Une prévision météorologique n'est jamais une certitude : c'est une probabilité. C'est tout l'intérêt des systèmes dits « d'ensemble », et c'est dans ce créneau précis que la Chine vient de franchir une étape. Selon le fil d'actualité de Sciencenet.cn, l'Administration météorologique de Chine (CMA) a tenu à Pékin, au Centre météorologique national, la séance d'évaluation d'homologation opérationnelle de son système de prévision d'ensemble mondial à court et moyen terme fondé sur l'intelligence artificielle, baptisé « Fengqing ». Le nom technique de la première version est CMA-AIM-GFS-Fengqing-ENS-V1.0, que l'on abrégera ici en « Fengqing ensemble V1.0 ».
Une précision s'impose d'emblée : à l'heure où nous écrivons, l'extrait disponible de cette dépêche ne détaille ni la composition du jury, ni les scores de performance, ni la date de mise en service effective. Cet article s'en tient donc à ce qui est établi, et distingue clairement ce qui relève du contexte général de la discipline.
Ce que l'on sait de l'annonce
Le fait central est institutionnel. Une séance d'évaluation d'homologation, dans le vocabulaire des services météorologiques, est l'étape où un système expérimental est examiné par un comité d'experts avant d'être versé à la production quotidienne des prévisions. Le titre de la dépêche de Sciencenet.cn parle d'ailleurs d'un système qui « obtient son homologation ». Autrement dit, il ne s'agit plus seulement d'un prototype de laboratoire, mais d'un outil appelé à rejoindre la chaîne opérationnelle de la CMA.
Le qualificatif « mondial » signifie que le modèle couvre l'ensemble du globe, et non une région. Les mots « court et moyen terme » renvoient à l'horizon habituel de ces systèmes : de quelques heures à une ou deux semaines. Enfin, « d'ensemble » désigne la méthode, que l'on détaille plus bas.
Pourquoi un système « d'ensemble » est un enjeu à part
La météo est un système chaotique. Une infime erreur dans l'état initial de l'atmosphère, qu'on ne mesure jamais parfaitement, grossit au fil des jours jusqu'à rendre la prévision déterministe peu fiable au-delà d'une semaine environ. Pour contourner ce problème, les services météorologiques lancent non pas une seule simulation, mais des dizaines : chaque « membre » de l'ensemble part de conditions initiales légèrement différentes. La dispersion entre ces membres donne une mesure de l'incertitude. Si tous les scénarios convergent, la prévision est robuste ; s'ils divergent, la prudence s'impose.
C'est cette information probabiliste qui sert à anticiper les événements extrêmes : trajectoire d'un typhon, épisode de pluies diluviennes, vague de chaleur. Pour un pays exposé à la fois aux typhons du Pacifique, aux crues de grands fleuves et aux sécheresses, la valeur d'une prévision d'ensemble fiable est considérable.
Le problème est son coût. Faire tourner des dizaines de simulations physiques sur toute la planète mobilise des superordinateurs pendant de longues heures. C'est précisément là que l'intelligence artificielle change la donne.
L'IA, nouvelle concurrente des modèles physiques
Depuis environ 2022, une série de modèles de prévision fondés sur l'apprentissage automatique ont bousculé la discipline. Entraînés sur des décennies de données de réanalyse, ils apprennent à reproduire l'évolution de l'atmosphère sans résoudre explicitement les équations de la physique. Une fois entraînés, ils produisent une prévision mondiale en quelques minutes sur un seul processeur graphique, là où un modèle numérique classique exige une grappe de calcul pendant des heures. Plusieurs de ces modèles, développés par de grandes entreprises technologiques et par des centres de recherche, ont affiché des scores comparables, voire supérieurs, à ceux des meilleurs systèmes traditionnels sur certains indicateurs.
Le gain de vitesse est ce qui rend l'approche d'ensemble spécialement attrayante : si une simulation ne coûte presque rien, on peut en lancer des centaines, et donc explorer bien plus finement l'éventail des futurs possibles. Plusieurs centres de prévision dans le monde, dont des services publics européens, ont d'ailleurs commencé à intégrer des systèmes d'apprentissage automatique à leurs opérations ou à les tester en parallèle des modèles physiques. L'homologation de Fengqing s'inscrit dans cette tendance de fond : l'IA passe du statut de curiosité de recherche à celui d'outil de production.
Ce que cette étape change, et ce qu'elle ne règle pas
Sur le plan institutionnel, la CMA se dote d'un outil d'ensemble propre, conçu et validé en interne, ce qui réduit sa dépendance aux produits d'autres centres mondiaux et lui permet de maîtriser la chaîne de bout en bout, des données d'entrée à la diffusion des prévisions. C'est un enjeu de souveraineté technique autant que de performance.
Sur le plan scientifique, plusieurs questions restent à documenter, et il convient de ne pas les trancher à la place des évaluateurs :
- La calibration des probabilités. Un bon système d'ensemble ne se juge pas seulement à la justesse de la moyenne, mais à la fiabilité de sa dispersion : quand il annonce 30 % de risque, l'événement doit se produire environ trois fois sur dix. Certains modèles d'IA ont tendance à produire des ensembles trop resserrés, donc trop confiants.
- Les événements extrêmes. Les modèles entraînés sur le passé peinent parfois avec ce qui sort de la distribution historique : intensité record d'un cyclone, configurations inédites liées au réchauffement climatique.
- La cohérence physique. Les approches purement statistiques peuvent produire des champs météorologiques lissés ou physiquement discutables, ce qui complique leur usage par les prévisionnistes.
- L'assimilation des données. Les meilleurs modèles d'IA dépendent encore, pour leurs conditions initiales, de systèmes d'assimilation issus de la prévision numérique classique, et la prochaine frontière consiste à les en affranchir.
Il faudra donc attendre la publication des scores de vérification de Fengqing pour juger de ses forces réelles. La mention « V1.0 » dans son nom officiel laisse entendre qu'il s'agit d'une première version destinée à évoluer.
Un mouvement plus large dans la recherche chinoise en IA
Cette homologation intervient dans un contexte où l'intelligence artificielle irrigue l'ensemble de la recherche chinoise. Le même fil de Sciencenet.cn relève, en ce mois d'octobre 2026, un appel à propositions de la Fondation nationale des sciences naturelles de Chine pour un grand programme consacré aux logiciels intelligents, ainsi qu'un entretien avec un professeur de l'Université de Pékin sur l'arrivée de l'IA en mathématiques. La météorologie n'est qu'un des domaines où l'institution scientifique cherche à convertir rapidement des avancées d'apprentissage automatique en systèmes opérationnels.
À suivre
Pour juger de la portée réelle de Fengqing, trois éléments seront à surveiller : la publication des résultats de vérification face aux systèmes d'ensemble de référence, la date et le périmètre de son entrée en service dans les prévisions quotidiennes de la CMA, et la manière dont les prévisionnistes l'utiliseront au quotidien, notamment lors des saisons de typhons. L'homologation ouvre la porte ; c'est l'usage, saison après saison, qui dira si l'IA tient ses promesses là où l'enjeu est le plus grand : la prévision des phénomènes qui menacent des millions de personnes.