Prévisions météo : un projet dirigé par Concordia veut combiner physique et intelligence artificielle

Une collaboration de recherche dirigée par l’Université Concordia cherche à réunir deux façons de prévoir le temps : les modèles fondés sur les lois physiques et ceux qui apprennent à partir des observations passées. Le projet WxAlliance dispose d’une subvention de 5 millions de dollars du programme Alliance Société du CRSNG, répartie sur cinq ans, selon Concordia.

Deux méthodes à rapprocher

Dans sa présentation du 21 septembre, l’université explique que les modèles numériques décrivent l’atmosphère par des équations, au prix de calculs importants. L’apprentissage automatique repère plutôt des relations dans les données historiques. Il peut accélérer les prévisions, mais ses résultats ne respectent pas nécessairement toutes les contraintes physiques.

Une collaboration canadienne

Le projet, dirigé par Brian Vermeire, rassemble neuf établissements universitaires et huit partenaires de la société, indique Concordia. La recherche vise notamment des prévisions plus rapides et plus fines pour aider les organismes qui doivent se préparer aux conditions extrêmes.

Le défi des petites échelles

Dans une présentation publiée le 2 novembre, l’Université de Waterloo précise la contribution de son chercheur Francis Poulin. Son équipe travaille sur la modélisation de l’océan et de l’atmosphère, notamment dans l’Arctique. Des simulations plus détaillées rendent visibles de petites structures que des calculs plus grossiers ne captent pas, mais demandent davantage de ressources informatiques.

Waterloo souligne aussi une limite des modèles nourris par les données : certaines régions éloignées disposent de moins d’observations locales. La combinaison des approches doit tenir compte de cette contrainte.

Ce que cela change aujourd’hui

Les universités présentent un programme de recherche. Elles n’annoncent pas un nouveau service de prévisions destiné au public ni une amélioration déjà démontrée pour Montréal. Pour le lecteur, l’enjeu est donc de distinguer le financement et les travaux annoncés des performances qui devront encore être évaluées.