Prévisions météo : l'essentiel en ligne de mire express

Original: "StretchCast: Global-Regional AI Weather Forecasting on Stretched Cubed-Sphere Mesh"
· Jin Feng
arXiv:2603.27288 · 2026-03-28 · CC BY 4.0 · 1 min
Le nouveau modèle d'IA StretchCast permet de prévoir le temps en détail dans une région donnée sans perdre de vue la situation globale.

L'atmosphère est un système chaotique, et une prévision détaillée pour toute la planète exige des puissances de calcul colossales. StretchCast contourne ce problème en fonctionnant comme l'œil humain : il crée une « vision nette » au-dessus de la région choisie avec une grille très fine, tandis que le reste du monde apparaît flou — mais suffisamment pour saisir les connexions globales.

Le modèle a été entraîné sur des archives d'observations couvrant 25 ans, où le soleil chauffe les océans, où l'humidité s'évapore et où naissent les vents. Une grille de seulement 8 000 cellules (des centaines de fois plus petite que dans les modèles classiques) couvre la planète et reproduit fidèlement les typhons, en raccordant en douceur les prévisions aux frontières des zones. Le caractère chaotique de l'atmosphère, c'est l'entropie, une mesure du désordre, et la résolution variable empêche les artefacts de calcul de submerger la simulation.

L'approche n'est pas nouvelle : dès les années 1940, John von Neumann rêvait de prévision numérique du temps. Aujourd'hui, StretchCast prouve que des prévisions régionales détaillées sont possibles même sans supercalculateurs — c'est un œil perçant pour chaque coin de la Terre.

Pour couvrir la Terre sans déformer les pôles, StretchCast utilise une grille semblable à celle d'un ballon de football, avec des panneaux de tailles différentes.

Scientifiques
ArchimedesDaniel BernoulliLeonhard EulerAndrey MarkovJascha Sohl-Dickstein
Notions
forecast skill ensemble forecast GPCP modèle de Wright-Fisher précision de prédiction référence ERA5 modélisation stochastique OISST v2.1 xgboost IRI rmse