboration entre les chercheurs de Google DeepMind et les chercheurs de Google Research ainsi que les prévisionnistes opérationnels du National Hurricane Center, du Cooperative Institute for Research in the Atmosphere et du UK Met Office, dont plusieurs sont co-auteurs de l’article.

Ce que rapporte l’article de Nature

L’article présente WeatherNext Cyclones, un modèle d’IA qui produit des prévisions d’ensemble de la trajectoire, de l’intensité et de la taille d’un cyclone tropical jusqu’à 15 jours à l’avance. Évalué par rapport aux systèmes opérationnels de pointe sur les tempêtes de 2023 à 2025, il a gagné en moyenne 24 heures ou plus de temps d’avance pour les trois mesures : une amélioration que les auteurs décrivent comme comparable à une décennie de progrès opérationnel.

Les données de formation ont combiné l’analyse atmosphérique globale avec la base de données IBTrACS de près de 5 000 tempêtes historiques. Le modèle utilise des réseaux de génération fonctionnelle pour produire des distributions de probabilité plutôt que des prévisions à point unique, et il peut être étendu à des ensembles de 1 000 membres (vingt fois les 50 membres des systèmes précédents), ce qui permet mieux de capturer les événements rares mais à forte conséquence comme l’intensification rapide.

Une constatation se démarque pour ce qu’elle remet en question. Une résolution spatiale élevée a longtemps été considérée comme le prix de prévisions d’intensité précises. WeatherNext Cyclones fonctionne avec des entrées de 28 kilomètres sur 28, environ 100 fois plus grossières que les modèles régionaux traditionnels, et une variante compacte, WeatherNext 2-mini, fonctionne à 111 kilomètres sur 111 et se comporte toujours bien. L’article indique que la résolution élevée n’est pas une condition stricte pour des prévisions d’intensité de pointe, et les chercheurs notent qu’ils ne comprennent pas encore pleinement comment le modèle extrait le signal d’intensité à partir de données plus grossières. Ils la signalent comme une question de recherche ouverte pour la communauté maintenant que les poids sont publics.

Déjà testé lors d’une saison opérationnelle

L’évaluation n’est pas purement rétrospective. Pendant la saison des ouragans de 2025 dans l’Atlantique, le modèle a fonctionné aux côtés du flux de travail opérationnel du National Hurricane Center et a aidé les prévisionnistes à anticiper l’intensification rapide et le débarquement de l’ouragan Melissa en Jamaïque suffisamment à l’avance pour soutenir un avertissement précoce. Le rapport de vérification 2025 du NHC documente les performances de prévision de la saison. Cette année, le système génère 1 000 scénarios possibles par cyclone pour soutenir la prise de décision des prévisionnistes.

Les cyclones tropicaux ont causé plus de 700 000 morts et 1 400 milliards de dollars de pertes économiques au cours des 50 dernières années, selon les chiffres cités dans le billet de DeepMind. Le coût de l’erreur de prévision se mesure en les deux.

Ce que Google publie

La publication en open source couvre trois variantes de modèles : WeatherNext Cyclones, la version qui a fonctionné pendant la saison des ouragans et dont les résultats apparaissent dans l’article ; WeatherNext 2, la mise à jour que Google a opérationnalisée en octobre 2025 ; et WeatherNext 2-mini, la version compacte qui fonctionne sur un seul TPU dans un cahier Colab gratuit. Le code et les poids pour les trois sont disponibles sur GitHub.

Les prévisions sont également explorables sur Weather Lab, que Google a élargi de la trajectoire des cyclones à des prévisions météorologiques mondiales complètes couvrant la température, les précipitations et la vitesse du vent. Les deux modèles et Weather Lab se trouvent dans Google Earth AI. Une prévision à 15 jours prend moins d’une minute sur un TPU. La contrainte d’adoption est maintenant l’expertise et l’intégration, et non le calcul.