Prévoir la météo six semaines à l'avance : une IA double la fiabilité des prévisions lointaines
Publiée le 14 octobre dans Nature, une méthode de Microsoft Research, du MIT et de plusieurs universités corrige les erreurs des modèles existants entre deux et six semaines. Son code est ouvert à tous.
Au-delà de deux semaines, les bulletins météo deviennent presque aussi fiables qu'un tirage au sort. Une étude publiée le 14 octobre 2026 dans la revue Nature propose de repousser cette frontière grâce à l'apprentissage automatique. Menée par des chercheurs de Microsoft Research, du MIT, de Harvard, de l'université de Toronto et du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), elle décrit une méthode baptisée « correction probabiliste des biais ». Selon ses auteurs, elle double la qualité des prévisions à deux à six semaines d'un système d'IA de l'ECMWF.
L'idée ne consiste pas à créer un nouveau modèle météo, mais à corriger ceux qui existent. L'outil apprend, à partir des prévisions passées et de ce qui s'est réellement produit, les erreurs que chaque modèle commet de façon répétée, puis ajuste ses nouvelles prévisions de température, de pression et de pluie. Appliqué au modèle physique de l'ECMWF, déjà corrigé par ses propres méthodes, il l'améliore encore pour 91 % des cibles de pression, 92 % des cibles de température et 98 % des cibles de précipitations, selon l'article. Lors du concours de prévision en temps réel organisé par l'ECMWF en 2025, les prévisions de l'équipe ont terminé premières pour toutes les variables et toutes les échéances. « C'est une enveloppe qui s'ajoute » à n'importe quel modèle, résume Judah Cohen, chercheur au MIT, cité par l'institut. Le code est publié en libre accès sous licence MIT.
Ces prévisions à quelques semaines intéressent les agriculteurs qui choisissent leurs dates de semis, les gestionnaires de réseaux électriques ou les services de secours qui anticipent une vague de chaleur. Les gains restent toutefois relatifs : sur ces échéances, les scores de départ sont très faibles, et doubler un petit chiffre ne transforme pas une tendance en bulletin précis au jour près. La méthode ne change pas la physique des modèles qu'elle corrige, ses résultats en compétition portent sur deux saisons, et plusieurs auteurs sont salariés ou actionnaires de Microsoft. Des validations indépendantes, sur d'autres modèles et d'autres régions, diront si ce progrès tient dans la durée.