Intelligence artificielle : comprendre et anticiper le climat
Souvent associée aux assistants conversationnels ou à la génération de contenus, l'intelligence artificielle joue aussi un rôle essentiel dans la recherche sur le climat. Prévision des phénomènes météorologiques extrêmes, amélioration des modèles climatiques, ou encore adaptation au changement climatique : les chercheurs développent aujourd'hui des outils d'IA spécialisés capables d'apporter des réponses à certains des plus grands défis environnementaux.
Répondre aux défis climatiques
L'essor récent de l'intelligence artificielle générative a profondément transformé le regard porté sur cette technologie.
Dans les domaines de la météorologie et de la climatologie, les chercheurs développent des modèles d'IA spécifiquement conçus pour exploiter des données scientifiques. Entraînés sur des observations météorologiques et climatiques, ces modèles sont plus ciblés, plus sobres en ressources de calcul et mieux adaptés aux besoins de la recherche.
Cette approche ouvre de nouvelles perspectives pour mieux comprendre le fonctionnement du système climatique et produire des informations essentielles à la prise de décision.
Prévenir les risques et accompagner l’adaptation au changement climatique
Au-delà de la compréhension du climat, l’IA peut contribuer à préparer les sociétés aux impacts du changement climatique. L'intelligence artificielle est souvent au cœur des débats pour son empreinte environnementale, liée notamment à la consommation d'énergie et d'eau de certains modèles. Mais elle peut aussi faire partie des solutions. Dans les laboratoires de recherche, des modèles d'IA spécialisés permettent déjà d'améliorer les prévisions météorologiques, de mieux comprendre les évolutions du climat et d'aider à anticiper les risques liés au changement climatique. Dans l’agriculture, par exemple, elle peut permettre d’optimiser l’utilisation de l’eau ou de mieux adapter les cultures aux nouvelles conditions climatiques.
De plus, les modèles météorologiques basés sur l'IA atteignent désormais des performances comparables à celles des modèles numériques traditionnels fondés sur les lois de la physique, pour des prévisions allant jusqu'à dix jours.
Leur principal avantage réside dans leur rapidité : là où les modèles classiques nécessitent plusieurs heures de calcul sur des supercalculateurs, les modèles d'IA peuvent produire des résultats en quelques secondes seulement. Cette accélération permet également de réduire leur consommation énergétique.
Les chercheurs développent également de nouvelles générations de modèles toujours plus performants. C'est notamment le cas d'ArchesWeatherGen, capable d'être entraîné beaucoup plus rapidement que les modèles existants tout en conservant un excellent niveau de précision.
Entretien avec Claire Monteleoni
Chercheuse en intelligence artificielle à l’Inria et professeure d’informatique aux États-Unis, Claire Monteleoni contribue depuis près de vingt ans à faire progresser un domaine en plein essor : l’informatique climatique. Cette discipline, à la croisée de l’IA et de la science du climat, vise à développer des outils pour mieux comprendre et lutter contre le changement climatique.
« Les modèles météorologiques fondés sur l’IA rivalisent désormais avec les modèles numériques traditionnels, basés sur la physique, et ce jusqu’à 10 jours d’échéance. »
Claire Monteleoni : Mon intérêt pour le changement climatique remonte au moins au lycée, puis j’ai suivi des études spécialisées dans ce domaine à l’université. Plus tard, lors de mon doctorat, j’ai été marquée par les avancées spectaculaires de la bio-informatique, portées par les méthodes d’apprentissage automatique. Une évidence s’est alors imposée : et si ces mêmes outils pouvaient éclairer les enjeux climatiques ? C’est cette intuition qui a guidé mes recherches depuis.
C. M : ARCHES : “AI Research for Climate Change and Environmental Sustainability” est une équipe-projet commune entre Inria, Sorbonne Université, l’UVSQ, et le CNRS. Nous sommes localisés au Centre Inria de Paris et travaillons étroitement avec des scientifiques du Laboratoire Atmosphères, Observations Spatiales (LATMOS).
Nos travaux s'articulent autour de trois axes majeurs :
- L'IA au service de l'adaptation au changement climatique : développer des prévisions et des outils d’information pour les décisions à court terme.
- L'IA au service de l'atténuation du changement climatique : anticiper les évolutions et éclairer les décisions à moyen terme.
- L'IA pour comprendre les impacts du changement climatique : projeter les conséquences à long terme.
C. M : Face à l’essor des grands modèles d’IA générative, souvent conçus par des acteurs privés à partir de données textuelles ou vidéo issues du web, une distinction s’impose.
Ces outils, aussi performants soient-ils, ne sont pas les mieux adaptés à la météorologie ou à la climatologie : leurs données d’entraînement, génériques et énergivores, ne répondent pas aux exigences de nos recherches.
Notre approche est de concevoir des modèles d’IA générative spécialisés, entraînés ex nihilo sur des jeux de données climatiques et météorologiques. Plus sobres, plus ciblés, et surtout, bien plus efficaces pour les défis que nous relevons.
C. M : L’IA a déjà fait ses preuves : elle améliore la détection et la prévision d’événements extrêmes tels que les cyclones, avalanches, pluies diluviennes… Mais depuis 2022, c’est une véritable révolution qui se joue. Les modèles météorologiques fondés sur l’IA rivalisent désormais avec les modèles numériques traditionnels, basés sur la physique, et ce jusqu’à 10 jours d’échéance.
Leur atout ? La rapidité : là où les modèles classiques nécessitent plusieurs heures de calcul, les modèles basés sur l’IA livrent des prévisions en quelques secondes, réduisant du même coup leur empreinte énergétique.
Notre modèle ArchesWeatherGen, publié cette année dans Science Advances, va encore plus loin : il est 20 à 70 fois plus rapide à entraîner que les autres modèles d’IA, sans compromis sur la performance.
C. M : L’IA transforme les prévisions météorologiques… mais saura-t-elle relever le défi des échelles de temps climatiques ? C'est une question sur laquelle de nombreux laboratoires travaillent actuellement, et aussi l’une questions centrales du projet AIMIP (AI Climate and Weather Model Intercomparison Project). Ce projet compare les modèles climatiques basés sur l’IA. Les différents types d’incertitudes, notamment celles liées à l’IA générative, restent toutefois à quantifier.
Autre enjeu de taille : l’équité, et notamment l’équité environnementale. Les pays industrialisés, grands émetteurs de carbone, disposent de données météorologiques abondantes (radars, stations locales…), tandis que les régions du Sud, plus vulnérables au réchauffement, en manquent cruellement. L’IA peut-elle aider à rééquilibrer la donne ? Oui, en transférant les connaissances : nous devrions donc utiliser l'IA comme un levier en entraînant les modèles dans des zones riches en données, puis en les adaptant aux régions où les informations sont rares.
