Apprendre du passé pour mieux prévoir la météo de demain
Gel, orages localisés, pluies intenses… Les phénomènes les plus pénalisants pour l’agriculture sont aussi les plus difficiles à anticiper. Pour améliorer leurs prévisions, les météorologues misent désormais sur l’intelligence artificielle. Mais avant d’apprendre à prévoir le temps, encore faut-il lui apprendre le climat.
En apparence, l’idée paraît surprenante. Pourquoi entraîner une intelligence artificielle (IA) sur des données vieilles de plusieurs décennies alors que l’objectif est de prévoir le temps des prochains jours ? Parce que, comme tout système d’apprentissage, une IA ne peut reconnaître une situation qu’à condition de l’avoir déjà rencontrée.
Era5, la mémoire du climat qui nourrit les modèles d’IA
C’est précisément le rôle d’Era5, une réanalyse développée par le Centre européen pour les prévisions météorologiques. « Ce programme reconstitue heure par heure l’état de l’atmosphère mondiale depuis 1940 en combinant plusieurs milliards d’observations issues des stations météo, satellites, radiosondages, avions, navires ou bouées avec les modèles numériques », explique Emmanuel Buisson, docteur en physique de l’atmosphère et directeur produits et innovation chez Weenat. Elle constitue ainsi une archive cohérente du climat, largement utilisée par la recherche et le développement de nouveaux modèles météorologiques. Les algorithmes peuvent ainsi comparer des milliers de situations atmosphériques similaires avant d’en tirer des relations statistiques. Mais cette mémoire du climat présente une limite. « Sa résolution est d’environ 30 km », détaille l’expert. Suffisante pour décrire les grands systèmes météorologiques, elle reste parfois trop grossière pour représenter fidèlement les phénomènes qui intéressent directement les agriculteurs : un orage convectif, une pluie diluvienne ou un gel de fond de vallée.
Arra, vers une météo à l’échelle du kilomètre
Présenté en 2025 lors de l’European Meteorological Society, le projet Arra (Artificial intelligenceregional ReAnalysis) pourrait davantage aiguiller les agriculteurs. Développé par le Centre national de recherches météorologiques, Arra ambitionne de produire une réanalyse de la France avec une résolution de 1,3 km, grâce au modèle Arome. Les chercheurs indiquent qu’Arra couvrira la période 1961-2020 avant de « rattraper le temps réel en 2026 ». Cette résolution kilométrique devrait ainsi améliorer la représentation de phénomènes de petite échelle tels que la convection, les vents liés au relief ou les précipitations extrêmes. Autant d’événements qui peuvent faire varier fortement les conditions d’une parcelle à l’autre. Les chercheurs développent également Arra-Land, une déclinaison consacrée aux variables de surface concernant l’humidité des sols, le manteau neigeux et les précipitations cumulées. Le projet ne débouchera pas immédiatement sur de nouvelles prévisions opérationnelles, puisqu’Arra est d’abord une réanalyse, c’est-à-dire une reconstruction du passé. Mais ce passé pourrait justement permettre d’améliorer les prévisions futures. Les chercheurs indiquent que ces données « seront probablement utilisées pour entraîner une version d’Arome basées sur l’intelligence artificielle ». Pour les agriculteurs, l’enjeu est concret. À mesure que les modèles gagnent en résolution, ils se rapprochent de la réalité du terrain. L’objectif n’est pas de rendre la météo infaillible, mais de mieux représenter des phénomènes qui se jouent parfois à quelques centaines de mètres près. Une avancée qui pourrait, demain, aider à décider plus finement d’un traitement, d’une irrigation ou d’une protection contre le gel.
