Mosaïque orageuse : le modèle d'IA STRATA assemble la météo mondiale pièce par pièce ✛ ✦

Original: "Scaling Storm-Resolving Atmospheric AI Simulation to the Entire Planet"
arXiv:2606.31248 · 2026-06-30 · CC BY 4.0 · 4 min
Tel un mosaïste virtuose, le nouveau modèle d'IA STRATA assemble la carte mondiale de la convection à partir de fragments locaux, atteignant une résolution de 4,9 km et une économie d'énergie décuplée.

Pendant des décennies, les modèles globaux de l'atmosphère ont ressemblé à des artistes contraints de peindre les tempêtes planétaires à grands traits grossiers : une résolution de 25 à 100 kilomètres obligeait à « deviner » la convection via des schémas approximatifs, engendrant des erreurs systématiques dans les prévisions de précipitations et de climat. Déjà John von Neumann, en posant les bases de la simulation numérique du temps, affirmait que la clé de la précision résidait dans la puissance de calcul. Mais même aujourd'hui, les modèles globaux à résolution de tempête, qui reproduisent explicitement les cellules kilométriques, dévorent environ un mégawattheure d'énergie par jour de modèle — tel un rouleau compresseur qui sillonne la planète au prix de montagnes de dioxyde de carbone.

Le modèle STRATA renverse cette stratégie. Au lieu de porter d'un coup tout le fardeau de l'atmosphère, il agit comme un maître mosaïste : il apprend sur de minuscules tesselles — des fragments spatiaux locaux de 128×128 cellules (~576 km) avec un pas temporel de 10 minutes. La physique est ici une alliée : en 10 minutes, les ondes acoustiques dans l'atmosphère ne parcourent qu'environ 200 km, si bien qu'un fragment local contient presque tout le nécessaire pour prédire sa propre évolution. Mais il y a une synchronisation plus profonde : c'est précisément sur cet intervalle qu'une goutte nuageuse a le temps de grossir jusqu'à la taille où commence la chute — le modèle capture inconsciemment le rythme naturel de la formation des précipitations. L'architecture intègre la dynamique multidimensionnelle : l'incorporation 3D des patchs saisit les flux verticaux, et la nouvelle méthode de codage positionnel stéréographique StereoRoPE tient compte de la sphéricité de la Terre, de l'influence de la gravité et du rayonnement solaire comme forçage externe. Les champs convectifs, qui possèdent une entropie élevée et sont sujets à des pics chaotiques, sont lissés par un décodeur spécial de désaliassage par pixel — comme un mosaïste polit soigneusement les bords de chaque tesselle de smalt pour éviter les bruits dans l'image d'ensemble.

STRATA n'a été entraînée que sur 17 jours de données mondiales — comme si un restaurateur, après avoir étudié une poignée de fragments survivants, avait reconstitué la coupole entière de la chapelle Sixtine.

Le résultat dépasse les attentes : le modèle génère des prévisions stables sur 24 heures avec une dynamique kilométrique réaliste — des spirales enroulées des cyclones tropicaux à la convection insulaire et aux précipitations orographiques d'eau qui s'abattent sur les versants au vent. Les spectres de puissance des précipitations sont presque indiscernables de ceux du modèle de référence SCREAM, et la métrique clé Fractions Skill Score devance nettement la persistance. Mais la percée la plus stupéfiante est l'efficacité énergétique : 48 jours de modèle par mégawattheure, soit environ 50 fois mieux que les approches classiques. Sur 512 accélérateurs H100, STRATA produit 741 jours de modèle par jour réel, tout en consommant des dizaines de fois moins d'électricité et, par conséquent, en réduisant les émissions de ce même CO₂ qui participe au réchauffement du climat.

Une telle économie fait passer la modélisation mondiale à résolution de tempête du rang d'exploit de calcul ponctuel à celui d'outil accessible. S'ouvre la voie à des calculs d'ensemble à l'échelle du siècle, permettant de quantifier l'évolution de la fréquence des averses extrêmes et la contribution des rétroactions nuageuses — la principale incertitude des prévisions climatiques. La prochaine étape est l'hybridation avec des modèles globaux à maillage grossier et la progression vers une résolution de 100 à 200 mètres, où deviennent visibles les nuages bas, dont l'équilibre entre la réflexion de la lumière solaire et la rétention de chaleur a jusqu'ici échappé aux calculs. Si les modèles numériques du passé étaient de lourdes tapisseries tissées à la main, STRATA propose une mosaïque légère qui respire et vit en temps réel.

STRATA n'a été entraînée que sur 17 jours de données mondiales — c'est comme regarder une seule saison d'une série, mais déjà être capable de reproduire la dynamique convective planétaire.

L'idée d'un émulateur d'IA rapide de la météo mondiale ressuscite l'image de la « Machine à prédire » de la science-fiction d'Asimov — un superordinateur qui calcule l'avenir ; mais ce n'est plus de la fiction, c'est STRATA.

\text{FLOPs} \approx 2NP
N est le nombre de patchs, P le nombre de paramètres : le coût croît linéairement avec la taille du modèle et le volume de données, donc l'apprentissage local sur des tesselles donne une énorme économie.
PV = nRT
Pression, volume et température de l'air sont étroitement liés — toute la thermodynamique des modèles atmosphériques, y compris STRATA, repose sur cette loi simple.
Scientifiques
Ludwig BoltzmannHenri PoincaréJohn von NeumannJosiah Willard Gibbs
Notions
OISST v2.1 wind stress pression atmosphérique ERA5 climat précipitation sea surface temperature troposphere data assimilation GPCP SLAM modèle climatique Earth's energy imbalance intelligence artificielle Satellite layers nuage annual cycle tremblement de terre reanalysis OISST NRT