Comment fonctionne la prévision météorologique moderne : des satellites aux superordinateurs

Chaque prévision météorologique, qu'il s'agisse d'une perspective de sept jours sur une application téléphonique ou d'une trajectoire d'ouragan émise par une agence nationale, commence de la même façon : avec des observations de l'atmosphère telle qu'elle est en ce moment. Le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) déclare qu'il reçoit environ 800 millions d'observations par jour, provenant principalement d'environ 90 instruments de satellite qui surveillent l'atmosphère, l'océan, les terres, la neige et la glace de mer ; après contrôle de qualité, environ 60 millions de ces observations sont réellement utilisées dans son système de prévision.

Convertir les observations en prévision : assimilation de données

Les observations brutes ne couvrent pas tous les points de la Terre, les prévisionnistes ne peuvent donc pas simplement lire la météo actuelle à partir de celles-ci. Au lieu de cela, les agences utilisent une technique appelée assimilation de données pour combiner des observations incomplètes avec une prévision à court terme de la course précédente, produisant une image complète et physiquement cohérente de l'atmosphère appelée analyse. L'ECMWF utilise une méthode appelée assimilation variationnelle quadridimensionnelle (4D-Var), qu'il décrit comme combinant « une première estimation de la météo actuelle avec de nouvelles preuves provenant des observations » à travers l'espace et le temps. Le Service météorologique du Royaume-Uni décrit la même étape plus simplement : l'assimilation de données « comble les lacunes où les observations directes font défaut... en mélangeant les données disponibles avec les prédictions du modèle ».

Parmi les types d'observations prioritaires de l'ECMWF figurent les mesures de température et d'humidité provenant d'instruments de satellite en micro-ondes et infrarouges, les estimations du vent dérivées du suivi des nuages et des instruments de radar, lidar et diffusiomètre, et une technique appelée assimilation « tout ciel » qui utilise les données satellites des zones nuageuses et pluvieuses au lieu de les rejeter.

Exécution des modèles : équations de physique sur des superordinateurs

Une fois l'analyse construite, un modèle numérique de prévision météorologique prend le relais. Ces modèles divisent l'atmosphère en une grille tridimensionnelle et résolvent les équations régissant le mouvement, l'énergie, la masse et l'humidité en chaque point de grille, puis avancent l'ensemble du système dans le temps. Le Système global de prévision (GFS) des États-Unis, exploité par les Centres nationaux de prévision environnementale du NOAA, utilise une résolution horizontale de base d'environ 28 kilomètres (18 miles) entre les points de grille pour sa première semaine de sortie, se dégradant à environ 70 kilomètres (44 miles) pour les prévisions au-delà de sept jours, et couple des modèles séparés de l'atmosphère, de l'océan, des terres/sols et de la glace de mer. Il produit une prévision complète quatre fois par jour, jusqu'à 16 jours.

Le système équivalent de l'ECMWF, le Système intégré de prévision (IFS), a été mis à jour en novembre 2024 dans une version appelée Cycle 49r1. Selon l'ECMWF, cette mise à jour a assimilé les observations de température à deux mètres pour la première fois, a révisé la façon dont le modèle représente l'incertitude dans sa physique, et a aligné la grille du modèle de vagues océaniques sur la résolution du modèle atmosphérique d'environ 9 kilomètres pour les prévisions à moyen terme. L'ECMWF a signalé des gains mesurables de la mise à jour, notamment une amélioration d'environ 0,5% des scores de prévision près de l'Antarctique jusqu'au quatrième jour, en partie due aux nouvelles données en micro-ondes sur la glace de mer.

Prévision d'ensemble : prédire l'incertitude elle-même

Une seule exécution de modèle à partir d'une seule analyse donne une version de l'avenir, mais l'atmosphère est ce que les scientifiques appellent un système chaotique : selon le Service météorologique, « les très petites erreurs dans son état initial peuvent mener à de grandes erreurs dans la prévision ». Comme les observations ne peuvent jamais capturer parfaitement le véritable état de l'atmosphère, les agences exécutent le même modèle des dizaines de fois à partir de conditions initiales légèrement différentes mais également plausibles. Cette collection de prévisions parallèles s'appelle un ensemble, et chaque exécution individuelle est un « membre de l'ensemble ».

Pourquoi les prévisions perdent en confiance plus loin à l'avance

L'ECMWF a signalé que sa mise à jour Cycle 49r1 de novembre 2024 avait produit des gains mesurables en précision de prévision, notamment une amélioration d'environ 0,5% des scores de prévision près de l'Antarctique jusqu'au quatrième jour, qu'elle a attribuée en partie aux nouvelles données satellites en micro-ondes sur la glace de mer. Plus largement, comme les petites erreurs dans les conditions initiales d'un système chaotique croissent au fil du temps, les agences émettent également des perspectives mensuelles et saisonnières distinctes, basées sur différentes méthodes statistiques, une fois que les prévisions jour après jour perdent leur utilité.

L'essor de la prévision basée sur l'IA

Aux côtés de ces modèles basés sur la physique, les agences nationales ont commencé à exécuter des systèmes d'apprentissage automatique entraînés sur des décennies de données météorologiques passées. Le NOAA a annoncé en décembre 2025 qu'il avait mis en service trois de ces systèmes : l'AIGFS (une version IA du Système global de prévision), l'AIGEFS (un système d'ensemble IA) et l'HGEFS, un ensemble de 62 membres qui fusionne les prévisions basées sur l'IA et la physique. Selon le NOAA, l'AIGFS peut produire une prévision mondiale de 16 jours en environ 40 minutes en utilisant environ 0,3% des ressources informatiques que le GFS traditionnel nécessite, et l'AIGEFS nécessite environ 9% des ressources de l'ensemble standard. L'administratrice du NOAA, Neil Jacobs, a décrit les systèmes comme « un saut significatif en avant dans l'innovation des modèles météorologiques américains », citant une précision améliorée pour les schémas à grande échelle et les prévisions de trajectoire des ouragans, bien que le NOAA ait également reconnu que l'AIGFS affiche actuellement des performances dégradées dans la prévision de l'intensité des ouragans, un domaine que les responsables ont déclaré avoir encore besoin d'un développement supplémentaire.

De la sortie du modèle à la prévision que vous voyez

Les données du modèle ne sont généralement pas le produit final. Le Service météorologique indique qu'après l'exécution des superordinateurs, les prévisionnistes humains interprètent la sortie du modèle, tiennent compte du terrain local et des conditions que la résolution du modèle ne peut pas entièrement capturer, et ajustent la prévision avant sa publication, en combinant le jugement humain avec la sortie informatique pour produire une prévision utilisable.