L'ECMWF à l'heure de l'intelligence artificielle et du machine learning

Connaissez-vous le modèle de prévision numérique IFS qui est probablement le plus consulté au monde pour la prévision cyclonique? Derrière ce modèle se cache les ingénieurs du CEPMMT, plus connu sous l'acronyme anglais ECMWF. Le centre européen de prévision est considéré comme le leader mondial de productions de prévisions météorologiques de pointe. Malgré cet état de fait, le CEPMMT n'a point l'intention de s'endormir sur ses lauriers. Dans sa feuille de route pour la décennie 2021/2030, le centre affiche l'ambition de donner une place de plus en plus prépondérante à l'Intelligence Artificielle et au machine learning.

Cet intérêt pour l'IA s'inscrit dans sa stratégie des dix prochaines années, approuvée par les États membres du CEPMMT. Afin de surmonter les défis informatiques, le machine learning sera intégré dans les processus de travail des prévisions météorologiques numériques et des services climatiques.

Mais qu'est-ce que le "machine learning"

Le machine learning fait référence au développement d’algorithmes informatiques qui s’améliorent automatiquement par l’apport constant de données. Il est particulièrement pertinent dans le cadre des sciences du système Terre et progresse à un rythme sans précédent, parallèlement aux volumes croissants de données qui sont maintenant disponibles.

L'objectif de cet outil est d'améliorer ou remplacer les développements existants, afin de rendre meilleur les prévisions météorologiques numériques et les services climatiques. D’ici 2031, le machine learning doit être pleinement intégré et permette une amélioration des prévisions et de leurs utilisations dans de nombreux domaines du processus de travail.

La feuille de route dévoilée à l'occasion du lancement de la stratégie 2021-30 du CEPMMT, fournit un cadre permettant de canaliser efficacement les nombreuses activités de machine learning utilisées dans le domaine des prévisions météorologiques et climatiques. 

Il est à noter que le machine learning est déjà utilisé dans par le CEPMMT. À titre d'exemple, il est employé pour la représentation et la correction des erreurs des modèles de prévision, dans le développement des composantes du programme Copernicus d’observation de la Terre intié par l’Union Européenne, pour le service sur le changement climatique (Copernicus Climate Change Service - C3S), ou pour le service de surveillance de l’atmosphère (Copernicus Atmosphere Monitoring Service - CAMS).

Le progrès ne semble pas effrayer le CEPMMT, qui compte clairement l'adapter à ses besoins. Si l'avènement de l'IA semble terrifier certains, le centre et son personnel ont l'intention de s'en servir pour fournir une combinaison équilibrée de sciences atmosphériques et informatiques. La directrice générale du CEPMMT, Florence Rabier, a déclaré que "Les volumes sans précédent de données provenant des capteurs et des satellites traités par le CEPMMT et la précision des modèles du système Terre contribuent à la protection de la vie et des biens sur notre planète face aux changements environnementaux et climatiques. L’utilisation par le CEPMMT de l’IA et du machine learning sera un facteur de changement puisqu’elle permettra de continuer à rendre des quantités croissantes de données et d’informations librement disponibles et, surtout, utilisables par tous à l’avenir. ». 

PR

Plus d'informations sur la feuille de route du machine learning Ecmwf strategy roadmap 2021 fr (1.67 Mo)