UN 
Des recherches récentes soulignent que les modèles de prévision météorologique conventionnels ont toujours un avantage significatif sur les systèmes d’intelligence artificielle (IA) en ce qui concerne la prévision des événements météorologiques extrêmes et record. Malgré les avancées rapides des technologies de l’IA dans plusieurs secteurs, leur application en météorologie fait face à des limitations critiques, en particulier dans la prévision de phénomènes météorologiques sans précédent et très variables.
Les modèles de prévision numérique du temps traditionnels s’appuient sur des lois physiques bien établies et des données climatiques historiques étendues pour simuler les conditions atmosphériques. Ces modèles intègrent des équations complexes régissant la dynamique des fluides, la thermodynamique et le rayonnement, permettant aux météorologues de générer des prévisions fiables même pour des scénarios météorologiques rares et extrêmes. En revanche, les modèles d’IA dépendent principalement de la reconnaissance de motifs à partir de données passées, qui peuvent ne pas capturer pleinement les processus physiques sous-jacents qui animent de nouveaux événements extrêmes.
Les experts soulignent que, bien que l’IA ait montré des promesses pour améliorer les prévisions météorologiques à court terme et identifier des motifs subtils dans de grands ensembles de données, sa capacité prédictive diminue lorsqu’elle est confrontée à des conditions sans précédent qui dépassent la portée de ses données d’entraînement. Cette limitation est particulièrement préoccupante dans le contexte du changement climatique, où la fréquence et l’intensité des événements météorologiques extrêmes évoluent de manière à défier les hypothèses statistiques traditionnelles.
Améliorer la résilience et la précision des prévisions météorologiques est crucial pour la préparation aux catastrophes et le développement durable, s’alignant étroitement sur les Objectifs de Développement Durable (ODD) des Nations Unies, en particulier l’ODD 13 sur l’Action pour le Climat. Des alertes précoces précises peuvent sauver des vies, protéger les infrastructures et permettre une meilleure planification pour les communautés vulnérables. Par conséquent, intégrer l’IA comme un outil complémentaire pour améliorer, plutôt que remplacer, les méthodes de prévision traditionnelles est actuellement considéré comme la stratégie la plus efficace.
Les chercheurs plaident pour un investissement continu dans des modèles physiques haute résolution et des réseaux d’observation améliorés, aux côtés du développement d’approches hybrides qui combinent les capacités de traitement des données de l’IA avec les cadres robustes basés sur la physique des modèles traditionnels. Une telle synergie pourrait améliorer les délais et la précision des prévisions, soutenant finalement les efforts mondiaux pour atténuer les risques climatiques et s’adapter à un environnement en rapide évolution.
