Maniac, un ordinateur conçu à Princeton après la Seconde Guerre mondiale, pouvait effectuer 10 000 calculs par seconde. Cette puissance extraordinaire a été appliquée à deux problèmes principaux : la modélisation des explosions thermonucléaires et la météorologie terrestre. Ce sont les deux applications les plus importantes que les créateurs de la machine pouvaient imaginer.
Il aurait fallu à l'homme les 13,8 milliards d'années d'histoire de l'univers pour faire autant de calculs que l'ordinateur le plus rapide d'aujourd'hui peut en faire en une heure. Mais alors que leurs capacités et leur portée ont augmenté, les superordinateurs d'aujourd'hui consacrent encore une grande partie de leur capacité à l'armement et à la météo. Ses contributions à la conception de la bombe atomique ajoutent peu à la vie quotidienne, au-delà d'un courant sous-jacent de peur. Mais son travail sur la météo dans les centres de prévision du monde entier a des applications pratiques presque partout.
Des recherches de la Banque mondiale et d'autres organisations évaluent les avantages de la prévision numérique du temps (nwp) à 162 milliards de dollars par an. Tout agriculteur moderne ou commandant militaire peut attester de son succès. Il est également perçu dans la vie de tous les jours. Aucun smartphone n'est sans icônes qui évoquent le soleil, la pluie, le vent ou les nuages. Décider de laisser le parapluie à la maison sur les conseils d'un météorologue n'est plus forcément un triomphe de l'espoir sur l'expérience.
L'application de l'apprentissage automatique et d'autres formes d'intelligence artificielle (IA) rendra les choses encore meilleures. Les superordinateurs utilisés pour le nwp calculent la météo des prochains jours en fonction des conditions actuelles, des lois de la physique et de diverses règles empiriques ; le faire à haute résolution consomme des calculs par milliers de milliards avec une facilité ridicule. Désormais, les systèmes d'apprentissage automatique formés simplement à partir de données météorologiques passées peuvent plus ou moins correspondre à leurs prévisions, du moins à certains égards. Si les progrès de l'intelligence artificielle sont un guide, ce n'est que le début.
De plus, dans certains cas, l'approche de l'intelligence artificielle semble capable de révéler des aspects du comportement météorologique que la prévision météorologique ne peut pas atteindre par le seul calcul. Et les coûts réduits de l'intelligence artificielle attireront de nouveaux entrants dans le secteur de la météo. On peut s'attendre à ce qu'ils apportent des produits parfaitement adaptés aux besoins des clients et des idées nouvelles qui ouvrent de nouveaux marchés.
Il y a trois choses à faire pour tirer le meilleur parti des possibilités. L'une consiste à veiller à ce qu'une saine concurrence n'érode pas l'infrastructure de base. Les agences principalement gouvernementales qui dominent la PNT consacrent beaucoup d'efforts à assimiler les observations du monde entier dans les représentations cohérentes du temps nécessaires à leurs modèles. Les coûts de ce travail peuvent être supportés par la vente de prévisions de grande valeur sur des marchés spécialisés.
Pour faire de leur mieux, les IA devront s'entraîner sur les données de ces représentations. Mais ce meilleur travail sapera presque certainement certains des produits des prévisionnistes actuels. Par conséquent, un modus vivendi doit être trouvé qui permet aux nouveaux opérateurs d'être généreux avec les données dont ils ont besoin pour former leurs IA, sans trop laisser les pronostiqueurs actuels hors de la boucle. Ne pas le faire pourrait compromettre les systèmes méticuleux qu'ils utilisent pour transformer l'observation et le calcul en ensembles de données sur lesquels les IA et le monde s'appuient, du moins pour le moment.
La deuxième chose à faire est de combiner IA et calculs numériques pour faire face au changement climatique. Pour le moment, il n'est pas possible d'exécuter des modèles climatiques avec la résolution utilisée pour les prévisions météorologiques. Le nouveau matériel en cours de construction pour les systèmes d'IA pourrait aider (le fabricant de puces Nvidia est intéressé). Et l'intelligence artificielle pourrait également être utilisée pour rechercher des modèles dans les projections produites par ces modèles, les rendant plus informatifs, et comme une interface qui rend leurs idées plus accessibles aux non-experts.
Avant que cela ne devienne un problème, un meilleur accès est nécessaire ici et maintenant. En 2019, la Commission mondiale sur l'adaptation a signalé que donner un avertissement 24 heures à l'avance d'un événement météorologique destructeur pourrait réduire les dommages de 30 %, et qu'un investissement de 800 millions de dollars dans des systèmes d'alerte précoce pour les pays en développement pourrait éviter des pertes annuelles comprises entre 3 000 et 16 milliards de dollars. Par conséquent, l' Organisation météorologique mondiale a fait de « l'alerte précoce pour tous » d'ici 2027 sa priorité. Son directeur, Petteri Taalas, soutient que, compte tenu du fait que trois habitants de la planète sur quatre possèdent un téléphone portable, il est scandaleux que seulement la moitié de leurs pays disposent de systèmes qui les informent des catastrophes.
Comment sauver des vies
Aucune percée majeure n'est nécessaire, juste un investissement modeste, une planification détaillée, un débat ciblé et une volonté politique suffisante pour surmonter les inévitables barrières institutionnelles. Ce n'est pas un effort dans la tradition prométhéenne des éleveurs maniaques ; il ne mettra pas le feu au monde ni ne façonnera la façon dont il brûle déjà. Mais cela devrait sauver des milliers de vies et des millions de moyens de subsistance.
© 2023, The Economist Newspaper Limited. Tous les droits sont réservés.
Continuer à lire: