Des chercheurs entrevoient une "révolution" des prévisions grâce à l'IA et aux données climatiques

Après avoir transféré d'immenses quantités de données sur le climat et l'environnement de la Nasa sur des serveurs reliés à un supercalculateur, des chercheurs suisses estiment que la modélisation par intelligence artificielle pourrait contribuer à une véritable révolution dans les systèmes de prévisions.

Les modèles d’IA sont de plus en plus utilisés pour les prévisions météorologiques et climatiques, ainsi que pour la détection précoce des catastrophes naturelles.

A terme, ils pourraient permettre avec une vitesse fulgurante de repérer des schémas jusqu’ici imperceptibles dans les données disponibles, permettant de détecter à l’avance des catastrophes comme celle des inondations au Népal, qui ont fait des milliers de morts ou disparus le mois dernier.

Mais l’entraînement de ces modèles d’IA nécessite d’immenses quantités de données de qualité sur le climat et l'observation de la Terre, ainsi qu'une puissance de calcul considérable.

Des chercheurs de l’École polytechnique fédérale de Zurich (ETH Zurich) assurent disposer de ces deux ressources, après avoir transféré quelque 100 pétaoctets de données publiques de la Nasa sur des serveurs situés dans le même bâtiment qu'"Alps", l’un des superordinateurs les plus puissants au monde.

"C’est une formidable opportunité scientifique", se réjouit Thomas Schulthess, professeur de physique numérique à l’ETH Zurich et directeur du Centre suisse de calcul scientifique (CSCS), à Lugano, dans le sud de la Suisse.

Devant des rangées d’armoires abritant "Alps", il savoure le fait de disposer de données climatiques de la Nasa directement connectées à la machine.

"Cela permet vraiment aux scientifiques de faire des choses que nous n’aurions même pas imaginées auparavant", explique-t-il à l'AFP.

- Les données, "tout ce qui compte" -

Il aura fallu environ un an pour copier quelque six milliards de fichiers, retrace Reto Knutti, professeur de physique du climat et directeur du Centre de modélisation des systèmes climatiques (C2SM) de l’ETH Zurich.

Cela représente l’équivalent d’environ 20 millions de films long métrage en HD, soit près d’un million de fois la capacité de stockage d’un ordinateur classique.

Ces données sont désormais utilisées pour entraîner et développer des modèles d’IA capables d’accélérer et d’élargir les prévisions météorologiques et climatiques. "Les données sont, en substance, tout ce qui compte", selon Reto Knutti.

"L’étape suivante consistera à donner un sens à ces données".

Et c’est là que la proximité de l’énorme puissance de calcul d’"Alps" prend toute son importance, souligne Thomas Schulthess, en désignant les nombreux serveurs qui ronronnent bruyamment à quelques mètres du supercalculateur.

"Cela fait une différence de pouvoir déplacer les données en quelques secondes au lieu d'attendre des jours pour qu’elles arrivent", souligne-t-il.

Les nouveaux modèles statistiques générés par l’IA sont beaucoup plus rapides que la méthode traditionnelle, qui consiste à utiliser des équations mathématiques pour simuler les processus complexes à l’œuvre dans les océans et l’atmosphère.

"On assiste à une révolution dans la prévision météorologique", assure Reto Knutti, qualifiant ces modèles statistiques de "vraiment, vraiment puissants" et d’"incroyablement rapides".

"Sauver des vies"

Alors qu’il faut traditionnellement plusieurs heures pour produire une prévision, un modèle statistique fondé sur la reconnaissance de schémas "peut réaliser une prévision météorologique mondiale sur plusieurs jours - pour l’ensemble du globe - en une minute environ", étaye-t-il.

Et même si leur entraînement est onéreux, ces modèles sont "peu coûteux à faire fonctionner", poursuit-il. Cela signifie qu’"on peut multiplier les itérations (...) pour voir si un phénomène météorologique particulier est présent".

Toutes les catastrophes ne sont pas prévisibles, mais celles liées à la géologie, comme les glissements de terrain ou les effondrements de glaciers, peuvent souvent être détectées dans les données, à condition de disposer des capacités nécessaires pour repérer les schémas annonciateurs.

Reto Knutti a cité le cas du village suisse de Blatten, dévasté par l’effondrement spectaculaire d’un glacier en mai dernier : "c'était visible dans les données satellitaires plus d’un an avant que cela ne se produise", assure-t-il.

Une surveillance plus étroite aurait également pu permettre de donner l’alerte avant l’effondrement glaciaire et montagneux meurtrier du 26 août à la frontière entre la Chine et le Népal.

La revue Nature a rapporté la semaine dernière qu’une analyse d’images satellitaires avait révélé certains signes avant-coureurs. S’ils avaient été détectés, ils auraient pu permettre de placer la zone sous surveillance.

Reto Knutti reconnaît qu’il s’agit d’un bon exemple de la manière dont les données satellitaires pourraient potentiellement être utilisées pour mettre en place des "systèmes d’observation systématique destinés à prévenir les catastrophes et susceptibles de sauver des centaines, voire des milliers de vies".