L'ia révolutionne la climatologie : des prévisions locales aux galaxies de nuages

L'intelligence artificielle s'immisce dans des domaines autrefois réservés à l'expertise humaine. La science, en particulier la climatologie, en est aujourd'hui un pilier. Des outils d'aide à l'échange d'idées aux générateurs de code, l'IA ne se contente plus d'assister les chercheurs ; elle les soutient dans des tâches qui demandaient jadis des heures de travail manuel.

Chatgpt et l'ia, des alliés surprenants pour décrypter le climat

Zeke Hausfather, climatologue de Berkeley Earth, a pu visualiser l'ampleur du réchauffement climatique grâce à ChatGPT, l'assistant d'OpenAI. Il a créé un diagramme d'anneaux d'arbres particulièrement frappant. Hausfather avoue avoir été surpris par l'utilité de l'IA, la trouvant pertinente dans un domaine où elle ne semblait pas naturellement compétente.

Mais attention à ne pas céder à l'enthousiasme : Elizabeth Barnes, professeure en science des données environnementales à Boston, tempère cet optimisme. Elle souligne que l'IA offre des opportunités intéressantes pour résoudre des problèmes bloquants, mais ne constitue pas une transformation complète de la science. Les modèles climatiques traditionnels, basés sur des équations physiques complexes, restent essentiels. Ils simulent le fonctionnement de la Terre, tandis que l'IA peut inférer des valeurs à partir des données, mais elle ne peut extrapoler au-delà de son entraînement. Un défi majeur réside dans la prédiction des phénomènes climatiques extrêmes, souvent en dehors des données historiques.

Google Research a récemment démontré le potentiel de l'IA à cette échelle avec Groundsource, un outil de prédiction des inondations soudaines. En analysant 5 millions d'articles de presse datant de 2000, l'IA a permis de développer un modèle qui donne des résultats valides dans 82% des cas. DeepMind, quant à lui, a mené une évaluation préliminaire de l'AMOC (Circulation Méridionale de Retour de l'Atlantique) avec Gemini, un modèle linguistique de grande taille. L'IA a conservé 42% du contenu final de la revue, témoignant de son potentiel de collaboration.

Mais l'expertise humaine demeure indispensable. La supervision humaine s'est avérée nécessaire pour garantir la rigueur scientifique des contributions de l'IA. La complexité de la formation des nuages, par exemple, représente une barrière majeure en météorologie. La combinaison de l'IA avec des estimations basées sur la physique pourrait permettre de surmonter cette difficulté. Des chercheurs ont récemment suggéré que les techniques d'apprentissage pourraient remplacer les estimations actuelles des nuages.

La limite des modèles climatiques classiques réside dans leur incapacité à fournir des prévisions à l'échelle locale. L'IA pourrait aider à décomposer ces simulations globales pour obtenir des estimations plus précises, en combinant les résultats des modèles avec des données météorologiques historiques. Une avancée considérable, mais qui ne remplace pas le savoir-faire des climatologues.

La démonstration de Google avec Gemini sur l'AMOC illustre la capacité de l'IA à analyser de vastes quantités de données et à identifier des liens pertinents. Cependant, la validation et l'interprétation de ces résultats nécessitent une expertise humaine pointue.

L'IA n'est pas une solution miracle, mais un outil puissant qui, utilisé avec prudence et supervision, peut accélérer la recherche et améliorer notre compréhension du climat. Ce que l'IA ne peut pas offrir, ce sont les intuitions, les hypothèses audacieuses et la capacité à penser au-delà des données, qualités intrinsèquement humaines.