Un nouvel outil de prévision météorologique IA publié aujourd’hui par la startup Windborne Systems offre des prévisions plus fréquentes et plus précises sur des variables clés que le système de pointe développé par les gouvernements européens, grâce aux progrès dans la façon dont les relevés des capteurs sont intégrés aux modèles d’apprentissage profond.
Fondée par un groupe d’étudiants de Stanford en 2019, Windborne a commencé par construire un meilleur ballon météo, avec l’idée de vendre des données météorologiques. Mais avec l’arrivée des modèles d’apprentissage profond de prévisions météorologiques en 2022, l’équipe a réalisé qu’elle pouvait également générer plus de valeur en créant son propre modèle.
Aujourd’hui marque la sortie de la sixième version de ce modèle, WeatherMesh, qui, selon la société, est plus précise que les prévisions traditionnelles et IA produites par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), l’organisation intergouvernementale européenne considérée par les météorologues comme le principal fournisseur de prévisions météorologiques précises aujourd’hui.
Windborne affirme que la nouvelle version de son modèle offre une prévision plus précise que les systèmes traditionnels et d’IA du CEPMMT sur plusieurs variables. Une façon simple de le comprendre, explique Kai Marshland, chef de produit chez Windborne, est que WeatherMesh 6 « est aussi précis à cinq jours qu’une prévision traditionnelle l’est la veille », en particulier en ce qui concerne les mesures de température de surface.
WeatherMesh 6 produit une prévision toutes les heures, au lieu de toutes les six heures, comme le font les modèles traditionnels. Sa résolution est désormais tombée à 3 km en Europe et sur la zone continentale des États-Unis, où la qualité des données est la plus élevée.
Les prévisions météorologiques traditionnelles sont générées par des modèles physiques complexes qui nécessitent des superordinateurs coûteux pour fonctionner, et cela prend beaucoup de temps. Les modèles d’IA – construits par des startups et des laboratoires majeurs comme Google DeepMind – ont tendance à évoluer plus rapidement que les modèles physiques, mais pour l’instant, ils n’ont pas une résolution aussi élevée, autant de variables et/ou ne prédisent pas avec autant de précision sur des horizons temporels plus longs.
Pourtant, l’IA météorologique s’améliore rapidement et est déjà utilisée par les principales agences gouvernementales du monde entier. Les chercheurs travaillent à l’intégrer dans les systèmes utilisés pour agréger les données météorologiques et produire des prévisions publiques.
Windborne bénéficie de sa combinaison unique de création de modèles et de collecte de données. L’entreprise dispose désormais d’environ 400 ballons en vol qui recueillent les relevés des capteurs à tout moment, lancés depuis 15 sites à travers le monde. Les avancées de son modèle actuel proviennent d’améliorations dans la manière dont les données collectées par les ballons sont introduites dans les modèles.
« Personnellement, je ne comprends pas le modèle commercial consistant à être (une) société météorologique basée sur l’IA sans un avantage en matière d’ensemble de données », a déclaré John Dean, PDG de Windborne, à TechCrunch.
La supériorité du CEPMMT est attribuée aux compétences de l’organisation en matière d’« assimilation de données », le travail consistant à transformer des relevés disparates de capteurs en une image complète et lisible par machine du monde. Pour l’instant, les modèles météorologiques d’IA dépendent d’ensembles de données produits par le CEPMMT et la National Oceanic and Atmospheric Administration des États-Unis.
Mais Windborne et d’autres organisations s’efforcent d’introduire des données directement dans les modèles, et le responsable de l’IA de l’entreprise, Joan Creus-Costa, affirme que l’ingestion directe des données de leurs ballons et d’autres sources est la principale raison de l’amélioration de la nouvelle version de WeatherMesh. Il a fallu un an pour régler et restructurer le modèle basé sur le transformateur pour que le modèle fournisse ces prévisions sans perdre en stabilité.
« Lorsque nous avons commencé à faire (l’assimilation de données), nous étions encore très connectés au CEPMMT », a déclaré Dean. « Je prédis qu’aujourd’hui, si nous supprimions les conditions initiales du CEPMMT, nos résultats seraient quand même plutôt bons. »
La compagnie a eu une frayeur l’année dernière lorsqu’un avion de ligne d’United Airlines a percuté l’un de ses ballons. Bien que l’avion ait subi des dommages mineurs, personne n’a été blessé, en partie parce que Windborne a suivi la réglementation américaine concernant la taille de son ensemble de capteurs. Cependant, la société a désormais ajouté à ses ballons des transpondeurs qui signalent leur emplacement via le système mondial de surveillance de l’aviation, ADS-B, dans le but de réduire les risques d’un autre accident.
Windborne, qui a levé 25 millions de dollars de capital-risque avec une valorisation annoncée de 85 millions de dollars en 2024, vend ses données de ballons à la NOAA, où elles sont utilisées par l’entreprise américaine de prévisions météorologiques, ainsi qu’à l’US Air Force et à la Marine. La société vend également ses prévisions aux investisseurs et aux négociants en matières premières, mais Dean affirme que la société reste concentrée sur le développement de son modèle et de son infrastructure de données sur des produits commerciaux, en partie à cause de la nature changeante de l’environnement de l’information.
« Je n’essaie pas d’investir une équipe massive dans la création d’un produit SaaS, si dans deux ans les gens veulent obtenir des informations sur les consommateurs via un agent, n’est-ce pas ? » dit Dean.
Lorsque vous achetez via des liens dans nos articles, nous pouvons gagner une petite commission. Cela n’affecte pas notre indépendance éditoriale.
