Ouragan Isaias : l’IA de Google DeepMind a vu juste là où les modèles classiques se trompaient

Début octobre 2026, l’ouragan Isaias a touché terre près de Destin, dans l’enclave nord-ouest de la Floride, en catégorie 2. Pendant les jours qui ont précédé, les principaux modèles de prévision traditionnels envisageaient une trajectoire plus à l’ouest, vers le sud-est de la Louisiane. Un modèle, pourtant, avait vu juste dès le départ : celui de Google DeepMind, fondé sur l’intelligence artificielle. Dans un reportage publié le 26 octobre 2026, la radio publique américaine NPR raconte comment ces outils sont en train de transformer la prévision des cyclones.

Ce qui s’est passé avec Isaias

Selon NPR, les modèles de prévision classiques ont d’abord orienté Isaias vers la Louisiane, avant que la trajectoire ne se décale vers l’est. Le modèle de Google DeepMind, lui, a placé l’impact sur l’ouest de l’enclave de Floride, le Panhandle, dès ses premières prévisions. Le chercheur Brian McNoldy, de l’université de Miami, résume la performance : le modèle est « parti en tête dès le début ».

Pour les autorités et les habitants, la précision de la trajectoire est décisive. Elle conditionne les ordres d’évacuation, le positionnement des secours, la préparation des hôpitaux et des réseaux électriques. Quelques dizaines de kilomètres d’écart peuvent changer la liste des communes à évacuer.

Comment l’IA prévoit la trajectoire d’un ouragan

Les modèles météorologiques traditionnels, dits physiques, partent de mesures en temps réel, comme la température, l’humidité, la pression ou le cisaillement du vent, et appliquent les équations de la physique de l’atmosphère pour calculer son évolution. Ces calculs demandent des supercalculateurs et plusieurs heures de traitement.

Les modèles fondés sur l’IA procèdent autrement. Ils apprennent à partir de décennies de données atmosphériques et de milliers de tempêtes passées, et repèrent les configurations qui précèdent telle ou telle évolution, sans résoudre directement les équations de l’atmosphère. Une fois entraînés, ils produisent une prévision en quelques minutes, ce qui permet de multiplier les scénarios.

Google DeepMind développe depuis plusieurs années des modèles de prévision, de GenCast, capable de prévoir la météo à quinze jours, à WeatherNext 3, qui propose des prévisions mondiales heure par heure depuis septembre 2026.

Un modèle désormais utilisé par les prévisionnistes officiels

Le Centre national des ouragans des États-Unis, le NHC, a commencé à intégrer le modèle de Google DeepMind à ses prévisions officielles en 2025. À la fin de cette saison, il figurait parmi les plus performants pour prévoir à la fois la trajectoire et la force des tempêtes, selon NPR. Le météorologue Michael Lowry, qui a conseillé l’agence fédérale de gestion des urgences et le NHC, le qualifie de « modèle informatique le plus performant que nous ayons jamais vu ».

Le NHC ne s’en remet pas pour autant à un seul outil. Il combine plusieurs modèles, physiques et fondés sur l’IA, dont celui du Centre européen pour les prévisions météorologiques à moyen terme, l’ECMWF, basé à Reading, au Royaume-Uni. Des prévisionnistes humains interprètent ensuite l’ensemble avant de publier les bulletins officiels. Selon NPR, seuls les modèles de Google DeepMind et de l’ECMWF se sont pour l’instant imposés comme les plus précis parmi les nombreux modèles d’IA météorologique développés ces dernières années.

Un précédent : l’ouragan Melissa en 2025

Isaias n’est pas un cas isolé. En novembre 2025, NPR rapportait déjà que le modèle de Google DeepMind avait été l’un des rares à bien anticiper l’ouragan Melissa, qui avait frappé la Jamaïque fin octobre 2025 : il avait prévu à la fois sa trajectoire et son intensification jusqu’à la catégorie 5, la plus élevée de l’échelle. Une performance d’autant plus remarquable que l’intensité reste, en général, le point faible des modèles d’IA.

Ces succès répétés expliquent la place croissante prise par ce modèle dans le travail des prévisionnistes. Ils ne suffisent pas pour autant à en faire un oracle : une bonne prévision sur quelques tempêtes très médiatisées ne garantit pas la même réussite sur toutes, et chaque saison apporte son lot de configurations inédites.

Comprendre le cône de prévision

Les bulletins du Centre national des ouragans présentent la trajectoire probable sous la forme d’un cône d’incertitude, qui s’élargit avec l’échéance. Ce cône indique où le centre de la tempête a le plus de chances de passer, pas l’étendue des dégâts, qui peuvent toucher des zones bien au-delà. Des modèles plus précis permettent de resserrer ce cône, et donc de mieux cibler les évacuations.

Les limites de l’IA en météorologie

Les spécialistes restent prudents. Le modèle de Google DeepMind s’est montré moins précis sur l’intensité des tempêtes que la prévision combinée du NHC. Or l’intensité, c’est-à-dire la force des vents et le risque de submersion, détermine en grande partie l’ampleur des dégâts. « Chaque tempête présente des défis de prévision différents », rappelle Michael Brennan, directeur du NHC, qui souligne que les erreurs de prévision d’intensité ont été divisées par deux environ depuis l’époque de l’ouragan Katrina, en 2005.

Autre limite : l’IA fonctionne comme une boîte noire. Michael Lowry note que les prévisionnistes ne peuvent souvent pas expliquer pourquoi ces modèles réussissent ou échouent. Leurs résultats peuvent aussi changer fortement d’une version à l’autre, ce qui impose une interprétation humaine attentive. Enfin, de nombreux modèles d’IA météorologique circulent sans avoir fait leurs preuves, et tous ne se valent pas.

Ce que cela change pour la prévision des risques

La saison cyclonique 2026 confirme une tendance amorcée en 2025 : l’IA n’est plus un sujet d’expérimentation en météorologie, elle fait partie des outils de travail des prévisionnistes. Sa rapidité et sa précision sur les trajectoires offrent un gain réel pour anticiper les évacuations et organiser les secours, en particulier dans les régions côtières.

L’enjeu dépasse les États-Unis. Les territoires français exposés aux cyclones, comme les Antilles, La Réunion ou la Nouvelle-Calédonie, bénéficient eux aussi des progrès des modèles mondiaux, partagés entre centres météorologiques. Reste à progresser sur la prévision de l’intensité et sur la compréhension des modèles eux-mêmes, deux conditions pour que la confiance dans ces outils repose sur autre chose que leurs bons résultats passés. Le modèle n’a pas fini d’évoluer, a souligné le directeur du NHC.