Latest / Le centre de gravité / Meteo IA, qui capte la prediction, qui supporte le risque

Transcript

Meteo IA, qui capte la prediction, qui supporte le risque · Le centre de gravité

0:00
Épisode meteo IA qui capte la prédiction qui supporte le
0:04
risque, chapitre un l'applaudissement gênant, une
0:08
démonstration éclatante et une question que personne ne pose
0:12
dans la salle. Phoenix, Arizona, janvier 2026,
0:17
le congrès annuel de l'American Meteorological Society.
0:20
Sur scène, un directeur de recherche de Nvidia présente
0:22
Earth 2, sa nouvelle suite de modèles météo.
0:25
Architecture transformée, codes ouverts, prévisions à 15 jours
0:28
qui tournent sur des cartes graphiques standard.
0:30
Et puis cette ligne presque jetée, le service météo
0:33
israélien a réduit son temps de calcul de 90%.
0:35
La salle applaudit. Il y a dans cet applaudissement
0:38
quelque chose qui mérite d'être regardé de près, parce qu'il
0:41
salue une révolution réelle, mais qu'il rate la mécanique
0:44
économique qu'elle organise. Voici le détail gênant, le
0:47
modèle qu'on vient d'applaudir a été entraîné sur un corpus que
0:50
nvidia n'a pas financé. Ce corpus s'appelle ERA 5.
0:54
C'est une réanalyse de l'atmosphère terrestre heure par
0:57
heure depuis 1940 sur une grille planétaire à 31 km 5 pétaoctets
1:00
de données, le travail accumulé du Centre européen de prévisions
1:03
météorologiques à moyen terme, le CMWF, financé par l'argent
1:07
public de l'Union européenne via le programme Copernicus mis à
1:10
disposition gratuitement sur les serveurs d'Amazon, comme un bien
1:13
commun scientifique. Et donc on a dans la même salle
1:16
2 histoires qui se télescopent. La première, c'est nvidia.
1:22
Capitalisation supérieure à 3000 milliards de dollars qui
1:25
distribuent gratuitement un modèle.
1:26
La 2nde, c'est le CMWF, Organisation
1:29
intergouvernementale avec un budget annuel autour de
1:32
200000000 d'euros, qui a financé l'intrant sans lequel le modèle
1:35
n'existerait pas. 2 acteurs séparés par un rapport de un à
1:39
10000 entailles financières, partenaires forcés sur la même
1:41
chaîne de valeur. Le sujet de cet épisode est là.
1:44
L'arrivée des modèles DIA dans la prévision météo depuis le
1:48
coup de tonnerre de Pango Weather chez Huawei fin 2022,
1:51
puis gravecast chez Deep mind quelques mois plus tard, n'est
1:54
pas seulement un saut technique, c'est un déplacement profond
1:57
dans la chaîne de valeur de la prédiction.
1:59
Et ce déplacement ne se lit pas dans les courbes de précision.
2:02
Pour le voir, il faut poser 3 questions structurelles dans cet
2:05
ordre, qui produit la donnée stratégique sans laquelle aucun
2:07
modèle ne tourne ? Qui capture la valeur du service
2:10
vendu au dessus ? Et surtout dont on parle peu,
2:13
qui supporte le risque quand la prédiction se trompe précisément
2:16
là où elle est la plus chère ? Chapitre 2, le pétrole gratuit
2:21
la barrière à l'entrée n'est pas là où les annonces la désignent.
2:24
Une expérience pour cadrer la suite.
2:26
Imaginez qu'on vous demande demain matin de bâtir un modèle
2:29
d'i a capable de prédire la météo mondiale à 10 jours.
2:32
Vous avez tout l'argent que vous voulez pour acheter des cartes
2:34
graphiques ? Vous n'avez pas l'historique du
2:36
climat ? Vous échouez parce que c'est
2:38
exactement la mécanique en jeu, la barrière à l'entrée dans la
2:41
prédiction. Météo n'est pas le Compute,
2:43
contrairement à ce que les annonces laissent croire.
2:45
Le premier modèle de Nvidia, Four Cassenet, a été entraîné
2:48
selon sa documentation publique sur 64 cartes graphiques à 100
2:52
en 16h00. À l'échelle d'un budget
2:53
d'entreprise, c'est un grain de poussière, quelques dizaines de
2:56
milliers d'euros de cloud, pas plus.
2:58
La vraie barrière, c'est RA55 pétaoctets de données
3:01
atmosphériques cohérentes qui couvrent toute la planète, heure
3:04
par heure, depuis 1009140137, niveaux verticaux jusqu'à 80 km
3:09
d'altitude pour produire ce corpus.
3:11
L'e CMWFA fait converger 80 ans d'observations très différentes,
3:14
depuis les satellites en orbite jusqu'au bouée qui dérivent dans
3:17
l'Atlantique et les a passées dans un modèle d'assimilation
3:19
physique qui les forces à devenir cohérentes entre elles,
3:22
travail invisible accumulé sur des décennies dont aucun acteur
3:25
privé n'aurait jamais pu absorber le coût en partant de
3:29
0. Et ce corpus est gratuit, mis à
3:30
disposition par Copernicus, le programme d'observation de la
3:33
terre de l'Union européenne sous licence libre, hébergé sur les
3:36
serveurs d'Amazon web Services en accès direct.
3:39
Un étudiant. Thèse à San Diego puisent dans
3:43
le même corpus qu'un ingénieur de Microsoft ou qu'un chercheur
3:46
de Huawei. Le pétrole est libre d'accès et
3:48
le puits est unique. C'est exactement ce que dit L'e
3:51
CMW. VF lui même dans une
3:52
communication de mars 2026, ERA 5.
3:54
Et je cite vite le corpus d'entraînement par défaut de la
3:58
majorité des modèles dia météo dans le monde.
4:00
La phrase est anodine, sa traduction économique l'Est
4:02
moins. l'Europe paye le radar et reverse les marges à Mountain
4:06
View, Redmond et Santa Clara. Il y a une comparaison qui
4:09
éclaire. Pendant 5 ans, les grands
4:11
modèles de langage n'ont eu qu'un seul intrant vraiment rare
4:13
du texte de qualité écrit par des humains.
4:16
Open AI, entropic, Google se sont tous nourris du même web.
4:22
Mais la donnée fonde le possible, la météo.
4:24
Ia répète exactement ce schéma avec un détail qui change tout
4:28
dans le texte, personne ne sait qui a écrit la phrase reprise
4:31
dans le corpus. Et le silence ne choque personne
4:33
en météo, on connaît l'auteur de la donnée et même son coût pour
4:37
l'Europe. Et ce silence là ne choque
4:38
personne non plus. Chapitre 3, le déplacement là où
4:44
les supercalculateurs vendaient le calcul, les modèles vendent
4:47
désormais le. Service pour saisir l'ampleur du
4:49
basculement, il faut regarder ce qui se passait en 2018.
4:52
À cette époque, un grand centre météo national résonnait comme
4:54
suit, pour gagner 6 h de fenêtre prédictive utile, il fallait
4:58
multiplier sa puissance de calcul par 10.
5:00
Cela coûtait 200 300000000 d'euros par machine renouvelé
5:03
tous les 6 ou 7 ans. On achetait du fer chez HPE ou
5:07
chez Atos, 7 ans d'attente entre 2 renouvellements.
5:12
Aujourd'hui, le rapport s'est inversé.
5:14
Un cluster GPU à quelques 1000000 d'euros fait tourner
5:16
graffcast en moins d'une minute par prévision.
5:18
Selon le papier de Google Deep mind, publié dans nature fin
5:21
2023, ce modèle surpasse le système opérationnel de l'E CMWF
5:24
sur 90% des 1380 cibles de vérification standard.
5:26
Et il tourne sur une seule carte TPU, pas un super calculateur,
5:28
une carte. Conséquence directe sur la
5:31
chaîne de valeur, les vendeurs de fer voient leur produit
5:33
central se dématérialiser. Atos, devenu eviden après
5:43
restructuration, en 2024A publiquement pivoté son discours
5:46
commercial. Fini les supercalculateurs
5:49
vendus pour simuler la physique pure.
5:51
Place à ce que le groupe appelle de l'a IHPC infrastructure, des
5:55
clusters conçus pour entraîner et affiner des modèles.
5:58
Hewlett Packard Enterprise suit la même trajectoire.
6:01
Le supercalculateur météo, longtemps cathédrale de
6:04
l'investissement public, devient un produit parmi d'autres dans
6:07
un catalogue cloud. Plus intéressant encore, ce que
6:10
font les centres météo nationaux eux-mêmes l'E CMWF, qui aurait
6:14
pu défendre bec et ongles son modèle physique IFSA, fait
6:17
l'inverse. Fin 2024, le Centre européen met
6:21
en production AIFS son propre modèle d'i a alimenté par ses
6:25
propres données premier centre météo opérationnel au monde à le
6:28
faire. Le message est clair, on
6:31
affronte pas la vague, on monte dessus en espérant garder la
6:34
main sur l'intrant. Du côté des petits services
6:36
nationaux, le calcul est encore plus brutal.
6:39
Le service météorologique israélien a déclaré à l'a MS de
6:42
janvier 2026 avoir réduit son temps de calcul de 90% en
6:45
passant au modèle Earth 2 de Nvidia, 90%.
6:47
C'est un budget de fonctionnement qui s'effondre et
6:50
avec lui une question politique, à quoi sert un centre météo
6:53
national qui ne fait plus tourner son propre modèle ?
6:56
La question n'est pas rhétorique.
7:01
Si Météo France ou n'importe quel équivalent devient
7:04
l'intégrateur d'un modèle développé à Mountain View, alors
7:07
la souveraineté météo n'est plus dans le calcul, elle est dans la
7:10
donnée d'entraînement et dans le code du modèle.
7:12
La donnée est encore largement européenne, mais le modèle se
7:15
conçoit aujourd'hui presque entièrement en dehors de
7:18
l'Europe. C'est la même structure de
7:20
dépendance qu'on a déjà laissé s'installer pour le cloud, et
7:23
personne ne s'en émeut parce que les courbes de précision ont
7:25
l'air bien. Chapitre 4, le talon caché.
7:30
La révolution montre ici exactement ce qu'elle ne sait
7:33
pas prédire. Mai 2026, Genève et Karlsruhe,
7:35
une équipe menée par Jong Way Jong, statisticien à
7:39
l'université de Genève, publie dans science Advanced une étude
7:43
qui passe pour technique mais qui ouvre une faille politique
7:46
majeure. Dans la promesse Weather at a
7:48
service, l'équipe a posé une question simple, les modèles IA
7:53
prédisent mieux la météo ordinaire.
7:54
Très bien. Mais comment se comportent ils
7:58
face aux extrêmes records, c'est à dire les événements qui
8:01
battent tous les précédents jamais enregistrés sur place ?
8:05
La réponse sur les principaux modèles testés, depuis graffcast
8:08
chez Deep mind jusqu'à Pango Weather chez Huawei, en passant
8:12
par leur version opérationnelle, est sans ambiguïté, les modèles
8:16
DIA sous-estiment systématiquement la fréquence et
8:18
l'intensité des records de chaleur surestiment légèrement
8:22
les records de froid et le biais croît linéairement avec
8:25
l'ampleur du dépassement. Plus le record est cassé fort,
8:28
plus le modèle se trompe fort. Le modèle physique HRES de l'E
8:33
CMWF lui tient encore. Pourquoi ?
8:37
La réponse tient en un mot, extrapolation.
8:40
Un modèle dit a par construction est un dispositif statistique
8:43
très sophistiqué qui interpole à l'intérieur de ce qu'il a vu
8:46
dans son corpus d'entraînement. Il interpole bien, il
8:49
n'extrapole pas bien. Or, un record battu par
8:53
définition, c'est quelque chose qu'aucun jeu de données
8:55
historique ne contient. Face à un événement inédit, le
8:59
modèle retombe sur la moyenne. C'est, dans sa nature, une image
9:02
pour fixer l'idée. Un étudiant qui a passé 2 ans à
9:06
réviser 10000 annales d'examens sera très brillant sur un sujet
9:08
proche. Le matin où on lui pose une
9:11
question hors programme, il rédige instinctivement la
9:14
réponse la plus proche dans ces annales, pas la bonne réponse à
9:17
la question nouvelle, mais la moyenne pondérée des questions
9:20
anciennes. L'i a météo fait exactement ça
9:23
face à un dôme de chaleur historique.
9:25
D'ailleurs. C'est précisément pour ça qu'on
9:27
voit émerger une nouvelle génération de modèles dits
9:30
hybrides, où la physique reste présente pour cadrer les régimes
9:33
extrêmes pendant que l'i a accélère le reste.
9:36
Aurora, chez Microsoft, les nouveaux modèles Atlas de nvidia
9:40
présentés en janvier 2026 prennent cette direction.
9:42
C'est un aveu implicite sans communiqué de presse, le pure
9:46
data driven ne suffira pas maintenant le truc gênant.
9:51
Selon l'administration américaine, océanique et
9:54
atmosphérique, en 2000259 sinistres milliardaires sur 10
9:56
aux États-Unis ont été causés par des événements climatiques
9:59
extrêmes. Le genre d'épisode qui arrache
10:02
un toit en 20 min où ruinent 5000 hectares en une nuit.
10:05
La quasi totalité des dégâts économiques se concentre
10:08
précisément dans la zone où l'i a prédit le moins bien, et c'est
10:12
encore pire, parce que les records se cassent de plus en
10:15
plus loin. Le dôme de chaleur du Pacifique
10:17
nord-ouest en juin 2021. À Liston, en Colombie
10:23
britannique, le record local de température tombe battu de
10:26
presque 5 °C. Les études d'attribution
10:30
publiées dans la foulée jugent l'épisode impossible.
10:32
Sans le réchauffement d'origine humaine, ce genre d'épisode
10:36
devient statistiquement plus fréquent à mesure que le climat
10:39
dérive. La distribution des événements
10:41
glisse hors de la distribution d'entraînement.
10:44
Le modèle dia, lui, est figé sur la distribution d'i R
10:48
conséquence en clair ? Plus le climat change, plus la
10:51
donnée d'entraînement vieillit et plus elle vieillit, plus l'i
10:55
a se dégrade précisément sur ce qu'elle prétend prédire le
10:58
mieux. Le modèle physique ne se dégrade
11:00
pas, lui, parce qu'il simule les équations, pas des moyennes.
11:04
C'est exactement l'inverse de ce que disent les annonces
11:06
commerciales. La prédiction massive est
11:09
devenue meilleur marché. La prédiction qui compte
11:12
vraiment, celle dont dépend le rendement d'un hectare de blé ou
11:15
la prime d'une réassurance catastrophe.
11:18
Reste obstinément un travail de physique.
11:23
Chapitre 5, la grille du dirigeant lucide, on n'achète
11:27
pas un modèle. On achète une distribution.
11:30
Arrivé à ce point, il faut renverser la question
11:32
habituelle. Le dirigeant ne se demande pas
11:34
si l'i a va remplacer la physique, il se demande quoi
11:36
acheter, à qui, pour quel risque.
11:38
Et la réponse n'est pas une, elle dépend de la distribution
11:41
dans laquelle il opère. Prenez un opérateur logistique
11:43
qui doit décider si un porte conteneur prend la route nord de
11:46
l'Atlantique ou la route Sud. La prévision à 10 jours sur un
11:49
océan dégagé est devenu 3 fois moins cher qu'il y a 5 ans.
11:52
Gravecast suffit et tourne sur une carte, c'est le terrain rêvé
11:56
de l'i a du volume, peu de risque de queue.
11:58
Achat évident, changé d'angle, un trader énergéticien qui doit
12:02
couvrir sa position sur les heures de pointe d'une grosse
12:04
vague de chaleur en Europe occidentale n'est plus dans le
12:07
même monde. Les événements records sont
12:09
précisément ceux qui font ou défont la position.
12:11
Si le modèle DIA sous estime le pic d'un degré et demi, le
12:14
carnet d'ordre se trompe. Sur des dizaines de 1000000
12:17
d'euros, la physique reste le meilleur assureur de la queue de
12:19
distribution. Plus dure encore, un réassureur.
12:22
La tarification du risque catastrophe repose sur des
12:25
modèles dits stochastiques qui simulent des dizaines de
12:28
milliers de scénarios. Possible à partir de probabilité
12:30
si l'intrant probabiliste est nourri par une IA qui sous
12:33
évalue structurellement les records, la prime calculée est
12:36
sous-évaluée et la solvabilité du portefeuille s'éloigne
12:38
discrètement de la réalité. Industrialiser l'i.
12:41
A météo sans contrepoids physique creuse un trou qu'on ne
12:44
verra qu'au sinistre suivant. Tout cela conduit à une grille
12:47
de lecture en 2 temps. D'abord, se demander de quelle
12:49
distribution dépend vraiment son économie, celle du climat moyen,
12:52
ce flux routinier qu'on prédit aujourd'hui presque aussi bien
12:55
qu'on lit un horaire de train ou celle des extrêmes records.
12:58
Rares, mais qui concentrent la valeur à protéger.
13:01
Ensuite, savoir où se place son centre de gravité contractuelle.
13:04
Dépendre d'un modèle dont on n'a ni la donnée d'entraînement, ni
13:07
le code et encore moins le contrôle de la mise à jour,
13:10
c'est dépendre d'un opérateur qui peut demain changer le prix
13:13
de l'a PI ou la qualité du flux sans prévenir.
13:15
Et ce n'est pas un risque technique, c'est un risque
13:18
souverain. Il y a d'ailleurs un point que
13:20
personne ne dit à voix haute, aujourd'hui, tout l'édifice
13:22
tient parce que les modèles sont gratuits, gencast est libre,
13:25
Earth 2 est open source, l'accès à RA5.
13:28
Ne coûte rien. Mais cette gratuité n'est pas un
13:30
cadeau, c'est une stratégie d'occupation de marché.
13:33
Google commercialise déjà Weather Next via Vertex AI, le
13:36
service cloud du groupe. Le jour où les centres météo
13:39
nationaux et les industriels seront installés dans la
13:42
dépendance, le prix de l'a PI pourra changer et le rapport de
13:45
force, lui, aura déjà changé de main.
13:47
La grille tient en une phrase et c'est par là qu'on termine la
13:50
météo. IA est une révolution de
13:51
productivité sur le climat moyen qui s'est greffée sur un bien
13:55
public scientifique européen et qui transfère silencieusement.
13:58
Le coût du risque extrême à ceux qui pensaient avoir tout acheté
14:02
en une fois, le dirigeant, lucide, n'achète pas ce qu'on
14:04
lui vend, il achète ce qu'il craint et ce qu'il craint par
14:07
construction n'est presque jamais dans la distribution
14:10
d'entraînement. Vous écoutiez météo I à qui
14:13
capte la prédiction qui supporte le risque.
14:15
Merci d'avoir écouté jusqu'au bout.
14:17
Si cet épisode vous a parlé, partagez le.