Une mosaïque de grandes tuiles colorées. Chaque tuile représente la quantité moyenne de précipitations sur un mois entier, sur un territoire de la taille d'un petit pays. Pour une compréhension globale, l'image est acceptable, mais si l'on veut savoir si un déluge est passé hier sur une ville précise, elle est inutile. Les modèles climatiques globaux fonctionnent exactement ainsi : ils donnent une image floue, car calculer chaque rafale de vent et chaque nuage pour toute la Terre est trop coûteux.

La nouvelle approche, nommée Longwang, résout ce problème autrement. Elle prend une carte mensuelle grossière des précipitations (des carrés d'environ 100 km de côté) et la transforme en carte quotidienne, avec des cellules d'environ 10 km. Le secret est que le réseau de neurones n'apprend pas sur des paires « mauvais-bon », mais sur la nature même de la pluie. Il absorbe les lois physiques : comment l'humidité est transportée par le vent, comment les précipitations dépendent du relief, à quoi ressemblent les fronts pluvieux typiques. Ensuite, en regardant l'image floue, il dessine des détails plausibles — un peu comme un artiste qui reconstruit un tableau complet à partir d'une esquisse.

Le plus impressionnant est que la méthode fonctionne là où d'autres échouent : elle reproduit bien les pluies rares mais intenses, qui sont le plus souvent à l'origine des inondations. Sur les données historiques et même dans les scénarios de réchauffement futur, elle préserve la structure spatiale des précipitations et leur cohérence temporelle — la pluie n'apparaît pas de manière chaotique, mais se déplace sur la carte de manière significative.

Ainsi, la mosaïque grossière des modèles climatiques gagne en netteté, permettant d'entrevoir la météo quotidienne d'un futur lointain — et de s'y préparer dès aujourd'hui.