Les météorologues ont déjà pris l'habitude de faire confiance aux réseaux de neurones : le modèle GraphCast prédit la météo terrestre plusieurs jours à l'avance en s'appuyant sur des images globales de l'atmosphère. Mais ce « cerveau » peut être transplanté sur une autre planète — là où l'air est raréfié et où le soleil chauffe différemment. Les auteurs de l'étude ont pris GraphCast et lui ont donné des données de la base climatique martienne — une sorte de jumeau virtuel de la planète rouge.

Le premier test — sans réentraînement — a surpris : le modèle a produit un portrait assez précis de la météo actuelle, en s'appuyant simplement sur ses « habitudes » terrestres. Mais dès qu'on regardait l'avenir, ne serait-ce que d'un jour, la prévision dérivait vers un climat moyen, perdant le rythme diurne. Matin, jour, soir, nuit se fondaient en une image moyenne sans fin.

Alors, on a réentraîné le modèle. En seulement dix cycles d'apprentissage, il a saisi l'essentiel : comment se déroule le cycle diurne, comment la température se répartit en couches selon l'altitude. Après quelques dizaines d'époques, la prévision sur dix jours correspondait déjà bien à la dynamique martienne réelle. La qualité augmentait avec le volume de données et dépendait de la saison de départ de la prédiction.

Cette expérience n'est pas qu'un amusement. Une prévision rapide et précise de la météo martienne serait utile pour planifier le travail des rovers, protéger les équipements des tempêtes de poussière et, à terme, pour les expéditions avec équipage humain.