La pluie enfin visible partout : l’IA ouvre ses données météo
On parle souvent de l’intelligence artificielle comme d’une boîte noire réservée aux géants de la tech. Cette semaine, une annonce va dans l’autre sens, et elle me fait franchement plaisir.
Le 13 novembre, Google DeepMind a mis en accès libre deux grands jeux de données météo : de quoi construire de meilleurs outils de prévision, de suivi des pluies et d’anticipation des inondations. Gratuitement, pour les chercheurs comme pour les développeurs.
De quoi parle-t-on, concrètement ?
Pas d’un nouveau chatbot. Pas d’une appli de plus. On parle de données, la matière première sans laquelle aucune prévision ne tient debout.
Ces deux jeux de données servent déjà à faire tourner WeatherNext 3, le modèle de prévision météo de DeepMind. Au lieu de les garder pour lui, le labo les ouvre à tout le monde.
SatWeave : le ciel vu en continu
SatWeave assemble les images de plusieurs satellites géostationnaires (américains, européens et japonais) en une seule mosaïque qui couvre toute la planète. Nuages, vapeur d’eau, infrarouge : on voit les orages se former.
La mise à jour se fait toutes les heures. Pour comparer, beaucoup de modèles classiques repartent de données rafraîchies toutes les six heures. DeepMind publie à la fois ce flux en direct et une archive de plus de dix ans.
PARDIG : savoir où il pleut, même sans radar
C’est le morceau qui m’a le plus marqué. Mesurer la pluie précisément demande des radars au sol. L’Europe, les États-Unis ou le Japon en sont bien équipés. Une grande partie du monde, beaucoup moins.
PARDIG est une carte mondiale des précipitations produite par une IA. Elle a appris à partir des mesures d’un radar embarqué sur un satellite de la NASA, puis elle « devine » la pluie partout ailleurs, à partir des images satellites. Résultat :
- une carte du globe toutes les 15 minutes, avec un niveau de détail d’environ 10 kilomètres ;
- un délai moyen d’environ cinq heures pour le flux en direct ;
- une archive qui remonte jusqu’en 1999 ;
- une détection des pluies faibles à modérées meilleure de plus de 30 % par rapport à une référence mondiale reconnue (IMERG-Final), selon les tests de l’équipe.
Ces tests n’ont pas été faits en laboratoire fermé : l’équipe a comparé ses résultats à trois réseaux de radars (États-Unis, Europe, Japon) et à plus de 36 000 stations météo dans le monde.
Pourquoi c’est une bonne nouvelle (et pas juste pour les météorologues)
DeepMind dit vouloir travailler avec la communauté sur de meilleurs modèles pour les inondations, les glissements de terrain et la sécheresse, « en particulier dans les régions sans réseau dense de radars au sol » (traduit de l’anglais).
Autrement dit : les pays qui n’ont pas les moyens de couvrir leur territoire de radars pourront quand même savoir où et quand il pleut. Pour l’alerte précoce et l’agriculture, ça peut faire une vraie différence.
Et chez nous ? On a tous en tête des épisodes de pluies violentes et des rues sous l’eau. Plus les données sont fines et partagées, plus les outils d’alerte locaux peuvent s’améliorer. DeepMind cite aussi des pistes autour du solaire et de la surveillance des feux de forêt.
Ce que j’en retiens, en tant qu’indépendant
Je ne vais pas vous dire que vous allez entraîner un modèle météo demain matin. Mais il y a une leçon très concrète derrière cette annonce.
L’IA utile, ce n’est pas que des outils qu’on paie à l’abonnement.
Ce sont aussi des ressources ouvertes que n’importe quel développeur, étudiant ou petite structure peut réutiliser. Les données sont disponibles sur Google Cloud Storage, et les archives de PARDIG aussi dans Google Earth Engine.
Quelques idées qui me viennent pour des petites boîtes :
- un maraîcher, un paysagiste ou un couvreur qui veut mieux planifier ses chantiers selon la pluie ;
- une commune ou une association qui veut suivre les épisodes de fortes pluies sur son territoire ;
- un développeur local qui crée un petit tableau de bord météo sur mesure pour un client.
Ce sont des idées, pas des promesses : exploiter ces données demande un minimum de compétences techniques. Mais la porte est ouverte, et c’est ça qui compte.
En conclusion : l’IA qui partage
On a beaucoup d’actualités IA qui font peur. Celle-ci rappelle que l’IA peut aussi servir à mieux comprendre la nature et à protéger les gens, surtout là où les moyens manquent.
Ma piste pour vous cette semaine : la prochaine fois que vous cherchez une solution « IA » pour votre activité, regardez aussi du côté des ressources ouvertes. Il y a souvent un trésor gratuit qui dort, et quelqu’un près de chez vous capable de vous aider à l’exploiter. Si vous avez une idée de projet de ce genre, parlons-en.
Sources
- Google DeepMind — Opening the datasets behind our AI weather models (article en anglais, 13 novembre 2026)
