Intelligence artificielle
L’intelligence artificielle (IA) modifie la façon de produire et d’utiliser les informations météorologiques, climatologiques, hydrologiques et environnementales. L’Organisation météorologique mondiale (OMM) œuvre, avec ses Membres et ses partenaires, pour faire en sorte que les prévisions, les services et les alertes précoces soient renforcés grâce à l’IA tout en demeurant scientifiquement fondés
Vue d'ensemble
L’IA désigne les systèmes informatiques capables d’analyser de grandes quantités de données, de détecter des tendances et de générer des prévisions ou d’autres résultats utiles. En météorologie, en hydrologie et dans les domaines connexes, l’IA peut exploiter des données de satellites et de radars, des observations de surface et des observations fluviales, des relevés historiques et des sorties de modèles pour soutenir les services météorologiques, climatologiques, hydrologiques et environnementaux.
L’IA est déjà appliquée tout au long du cycle de valeur des informations et des alertes. Dans le domaine de la prévision opérationnelle, les systèmes hybrides et fondés sur l’IA sont de plus en plus utilisés à l’appui des prévisions quotidiennes et à moyen terme. On citera par exemple le système de prévision à IA (AIFS) du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) et les systèmes développés par des Services météorologiques nationaux tels que ceux de l’Allemagne, du Canada et des États-Unis d'Amérique.
L’IA peut également contribuer à améliorer la prévision des trajectoires des cyclones tropicaux, soutenir les prévisions immédiates des phénomènes dangereux à évolution rapide tels que les fortes pluies, les éclairs et les vents violents, et faciliter la prévision des crues, l’évaluation des impacts, l’aide à la décision et la communication. Les applications de prévision immédiate, de prévision infrasaisonnière et de prévision saisonnière se développent rapidement, mais beaucoup sont encore en phase d’essai, d’évaluation ou de mise en œuvre pilote. Dans le cadre de l’Initiative «Alertes précoces pour tous» (EW4All), l’IA peut contribuer à la connaissance des risques de catastrophe; à la détection, à l'observation, à la surveillance, à l'analyse et à la prévision; à la diffusion et à la communication des alertes; et à l’amélioration de la capacité de faire face aux situations d’urgence.
Les systèmes de prévision météorologique fondés sur l'IA peuvent générer des prévisions rapidement et, une fois entraînés, nécessitent souvent beaucoup moins de puissance de calcul pour fonctionner que les modèles classiques de prévision numérique du temps. Cette évolution modifie la dynamique économique de la prévision: bien que l’entraînement et la maintenance de systèmes avancés nécessitent toujours d'importants volumes de données, une infrastructure informatique et des compétences spécialisées, le coût de production des prévisions peut être nettement inférieur. L'IA pourrait donc contribuer à rendre les capacités de prévision avancées plus accessibles aux Services météorologiques et hydrologiques nationaux (SMHN) qui ne sont pas en mesure d'exploiter de grands systèmes de modélisation classiques, tout en permettant des mises à jour plus fréquentes, la génération d’informations à plus haute résolution et le développement de services mieux adaptés aux besoins locaux.
L'IA ne rend pas superflus les observations, les sciences physiques ou les systèmes de prévision habituels. De nombreux modèles météorologiques fondés sur l'IA sont entraînés à partir de décennies d'observations, de réanalyses et de résultats de modèles numériques issus d'une coopération internationale. Les modèles physiques restent importants pour représenter les processus, fournir des données d’entraînement et évaluer la plausibilité scientifique des résultats de l’IA. L'IA s'inscrit donc dans un système de prévision plus large, aux côtés des technologies existantes, des infrastructures opérationnelles et des compétences humaines spécialisées, sans pour autant les remplacer.
Impact
L'IA peut améliorer les prévisions et les alertes précoces en traitant rapidement les informations, en combinant diverses sources de données et en détectant des tendances complexes. Dans le domaine de la prévision immédiate, les techniques d’apprentissage profond peuvent aider à suivre les tempêtes à évolution rapide et à prévoir les conditions dans les prochaines heures ou minutes. En hydrologie, l'IA et l'apprentissage automatique peuvent faciliter la prévision des crues fluviales, l'évaluation de la disponibilité en eau et la prise de décisions concernant la répartition des ressources en eau entre les différents usagers et secteurs.
L'IA recèle également un potentiel qui va au-delà de la prévision. Elle peut contribuer à l’intégration de données sur les aléas, l’exposition et la vulnérabilité, aider à traduire les prévisions en impacts attendus et faciliter la diffusion d’informations d’alerte multilingues ou plus accessibles. Utilisés dans le cadre d'un système d'alerte de bout en bout, ces outils peuvent contribuer à relier les connaissances en matière de risques et la surveillance des aléas à la communication, à la préparation et aux interventions rapides.
L'IA pourrait permettre de lever certains obstacles à la prévision avancée. Les SMHN pourraient accéder à des outils de prévision performants sans avoir à exploiter les grands systèmes de modélisation classiques. Les projets menés au niveau régional peuvent également permettre d'élaborer des méthodes adaptées aux conditions locales. Ainsi, le projet Advancing Nowcasting with Deep Learning Techniques (ANDeL), soutenu par le Programme mondial de recherche sur la prévision du temps de l'OMM, utilise des données satellitaires pour établir des prévisions pluviométriques à court terme pour l'Afrique de l'Ouest, où la couverture en radars météorologiques est limitée.
Ces avantages ne sont ni automatiques ni répartis de manière équitable. Les modèles d'IA dépendent de la qualité et de la couverture des données utilisées pour les entraîner. Leurs performances peuvent être moindres dans les régions où les observations sont rares, lors d'événements exceptionnels ou dans des conditions différentes de celles des données. Certains résultats peuvent être difficiles à expliquer ou présenter des incohérences d'un point de vue physique. De plus, l'accès aux données, aux services informatiques et aux compétences spécialisées reste inégal.
Pour que les alertes protègent les vies et les biens, la rapidité doit aller de pair avec la fiabilité, la responsabilité et la confiance du public. Ce sont toujours les experts humains qui ont la responsabilité d'évaluer les résultats fournis par l'IA, d'interpréter les incertitudes, de prendre en compte les vulnérabilités locales et de traduire les informations techniques en actions concrètes. Les SMHN doivent rester la source de référence en matière d'alertes météorologiques, climatologiques et hydrologiques destinées au grand public.
Réponse de l'OMM
L'OMM offre un cadre international pour l'intégration de l'IA dans les services météorologiques, climatologiques et hydrologiques opérationnels. Son rôle consiste à aider les Membres à évaluer les nouveaux systèmes, à établir des normes, à partager les connaissances et à faire passer les outils prometteurs de la phase de recherche et d'expérimentation à une mise en œuvre nationale durable.
Lors de sa session extraordinaire d'octobre 2025, le Congrès météorologique mondial a approuvé l'intégration de l'IA dans l'infrastructure mondiale d'observation, de traitement des données et de prévision de l'OMM. Le Congrès a également appelé à une collaboration plus étroite entre le secteur public, le secteur privé et le milieu universitaire, et a demandé que soit élaborée une nouvelle stratégie pour le Système intégré de traitement et de prévision de l'OMM (WIPPS) incluant l'IA. Il a également mis l'accent sur l’accès libre aux données, les outils à code source ouvert, les garanties éthiques, le soutien aux Membres disposant de moins de ressources et le maintien du rôle de référence des SMHN. Le Groupe consultatif mixte sur l'IA supervise et oriente les activités menées dans ce domaine au sein de l’OMM.
Une vérification rigoureuse est indispensable avant de pouvoir utiliser les produits d'IA de façon opérationnelle. Les organes d'experts de l'OMM élaborent actuellement des méthodes pour comparer les systèmes de prévision fondés sur l'IA, ceux basés sur la physique et les systèmes hybrides, notamment en ce qui concerne leur performance prévisionnelle, leur cohérence physique, leur robustesse et leurs performances selon les régions et les événements. Des critères de référence communs, des comparaisons croisées et une documentation transparente peuvent aider les utilisateurs à comprendre les points forts et les limites de ces différents systèmes.
Les projets pilotes du WIPPS visent à évaluer la façon dont l'IA peut soutenir les services dans la pratique. Au Malawi, le projet Data-Driven Weather Forecasting for All associe Bris, un modèle de prévision par IA à haute résolution développé par l’Institut météorologique norvégien, au système Forecast-in-a-Box du CEPMMT, qui regroupe les outils nécessaires à la réalisation de prévisions au niveau local. Via ce projet, les prévisionnistes malawiens peuvent élaborer des prévisions fondées sur l'IA, les comparer aux prévisions existantes et évaluer leur précision et leur utilité pour les alertes précoces.
Parmi les autres initiatives figure le projet pilote AI for Nowcasting, qui évalue les produits de prévision à court terme fondés sur l'IA, leur valeur opérationnelle, leur diffusion en temps réel et les possibilités de transfert de technologies. Par ailleurs, les responsables du projet AI Weather Quest du CEPMMT et de l'OMM œuvrent à mettre au point un cadre ouvert et normalisé pour évaluer les prévisions infrasaisonnières à saisonnières fondées sur l'IA.
L'OMM intensifie également ses travaux sur l'IA dans le domaine de l'hydrologie opérationnelle. En collaboration avec Google et les SMHN de la République tchèque, du Nigéria, de l'Uruguay et du Viet Nam, l'OMM a mené une étude pilote visant à explorer les approches fondées sur l'IA et l'apprentissage automatique pour la prévision des crues fluviales dans différentes conditions géographiques et hydroclimatiques. Cette étude vise à déterminer comment de nouvelles approches pourraient venir compléter les capacités nationales de prévision.
En mai 2026, l'OMM a lancé une initiative quinquennale soutenue par le Ministère du climat, de l'énergie et de l'environnement de la République de Corée, afin de renforcer les prévisions de crues dans certains pays. Ce projet est destiné à explorer des approches conformes au cadre de prévision des crues de l'OMM, incluant l'IA et l'apprentissage automatique, et s'appuiera sur l'expérience opérationnelle de la République de Corée.
L'OMM préside le Groupe de travail interinstitutions sur la transformation numérique dans le domaine de l'hydrologie et des ressources en eau. En collaboration avec des entités du système des Nations Unies et des partenaires scientifiques et technologiques, ce groupe soutient la coopération, le renforcement des capacités, l'élaboration de normes et la mise en place de cadres propices aux technologies émergentes dans le domaine de l'hydrologie opérationnelle et de la gestion des ressources en eau, y compris l'IA.
L'OMM est également membre fondateur et co-pilote de la Global Initiative on Resilience to Natural Hazards through AI Solutions, qui rassemble des organismes des Nations Unies et des communautés d'experts pour faire progresser la recherche, l'innovation, les normes et les cadres de gouvernance en vue d'une utilisation responsable de l'IA en matière de gestion des risques de catastrophe. Grâce à cette initiative, l'OMM soutient le développement d'applications d'IA dignes de confiance, sûres et interopérables, capables de renforcer les systèmes d'alerte précoce et la résilience face aux risques naturels.
L'OMM contribue à définir les principes de gouvernance de l'IA s’agissant des services météorologiques, climatologiques, hydrologiques et environnementaux. La déclaration finale de la Conférence sur l'IA au service des prévisions météorologiques organisée par l'OMM et les Émirats arabes unis définit une vision commune pour des systèmes d'IA dignes de confiance, transparents et interopérables, reposant sur des données et des outils ouverts, des critères de référence coordonnés, une conception des services centrée sur l'être humain, le renforcement des capacités et le rôle de référence des SMHN. En 2026, l'OMM a également organisé une consultation sur la gouvernance avec les SMHN de pays en développement, en amont du Dialogue mondial des Nations Unies sur la gouvernance de l'IA. Cette consultation était axée sur la confiance, l'autorité, la gestion des données, l'accès équitable et les rôles respectifs du secteur public et du secteur privé dans les services météorologiques et climatologiques fondés sur l'IA.
Des données sur le système Terre ouvertes et de haute qualité restent essentielles à ces efforts. L'OMM encourage l'échange international de données, une évaluation transparente et l'utilisation d'outils ouverts afin que l'IA puisse renforcer les services météorologiques, climatologiques et hydrologiques destinés au public dans l'ensemble de ses Membres.
