L’IA au service du climat local :

zoom sur le modèle météorologique YingLong

Chez aiko, nous croyons fermement que l’IA ne se limite pas aux cas d’usage business classiques — elle a aussi un rôle décisif à jouer dans les enjeux sociétaux et environnementaux. C’est tout le sens de notre démarche AI for Good.

Un exemple marquant vient tout juste de voir le jour avec YingLong, un modèle d’IA conçu pour prédire le temps local plus rapidement et avec une précision inédite.

Un nouveau paradigme pour la prévision météo

Développé à partir de données haute résolution du système HRRR (High-Resolution Rapid Refresh), YingLong est capable de prédire 24 variables météorologiques de surface comme la température, la pression, l’humidité ou encore la vitesse du vent — à une résolution spatiale de 3 km. Cela signifie des prévisions précises pour des zones de 3 km x 3 km, contre des dizaines de kilomètres pour les modèles traditionnels.

Contrairement aux modèles classiques qui nécessitent de résoudre des équations physiques complexes pendant des heures, YingLong s’appuie uniquement sur l’apprentissage à partir des données historiques — un changement de paradigme qui permet un gain de temps considérable sans compromettre la fiabilité des résultats.

“YingLong ne résout pas des équations complexes comme les modèles classiques. Il apprend directement à partir des données passées. C’est comme lui donner une forme d’intuition météorologique.”

— Dr Jianjun Liu, chercheur sur le projet

Pourquoi c’est important?

La prévision météo locale requiert une finesse d’analyse que les modèles nationaux ou globaux ne peuvent pas toujours offrir. C’est ici que les Limited Area Models (LAMs) comme YingLong changent la donne :

•  Gain de temps : Là où les modèles traditionnels nécessitent plusieurs heures, YingLong génère des prévisions locales en un temps réduit.

  
  

•  Précision renforcée : Performances remarquables notamment sur la vitesse du vent, un facteur clé pour les infrastructures, les transports et la gestion des risques naturels.

  
  

•  Action locale facilitée : Les collectivités locales peuvent anticiper les événements climatiques avec plus de confiance et mieux organiser leur réponse (planification, sécurité civile, logistique...).

L’architecture intelligente du modèle

YingLong fonctionne en combinant :

• Des données locales haute résolution (HRRR),

  
  

• Des informations de bordure issues d’un modèle global d’IA, Pangu-Weather,

  
  

• Un recentrage sur une zone intérieure ciblée, pour limiter la charge de calcul tout en maximisant la rapidité.

Il s’agit donc d’un modèle hybride, rapide, efficace et spécifiquement conçu pour répondre aux enjeux locaux.

Et demain ?

Les modèles IA comme YingLong ne remplacent pas encore totalement les modèles météorologiques classiques, mais ils offrent déjà des gains spectaculaires en vitesse, en précision et en accessibilité. C’est exactement le type de solution que nous défendons chez aiko : une IA pragmatique, mesurable, et à impact positif.