Une équipe réunissant des chercheurs du MIT, de Harvard et de l’Université de Toronto a créé une couche d’apprentissage automatique qui améliore les prévisions météorologiques à deux à six semaines, une échéance où elles sont d’ordinaire peu fiables. Les travaux ont été publiés dans Nature.
L’outil apprend, à partir de données historiques, les erreurs d’un système de prévision et les corrige. Il est open source, peu coûteux et fonctionne sans superordinateur, en complément de n’importe quel modèle.
Appliqué au modèle du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) combiné à un autre modèle, il a doublé la précision à cette échéance et s’est classé premier d’un concours du CEPMMT. C’est aussi la première approche à battre les moyennes climatologiques à deux à six semaines, avec de meilleures prévisions des phénomènes extrêmes.
Selon les auteurs, ces semaines d’anticipation supplémentaires aident agriculteurs, gestionnaires d’énergie et services d’urgence à se préparer aux vagues de froid ou aux tempêtes de verglas.
