L'IA en météorologie et climatologie : une révolution pas si révolutionnaire
L'essor de l'intelligence artificielle dans les sciences météorologiques et climatiques suscite autant d'enthousiasme que de scepticisme, et un incident récent aux États-Unis illustre bien les limites actuelles de cette intégration. Un bureau du National Weather Service américain a publié sur les réseaux sociaux une carte météo générée par IA représentant des villes inexistantes dans l'Idaho, portant des noms absurdes comme "Whata Bod" ou "Orangeotild". L'alerte a vite été levée : il ne s'agissait pas d'un modèle de prévision opérationnel, mais d'une simple image produite pour la communication sur les réseaux sociaux, sans impact sur les prévisions officielles.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Ars Technica AI. Lire l'article original →
L'épisode révèle néanmoins une tension réelle entre la pression d'adopter les outils d'IA et la rigueur qu'exigent des disciplines à fort enjeu de sécurité publique. Les météorologues et les climatologues ne sont pas près d'être remplacés par des ingénieurs de prompts : leurs modèles physiques, construits sur des décennies de données et validés par des milliers d'études, ne s'improvisent pas. L'IA générative peut produire du contenu visuellement convaincant mais factuellement erroné, ce qui dans un contexte de prévision de catastrophes naturelles ou de changement climatique peut avoir des conséquences directes sur les décisions publiques et la gestion des risques.
La météorologie computationnelle connaît certes des avancées réelles grâce à l'apprentissage automatique, notamment via des modèles comme GraphCast de Google DeepMind ou Pangu-Weather de Huawei, capables de produire des prévisions à court terme plus rapidement que les modèles numériques traditionnels. Mais ces systèmes restent des outils complémentaires, entraînés sur des données physiques rigoureuses, et non des substituts aux infrastructures scientifiques existantes. Dans un secteur où une erreur de prévision peut coûter des vies, la révolution annoncée de l'IA avance avec prudence et méthode, loin du battage médiatique qui entoure les chatbots grand public.
Les services météorologiques européens comme Météo-France et le CEPMMT font face aux mêmes tensions entre adoption de l'IA et rigueur scientifique dans des systèmes à enjeu de sécurité publique.