Savoir s’il pleuvra dans deux heures à l’échelle de son quartier n’a longtemps été qu’un vœu pieux. Avec WeatherNext 3, le nouveau modèle météorologique dévoilé début septembre par Google DeepMind, la promesse d’une intelligence artificielle météo capable de prévisions horaires ultra-localisées se rapproche sensiblement de la réalité. L’outil commence déjà à irriguer Google Search, l’application Gemini, Google Maps et Google Earth Engine.
Une précision inédite, jusqu’à 5 kilomètres près
Le prédécesseur du modèle, WeatherNext 2, produisait des prévisions sur une grille de 25 kilomètres, actualisée toutes les six heures. WeatherNext 3 resserre considérablement la maille : les variables de surface les plus suivies sont désormais calculées à 5 kilomètres de résolution, d’autres à 10 kilomètres, et les variables atmosphériques à 25 kilomètres, avec une actualisation horaire. Concrètement, l’image météo mondiale devient environ cinq fois plus fine qu’auparavant.
Sur les précipitations, souvent le point faible des modèles classiques, Google DeepMind revendique des gains de précision significatifs : jusqu’à 60 % d’amélioration du score CRPS face au produit satellite IMERG, environ 30 % face au système radar américain MRMS, et près de 10 % par rapport aux relevés directs de pluviomètres sur les échéances courtes. Ce type de progrès n’est pas isolé : d’autres travaux associant intelligence artificielle et sciences exactes montrent une accélération comparable dans la résolution de problèmes jusque-là considérés comme hors de portée du calcul classique.
Pourquoi ce bond en avant change concrètement les usages
Pour l’utilisateur, le changement le plus visible tient à la granularité : une prévision qui distingue un quartier ensoleillé d’un quartier voisin sous la pluie devient exploitable pour des décisions du quotidien — sortir un vélo, arroser un jardin, décaler un chantier extérieur. Les secteurs agricole, logistique et énergétique, très sensibles aux écarts météo de courte échéance, sont les premiers concernés :
- Agriculture : ajustement fin des dates d’irrigation ou de traitement
- Énergie : meilleure anticipation de la production solaire et éolienne
- Logistique et transport : optimisation des tournées selon le risque local
- Collectivités : alerte plus fine sur les épisodes de pluie intense
Cette montée en puissance de l’IA appliquée à des cas concrets s’inscrit dans une tendance plus large déjà visible chez les fabricants d’objets connectés, qui misent eux aussi sur des modèles embarqués pour affiner leurs services, comme l’illustrait récemment la maison connectée présentée à l’IFA de Berlin.
Un enjeu de souveraineté technologique en toile de fond
Le déploiement de WeatherNext 3 illustre aussi la course que se livrent les grands groupes technologiques autour des modèles d’IA scientifique, un terrain où les acteurs européens tentent de peser malgré la domination des géants américains — un débat déjà posé autour de l’accord entre Mistral AI et Microsoft. Contrairement à un modèle météo classique, entièrement fondé sur la résolution d’équations physiques, WeatherNext 3 s’appuie sur l’apprentissage automatique à partir de décennies de données d’observation, une approche que Google avait déjà initiée avec ses précédents modèles GraphCast puis WeatherNext.
Questions fréquentes
WeatherNext 3 remplace-t-il les services météo nationaux comme Météo-France ?
Non. Le modèle vient en complément des services officiels et alimente les produits grand public de Google ; les alertes réglementaires et la vigilance météo restent émises par les agences nationales.
Sur quelles applications WeatherNext 3 est-il déjà disponible ?
Le modèle alimente depuis début septembre 2026 les résultats météo de Google Search, l’application Gemini, Google Maps ainsi que la Maps Platform Weather API et Google Earth Engine.
Pourquoi la résolution de 5 kilomètres change-t-elle vraiment quelque chose ?
Parce qu’elle permet de distinguer des phénomènes très locaux, comme une averse orageuse limitée à quelques rues, là où les modèles à 25 kilomètres lissaient ces variations sur toute une agglomération.
Sources
Cet article a été rédigé avec l’aide d’une intelligence artificielle. Politique éditoriale
