Avec une explosion de données météorologiques et climatiques que la dernière génération d'outils ne peut pas gérer, l'IA est-elle l'avenir de la prévision ?
La recherche le suggère certainement, et une startup nouvellement financée appelée Brightband tente de transformer les modèles de prévision par apprentissage automatique en une norme à la fois commerciale et open source.
Les techniques actuelles de prévision météorologique et de surveillance du climat reposent sur des modèles statistiques et numériques vieux de plusieurs décennies. Cela ne signifie pas qu'ils sont mauvais ou faux, mais simplement pas particulièrement efficaces. Ces modèles basés sur la physique sont le genre de choses que vous réservez quelques semaines sur un superordinateur.
Mais l'IA a le don de trouver des modèles dans de grands ensembles de données, et la recherche a montré que, lorsque l'IA est formée sur des années de modèles météorologiques et d'observations dans le monde entier, elle peut prédire des événements à venir avec une précision surprenante.
Alors pourquoi n'est-elle pas utilisée partout ?
“La raison de cette lacune est que le gouvernement a du mal à attirer les meilleurs talents, tout comme les compagnies météorologiques, tandis que pour ces entreprises technologiques, la météo n'est pas leur secteur principal. Ils ne vont pas en profondeur dans le domaine et ne travaillent pas avec les acteurs pour leur fournir les outils dont ils ont besoin,” a expliqué Julian Green, PDG et co-fondateur de Brightband (anciennement connu sous le nom de OpenEarthAI). “Nous pensons qu'une startup réunit de grands spécialistes de l'IA, de grands spécialistes des données et de grands spécialistes de la météo. Il y a une réelle opportunité d'opérationnaliser l'IA et de la rendre accessible à tous.”
La startup est en train de concevoir son propre modèle formé sur des années de données d'observations météorologiques, mais Daniel Rothenberg, co-fondateur et responsable des données et de la météo, a rapidement souligné qu'ils “marchent sur les épaules de géants.”
“Les gros modèles basés sur la physique sont des monstres,” a-t-il déclaré. “Mais l'IA bénéficie de ces modèles — le premier saut consistait à en profiter, à trouver que les modèles pouvaient vraiment apprendre ces modèles. Nous construisons dessus et l'étendons. Nous visons à être à la pointe : aussi bien ou mieux que les prévisions météorologiques mondiales disponibles.”
Cela serait également des ordres de grandeur plus rapide, a noté Green. “C'est en quelque sorte la disruption de base : c'est plus rapide et moins cher, ce qui le rend plus adapté aux cas d'utilisation personnalisés et en rapide évolution.”
“Les gens ont des besoins très spécifiques dans différentes industries,” a poursuivi Green. “Les entreprises énergétiques ont besoin de pouvoir prédire l'approvisionnement en énergies renouvelables à partir du vent et du soleil, et de la demande en chauffage et refroidissement ; les entreprises de transport doivent éviter les conditions météorologiques extrêmes ; l'agriculture doit planifier des semaines à l'avance pour embaucher des personnes pour semer, arroser, fertiliser ou récolter.”
Curieusement, la société s'engage à publier ses modèles pour que tout le monde puisse les utiliser.
“Notre objectif est d'ouvrir la capacité de base de prévision, non seulement le modèle mais aussi les données que vous utilisez pour le former, et les métriques que vous utilisez pour l'évaluer, mais le modèle est de proposer en plus des services payants pour des capacités plus spécifiques,” a déclaré Green.
Faire cela signifie notamment inclure (et traiter, et publier) beaucoup de données qui ont été ignorées au profit de bases de données prétraitées.
“Il y a des pétaoctets de données historiques provenant de ballons météorologiques et de satellites qui sont ignorés car ils sont difficiles à manipuler,” a déclaré Rothenberg; mais comme pour la plupart des modèles d'IA, plus les données sont nombreuses, mieux c'est, et une variété soigneusement sélectionnée peut améliorer significativement la qualité de leur production. “Nous pensons vraiment qu'en construisant une communauté autour de cela, nous allons accélérer les choses que nous pouvons faire en termes de compréhension de l'atmosphère et de le faire à grande échelle.”
J'ai suggéré que cela ressemblait presque à ce que le Service météorologique national (qui fournit gratuitement des données d'observation et des prévisions en tant que service public) et d'autres organismes feraient s'ils le pouvaient.
Green a refusé, affirmant qu'ils travaillent en étroite collaboration avec ces organismes et qu'ils sont en effet les gardiens d'un trésor de données important — ce n'est simplement pas le genre de données rapides et portables dont une entreprise orientée vers le consommateur highly responsive a besoin. Il a déclaré qu'ils considèrent cela comme une continuation de la collaboration internationale sur les données météorologiques.
En ce qui concerne la construction réelle du produit: “C'est relativement tôt,” a admis Green. “Nous travaillons là-dessus depuis quelques mois, rien n'est encore en ligne mais nous espérons avoir un modèle d'ici la fin de 2025 qui prend des observations [c'est-à-dire des images satellitaires ou du radar local] et produit une prévision pour elles.”
Brightband est structuré en tant que société d'avantages publics, mais c'est “principalement un signal,” a déclaré Green. “Nous essayons de définir notre mission de manière transparente, en affichant notre cause et en disant 'c'est ce qui nous intéresse faire.' Je pense que les 10 millions que nous avons levés témoignent du fait que nous sommes capables d'attirer du capital.”
Une société d'avantages publics dans ce cas signifie essentiellement que le conseil d'administration doit équilibrer les intérêts des actionnaires avec ceux de la mission déclarée dans certaines circonstances, mais cela ne limite pas les bénéfices ou quoi que ce soit d'autre.
Attendez-vous à un produit lié à la météo avant un produit lié au climat — mais aucun n'a de calendrier précis sauf la démonstration de fin d'année.
Le tour de table de série A de 10 millions de dollars de Brightband a été dirigé par Prelude Venture, avec la participation de Starshot Capital, Garage Capital, Future Back Ventures, Preston-Werner Ventures, CLAI Ventures, Adrien Treuille et Cal Henderson.
