Les modèles météo à IA progressent, mais l'emballement dépasse les preuves

Le document météo le plus récemment daté du dossier n'est pas une prévision. Une étude rapportée par le South China Morning Post le 26 octobre montre que les modèles vidéo chinois surpassent leurs rivaux américains sur la qualité visuelle tout en restant en retard sur les garde-fous. Rappel utile : la « qualité d'un modèle d'IA » regroupe des affirmations distinctes, pas un score unique. Rien dans le dossier ne date une nouvelle version d'un modèle météo mondial dans les dernières 72 heures.

Les annonces qui existent se concentrent fin octobre et début novembre, et la plupart viennent des fournisseurs eux-mêmes.

Envision affirme que son modèle de fondation météo Tianji a dominé l'AI Weather Quest du Centre européen pour les prévisions météorologiques à moyen terme, selon une dépêche Kyodo News reprise le 2 novembre. L'Allemagne a lancé un modèle météo mondial propulsé par l'IA, d'après un article de Radar.am daté du 1er novembre. Vaisala a finalisé le rachat de la société météo Atmo, rapporte The Manila Times le 29 octobre. Chacune de ces annonces émane d'une entreprise ou d'un gouvernement qui parle de son propre système. Aucune des trois ne fournit de score d'erreur indépendant dans le texte du dossier.

Ce que mesurent réellement les benchmarks

Là où le dossier contient des chiffres, ils viennent de la recherche et non du marketing. Un article soumis à arXiv le 29 octobre, FABench, construit un environnement de backtesting pour les agents de prévision. Sa première version pose 287 questions dans neuf domaines. En évaluant des agents bâtis sur huit modèles récents, les auteurs constatent que la recherche documentaire améliore le score de Brier des huit modèles dans chaque configuration de récupération. Elle hisse aussi les meilleurs agents au niveau du consensus de marché sur 54 questions liées à Polymarket, les trois premiers dépassant légèrement ce consensus. Le résultat est prudent et délimité. Il dit que la recherche documentaire aide, pas que l'IA bat la physique.

Deux autres articles précisent le tableau. QUAL, soumis le 30 octobre, rapporte que l'alignement des quantiles sur un ensemble de modèles de fondation pour séries temporelles réduit le MASE moyen des membres de 7,4 % et le CRPS de 9,8 % sur GIFT-Eval, sans entraînement ni modification des modèles. Un article sur les modèles de monde web, également soumis le 29 octobre, montre que dans une évaluation humaine appariée de 3 000 prédictions issues de dix modèles ouverts figés, 86,1 % ont été jugées sémantiquement plausibles. Plusieurs modèles affichent toutefois un comportement d'autorisation asymétrique : ils combinent une faible exécution faussement sûre avec un mauvais rappel des cas qui auraient dû déclencher une demande de clarification. Plausible ne veut pas dire sûr, et les auteurs le disent.

« Neuf étapes de workflow d'agent sur dix sont routinières, et les modèles à poids ouverts les traitent à parité pour un quart du prix du modèle fermé le moins cher », écrivent Mark Petty et Raymond Paquet, de Gartner, dans un document intitulé « Open-Weight Models Will Run 90% of Enterprise Agentic Workflow Steps », cité par The Register le 3 novembre.

Cette note de Gartner porte sur les agents, pas sur la météo, mais elle compte pour quiconque budgétise une chaîne de prévision. Les analystes estiment l'économie sur les modèles de frontière à un vingtième dans le meilleur des cas. Ils admettent ensuite que les modèles ouverts actuels « peuvent être plus verbeux et réessayer plus souvent, si bien que l'économie par tâche face à un modèle de frontière se rapproche de cinq ou six fois ». The Register a publié cela le 3 novembre. Si des modèles ouverts bon marché font l'essentiel du travail numérique routinier, les modèles coûteux sont réservés aux cas difficiles. La prévision météo en est pleine.

L'infrastructure en dessous

La qualité des prévisions dépend aussi de ce qui entre dans le modèle. Le 19 octobre, CNN a rapporté que les coupes de l'administration Trump dans les satellites retarderont d'une décennie les prévisions météo américaines, un article que le média a mis à jour le 27 octobre. Voilà la contrainte qu'aucun benchmark ne mesure : un modèle d'IA entraîné sur des observations ne peut pas faire mieux que les observations qu'on lui donne. Une décennie d'entrées satellitaires dégradées ne se corrige pas avec une meilleure architecture.

Nvidia, de son côté, pousse ses modèles ouverts Earth-2 vers des déploiements européens, selon un billet de blog de l'entreprise daté du 22 octobre. Le même jour, l'entreprise a publié séparément un texte sur des organisations européennes de services financiers adoptant des modèles ouverts pour bâtir une intelligence propriétaire. Ce sont deux blogs d'entreprise, à lire avec le recul qui s'impose, mais ils indiquent où vont la puissance de calcul et la distribution. IBM Research a publié sa propre analyse sur les prévisions d'ensemble avec les modèles de séries temporelles Granite sur Hugging Face le 22 octobre, ce qui rejoint la conclusion de l'article QUAL : combiner des modèles vaut mieux que d'en choisir un.

L'argument sceptique n'est pas difficile à trouver. Nathan Lambert demandait le 30 octobre sur Interconnects s'il s'était trompé sur les modèles ouverts et les risques cyber. Une question à lire avec le billet de Bruce Schneier du 27 octobre sur la dissimulation de capacités dans les modèles d'IA et celui du 26 octobre sur les biais du modèle Qwen3-Coder. Les affirmations de capacité et les affirmations de sûreté arrivent souvent des mêmes services de presse. Le dossier contient aussi une synthèse d'Interconnects du 20 octobre sur DeepSeek V4.1 Flash 1 017 et sur de nouveaux contrôles réglementaires aux États-Unis et en Chine, qui forme le contexte politique de tout cela.

Pour la météo précisément, le résumé honnête est court. Plusieurs organisations affirment que leurs modèles d'IA battent des benchmarks établis. Un benchmark de type évalué par les pairs, FABench, montre que la recherche documentaire aide les agents de prévision à atteindre le consensus de marché. Un article sur la sûreté montre que des prédictions plausibles ne garantissent pas des décisions correctes. Personne dans ce dossier ne publie de vérification indépendante et comparable des affirmations météo elles-mêmes. Tant que ce n'est pas fait, les annonces nourrissent une histoire, elles ne la concluent pas.