La prévision météorologique fonctionne depuis des décennies selon un horaire à peu près identique. Les modèles traditionnels de prévision numérique du temps ingestent des données toutes les six heures, effectuent d'immenses simulations physiques et produisent des résultats qui sont déjà légèrement périmés au moment où quelqu'un les lit.
Le 3 septembre 2026, Google DeepMind et Google Research ont annoncé WeatherNext 3, un modèle météorologique mondial piloté par l'IA qui génère des prévisions toutes les heures à partir d'observations en temps réel de satellites géostationnaires. C'est le premier modèle mondial à atteindre des cycles de mise à jour horaires réels, et les premières évaluations suggèrent qu'il est non seulement plus rapide, mais aussi significativement plus précis que ses prédécesseurs.
Ce que WeatherNext 3 fait réellement différemment
L'innovation principale est décevamment simple dans son concept : au lieu d'attendre que les données d'observation regroupées arrivent toutes les six heures, WeatherNext 3 s'entraîne directement sur les flux satellitaires en temps réel. Cela signifie qu'il peut initialiser une nouvelle prévision toutes les heures, offrant aux météorologues et aux industries qui en dépendent une image bien plus proche de l'atmosphère en direct.
La résolution raconte une histoire similaire. Le modèle offre une granularité spatiale allant jusqu'à 5 km pour les variables de surface calibrées par station, comme la température et l'humidité, 10 km pour les autres mesures au niveau de la surface, et 25 km pour les variables atmosphériques. C'est environ cinq fois plus précis que son prédécesseur, WeatherNext 2, lancé en novembre 2025.
Pour les précipitations, les améliorations sont encore plus marquées. Les prévisions de pluie et de neige de WeatherNext 3 sont jusqu'à 50 % plus précises que les modèles précédents pour des délais d'anticipation d'un jour ou plus, mesurées selon le score de Brier et le CRPS par rapport aux observations satellitales de précipitations IMERG.
Le modèle génère des prévisions d'ensemble de 64 membres. Les cycles de prévision sélectionnés s'étendent jusqu'à un horizon de 15 jours, tandis que les exécutions intermédiaires horaires couvrent une fenêtre de 48 heures.
De GraphCast à WeatherNext 3 : la lignée
Google DeepMind construit méthodiquement sa pile d'IA météorologique depuis 2023, lorsqu'elle a présenté GraphCast, un modèle qui a démontré que l'apprentissage automatique pouvait égaler ou surpasser les prévisions traditionnelles basées sur la physique pour les prédictions à moyen terme. GenCast a suivi en 2024, en ajoutant des capacités d'ensemble probabiliste. WeatherNext 2 est arrivé en novembre 2025. WeatherNext 3 représente l'étape logique suivante : rendre l'ensemble du pipeline en temps réel en se connectant directement aux flux d'observations satellitaires, plutôt que de s'appuyer sur des champs d'analyse prétraités qui introduisent une latence.
WeatherNext 3, évalué par Operational WeatherBench de Brightband, un cadre d'évaluation indépendant, est classé comme le modèle météorologique mondial le plus avancé et le plus précis actuellement disponible.
Le modèle montre également une force particulière lors d'événements météorologiques extrêmes. La prévision des trajectoires et de l'intensité des cyclones a été un domaine d'accentuation spécifique.
Énergie propre et applications commerciales
WeatherNext 3 cible explicitement les variables de vent et de luminosité, ce qui le rend directement utile pour les opérations d'énergie renouvelable. Google intègre les résultats du modèle dans Search, Maps et Earth Engine. Pour les développeurs et les chercheurs, les données sont accessibles via BigQuery sur Google Cloud.
La amélioration de 50 % de la précision des précipitations à l'échelle d'un jour à l'avance est particulièrement pertinente pour l'agriculture, car le moment de la pluie importe presque autant que son volume pour la planification agricole.