WeatherNext 3 : le modèle météo de Google DeepMind
D'après Google DeepMind - Introducing WeatherNext 3, our most advanced and accurate global weather AI model et arXiv - WeatherNext 3: Increasing resolution and performance of global weather models with raw observations, relayé par Google DeepMind Blog
Image : générée (Gemini)
Rédigé à partir de la source originale; chaque fait est vérifié contre le texte source.
Préimpression : ce document n'a pas été évalué par des pairs.
À retenir
- Le modèle produit des prévisions horaires, plutôt que toutes les six heures, à une résolution de 5 kilomètres pour des variables comme la température et l'humidité.
- Sur les précipitations à moyen terme, DeepMind rapporte une amélioration du score de précision probabiliste (CRPS) allant jusqu'à 60 pour cent contre l'ensemble satellite de référence IMERG.
- WeatherNext 3 ingère une mosaïque horaire de données satellites géostationnaires, plutôt que de dépendre uniquement de simulations physiques classiques, plus lentes à intégrer l'information récente.
- Le modèle prévoit aussi des variables utiles à l'énergie propre, comme la vitesse du vent à hauteur d'éolienne et l'ensoleillement attendu pour les fermes solaires.
- WeatherNext 3 est déjà intégré à la recherche Google, à Maps, à Gemini, à Google Maps Platform et à Google Cloud.
Pourquoi ça compte
Les prévisions locales et rapides - orages, vagues de chaleur, sécheresses - influencent l'agriculture, les chaînes d'approvisionnement et la production d'énergie. En combinant des données satellites en direct à une IA probabiliste, WeatherNext 3 vise à réduire un angle mort persistant de la météo par IA : le temps qui bouge plus vite que les modèles ne peuvent l'apprendre.
Chiffre-clé
Jusqu'à 60 pour cent d'amélioration du score CRPS (précision probabiliste des précipitations) contre l'ensemble satellite IMERG de la NASA, en évaluation à moyen terme (Google DeepMind, 3 septembre 2026).
Ce que ça change au Québec
🇨🇦 Le Canada exploite déjà une IA météo apparentée : Environnement et Changement climatique Canada a rendu opérationnel, le 27 mai 2026, un système hybride bâti sur GraphCast, le modèle en source ouverte de Google DeepMind qui a précédé WeatherNext.
Action concrète
Les chercheurs, développeurs et entreprises peuvent interroger les prévisions de WeatherNext 3 via BigQuery et Earth Engine, ou les télécharger en vrac depuis Google Cloud, selon DeepMind.
Repères datés
- 27 mai 2026 - Le Canada rend opérationnel GEML, son propre modèle météo hybride construit sur GraphCast de Google DeepMind.
Fondée sur la source originale
Sources
- Google DeepMind - Introducing WeatherNext 3, our most advanced and accurate global weather AI model : 3 septembre 2026
- arXiv - WeatherNext 3: Increasing resolution and performance of global weather models with raw observations : Rasp et al., Google Research/DeepMind, déposé le 3 septembre 2026
- Environnement et Changement climatique Canada - lancement du modèle météorologique hybride basé sur l'IA : 27 mai 2026, angle Québec-Canada
- Relais média : Google DeepMind Blog → · Lire en français
🔧 Outils mentionnés