Huit minutes. C’est le temps qu’il faut à GenCast, le modèle d’intelligence artificielle de Google DeepMind, pour produire une prévision météorologique complète sur quinze jours. Huit minutes sur une seule puce TPU, là où les modèles traditionnels mobilisent des supercalculateurs pendant des heures.
Et ce n’est pas juste rapide. C’est meilleur. GenCast a surpassé le modèle de référence mondial — l’ENS du Centre européen de prévisions météorologiques à moyen terme (ECMWF) — dans 97,2 % des cas testés sur les 1 320 événements météorologiques extrêmes de l’année 2019.
La météo vient de basculer dans une nouvelle ère. Et pour la première fois, ce ne sont pas les services météorologiques nationaux qui mènent la révolution — ce sont Google, Huawei, Microsoft et Nvidia.
Quatre géants, quatre modèles, un même constat
Suivez LJG sur Google
Ajoutez LJG à vos sources préférées pour voir nos articles en priorité dans "À la une".
GenCast n’est pas seul. En deux ans, quatre modèles d’IA ont démontré qu’ils pouvaient rivaliser avec — et parfois battre — des décennies de modélisation physique atmosphérique.
Google DeepMind a d’abord lancé GraphCast en 2023, un réseau neuronal graphique qui modélise l’atmosphère comme un immense maillage de nœuds interconnectés. Puis GenCast, fin 2024, a franchi un cap avec son approche probabiliste : au lieu d’une seule prévision déterministe, il génère plus de cinquante scénarios possibles, chacun représentant une trajectoire météorologique plausible. Le code est ouvert, l’intégration dans Google Search et Maps est annoncée.
Huawei a frappé avec Pangu-Weather, un modèle 3D utilisant des Vision Transformers pour traiter simultanément 13 niveaux de pression atmosphérique. Entraîné sur 43 ans de données historiques, il produit une prévision mondiale sur 24 heures en 1,4 seconde. Son fait d’armes : avoir prédit avec précision la trajectoire du typhon Dusuri, le plus destructeur de 2023. Le ECMWF lui-même a adopté Pangu-Weather.
Microsoft a dévoilé Aurora, un modèle de fondation capable d’analyser plus d’un milliard de paramètres atmosphériques. Il surpasse l’ECMWF dans 92 % des cas sur les prévisions à 10 jours, à 10 kilomètres de résolution.
Nvidia a développé FourCastNet, basé sur des opérateurs neuronaux de Fourier, optimisé pour les prévisions ultra-rapides à court terme.
Ce qui change fondamentalement
Les modèles météorologiques traditionnels résolvent des équations de dynamique des fluides — les lois physiques qui gouvernent l’atmosphère. C’est puissant, éprouvé depuis les années 1950, mais extrêmement coûteux en calcul. Les modèles IA, eux, n’utilisent aucune équation physique. Ils apprennent directement dans les données — 40 ans d’archives mondiales de l’ECMWF (ERA5) — et prédisent l’état futur de l’atmosphère par reconnaissance de schémas.
Le gain est vertigineux. Florence Rabier, directrice générale de l’ECMWF, a annoncé en février 2026 que son organisme avait mis à disposition de ses États membres son premier modèle d’apprentissage IA. Son coût en temps de calcul : environ 1 000 fois inférieur au modèle physique traditionnel.
Pour le dire simplement : ce qui coûtait 1 000 euros en supercalculateur coûte désormais 1 euro en IA. Ce qui prenait des heures prend des minutes. Et la précision est au moins comparable, souvent meilleure sur les événements extrêmes.
Météo-France prend le virage
Météo-France ne regarde pas passer le train. L’institution développe ses propres travaux d’hybridation entre modèles physiques et IA, explorant plusieurs pistes : améliorer l’assimilation des données d’observation, accélérer le calcul des prévisions, affiner le post-traitement des résultats.
Le modèle physique de référence de Météo-France, Arpège, reste opérationnel. Mais les comparaisons avec Pangu-Weather sur le domaine Europe-Atlantique montrent des résultats convergents en température et en vent. La question n’est plus de savoir si l’IA remplacera les modèles physiques, mais comment les deux cohabiteront.
Le double changement de paradigme est là : non seulement la technologie change (de la physique vers l’apprentissage statistique), mais les acteurs changent aussi. Pour la première fois dans l’histoire de la météorologie, les percées majeures viennent d’entreprises technologiques privées — pas des services météorologiques nationaux. C’est une rupture géopolitique autant que scientifique.
Les limites que personne ne vous dit
Il faut tempérer l’enthousiasme. Une étude de l’Université Rice publiée en mars 2026 a évalué Pangu-Weather et Aurora sur environ 200 cyclones tropicaux entre 2020 et 2025. Le constat est nuancé : les trajectoires sont bien prédites, mais la structure physique des tempêtes — notamment les vents les plus violents — est parfois irréaliste.
L’IA excelle sur les grandes tendances et les schémas récurrents. Elle a plus de mal avec les phénomènes d’intensification rapide — quand un cyclone passe de catégorie 1 à catégorie 5 en quelques heures. Ce sont précisément ces événements qui tuent.
Autre limite : les modèles IA sont entraînés sur le climat passé. Dans un monde où le réchauffement climatique produit des configurations atmosphériques inédites, une IA qui n’a jamais vu un certain type d’événement ne peut pas le prédire. Les modèles physiques, eux, s’appuient sur les lois de la physique qui restent valables quel que soit le climat.
Enfin, la fiabilité actuelle des prévisions à 10 jours reste d’environ 50 % avec les modèles traditionnels. L’IA améliore ce chiffre, mais elle ne le porte pas à 90 %. La météo reste un système chaotique — et aucun algorithme ne changera les lois de la thermodynamique.
Ce que ça change pour vous demain matin
Google a annoncé l’intégration de GenCast dans Google Search et Google Maps. Concrètement, cela signifie que les prévisions que vous consulterez sur votre téléphone seront bientôt alimentées par un modèle probabiliste capable de vous donner non pas une température, mais une fourchette de scénarios avec leur probabilité.
Pour les agriculteurs, c’est la possibilité d’anticiper un gel tardif avec trois jours de plus de préavis. Pour les gestionnaires de réseau électrique, c’est un pilotage plus fin de la production éolienne et solaire. Pour les secours, c’est une meilleure prévision des trajectoires de tempêtes et d’ouragans — quelques heures de préavis supplémentaires qui sauvent des vies.
La météo est le service public le plus consulté au monde. Et l’IA est en train de le transformer plus vite que tout ce qui l’a précédé depuis l’invention du satellite météorologique.
Je suis Ethan, journaliste spécialisé en intelligence artificielle et nouvelles technologies. Je couvre l’actualité de l’IA agentique, des grands modèles de langage et des outils qui transforment nos usages numériques. Mon objectif : rendre accessibles les avancées technologiques les plus complexes, avec rigueur et sans jargon inutile.
