Le Centre national des ouragans des États-Unis (NHC) a basé une grande partie de ses alertes sur l'ouragan Isaias sur un modèle d'intelligence artificielle de Google DeepMind, qui a localisé avec précision l'entrée du cyclone en Floride alors que les prévisions traditionnelles le situaient à des centaines de kilomètres plus à l'ouest, près de la Louisiane.
Isaias, le premier ouragan de la saison atlantique 2026, a touché terre près de Destin, en Floride, dans la nuit du 9 octobre en catégorie 2, avec des vents soutenus de 169 km/h. Le phénomène a fait au moins quatre morts et a coupé l'électricité à plus de 670 000 utilisateurs en Floride, en Alabama et en Géorgie.
Trois jours avant l'impact, les modèles physiques traditionnels, comme le européen ECMWF et l'américain GFS, situaient l'entrée de l'ouragan près de la Louisiane ou du Mississippi. Le système de Google, appelé WeatherNext Cyclones, a indiqué dès le premier bulletin une trajectoire plus à l'est, vers la Floride, selon les alertes du NHC.
« Chaque tempête présente ses propres défis de prévision », a expliqué Michael Brennan, directeur du NHC, à NPR. Le responsable a déclaré que l'organisme combine des modèles d'intelligence artificielle et traditionnels dans une approche de consensus avant d'émettre ses alertes officielles.
Quelle précision a eu l'intelligence artificielle de Google
Google DeepMind a affirmé que son modèle a maintenu la localisation projetée du débarquement dans une marge de 60 kilomètres jusqu'à trois jours avant l'impact, selon une publication de la société. Il a également anticipé, avec plusieurs jours d'avance, qu'Isaias deviendrait un ouragan majeur, ce que les modèles physiques avaient sous-estimé.
Une analyse de la société HurriLab, citée par le météorologue Michael Lowry, a révélé que les modèles physiques traditionnels ont situé l'entrée de l'ouragan avec plus d'un jour de retard, avec des erreurs de trajectoire plus du double de la moyenne des cinq dernières années. Le modèle de Google a prédit l'heure du débarquement avec une marge de quelques heures seulement.
« Les modèles d'intelligence artificielle sont une boîte noire : nous ne savons pas pourquoi ils réussissent ni pourquoi ils échouent », a averti Lowry, météorologue basé à Miami, dans un entretien avec NPR. Il a ajouté que le système de Google « s'est imposé ces dernières années comme le modèle de référence » pour la prévision des ouragans.
Quel était le point faible de l'intelligence artificielle
Malgré la précision sur la trajectoire, la prévision officielle du NHC a surpassé celle de Google DeepMind en matière de calcul de la force de l'ouragan. Selon Brennan, l'organisme a obtenu une précision supérieure de 20 % à 40 % pour estimer l'intensité d'Isaias, qui a atteint la catégorie 3 avec des vents de 193 km/h avant de s'affaiblir près de la côte.
Brennan a souligné que le modèle de Google n'a pas bien performé dans la prévision de la trajectoire de l'ouragan Simon, dans le Pacifique oriental. L'équipe du NHC partage régulièrement ses observations avec la société pour corriger ces erreurs.
Cet échange, selon Lowry, a permis en à peine un an des améliorations équivalentes à dix ans d'avancées dans les modèles traditionnels. Le NHC a commencé à intégrer le modèle de Google dans ses prévisions officielles en 2025.
Pendant cette première saison, l'erreur moyenne de trajectoire à 72 heures du modèle de Google était de 123 km, contre 151 km pour la prévision officielle du NHC et 190 km pour le modèle physique européen ECMWF, selon le rapport de vérification cité par l'institut spécialisé Horizon Search Institute.
Une étude publiée cette année dans la revue Nature, signée par des chercheurs de Google DeepMind ainsi que par des prévisionnistes du NHC, a évalué plus de deux cents cyclones tropicaux dans le monde. Elle a révélé que le système offre en moyenne un jour d'avance supplémentaire par rapport aux modèles opérationnels traditionnels pour la trajectoire et l'intensité.
La saison des ouragans de l'Atlantique s'étend jusqu'au 30 novembre et continuera de servir de banc d'essai pour comparer les performances des modèles d'intelligence artificielle par rapport aux systèmes physiques utilisés par le NHC depuis des décennies.