L'IA modélise les nuages du monde en économisant 50 fois plus d'énergie ✛ ✦

Original: "Scaling Storm-Resolving Atmospheric AI Simulation to the Entire Planet"
arXiv:2606.31248 · 2026-06-30 · CC BY 4.0 · 1 min
Le réseau de neurones STRATA reproduit nuages et tempêtes sur toute la planète en consommant 50 fois moins d'énergie.

STRATA fonctionne comme un peintre qui apprend à peindre le ciel. Au lieu d'un chevalet, un serveur ; au lieu d'esquisses, de courtes vidéos de nuages et de tempêtes venues des quatre coins de la Terre. Le programme absorbe ces images, puis crée une vision d'ensemble de l'atmosphère sur toute la planète, à vingt-quatre heures d'avance.

Contrairement aux anciennes simulations numériques — ces calculs lourds où la machine, tel un comptable méticuleux, épluchait température, vent et humidité en chaque point — STRATA voit le motif général. Elle saisit les régularités directement à partir des données, et cela demande 50 fois moins d'énergie.

Le secret ? Le programme divise la voûte céleste en carrés, des « touches de pinceau », et en assemble une mosaïque en ne tenant compte que de deux forces clés : la chaleur solaire et la gravité terrestre. Même l'entropie — le chaos météorologique — n'est pas un obstacle, mais un rythme que l'on peut apprendre. Étonnamment, il lui a suffi de 17 jours d'observations pour maîtriser les nuages planétaires. Résultat : au lieu d'une centrale électrique, un simple ordinateur suffit, et les émissions de dioxyde de carbone chutent. Les climatologues disposent d'un outil rapide pour des prévisions précises des averses et des ouragans.

STRATA n'a eu besoin que de 17 jours de données météo — moins qu'un congé — pour apprendre à prédire les nuages sur toute la planète, un jour à l'avance.

Ce modèle, c'est un peu comme un pas vers la machine prédictive de la science-fiction d'Isaac Asimov. Mais aujourd'hui, ce n'est plus de la fiction : c'est un outil de travail pour les climatologues.

\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