Modèles Météorologiques IA — AIFS, WeatherNext, GraphCast, Pangu-Weather, Aurora : la révolution de l’intelligence artificielle dans les prévisions
L’intelligence artificielle transforme radicalement la prévision météorologique. Cette année, plusieurs modèles d’IA coexistent avec les modèles physiques traditionnels (IFS, GFS, ECMWF) : ECMWF AIFS Single/ENS v2 (opérationnel depuis 2025-2026), WeatherNext 2 (Google DeepMind, déployé dans Search, Gemini, Maps), GraphCast et GenCast (références de recherche ouvertes), Pangu-Weather (Huawei, déterministe 0,25°), FourCastNet 3 (NVIDIA Earth-2, probabiliste), FuXi-2.0 et FengWu (Shanghai AI Lab), Aurora 1.5 (Microsoft, foundation model Terre), NeuralGCM (Google, hybride physique+IA), MetNet-3 (très court terme), ClimaX (Microsoft/UCLA, adaptable), et Aardvark Weather (Cambridge/Alan Turing/Microsoft/ECMWF, système end-to-end 100% IA).
Cette page propose un panorama actualisé de ces systèmes, avec leur statut (opérationnel, déployé, recherche, prototype), leurs caractéristiques (résolution, échéance, type déterministe/probabiliste), et leurs domaines d’excellence (moyenne échéance, événements rares, nowcasting, climat). Vous y apprendrez pourquoi seuls AIFS Single et AIFS ENS sont exploités opérationnellement par un centre mondial, comment WeatherNext alimente les produits grand public Google, et comment Aardvark Weather peut produire des prévisions mondiales sur un simple ordinateur de bureau avec 1000 fois moins de calcul que les méthodes hybrides. Un guide indispensable pour comprendre la révolution IA en météorologie et distinguer les modèles opérationnels des prototypes de recherche.
Nouveaux modèles météorologiques fondés sur l’IA
Principaux systèmes d’intelligence artificielle appliqués à la prévision mondiale, aux ensembles probabilistes, à la prévision immédiate et à la modélisation du système Terre
Tous ces noms ne désignent pas des modèles opérationnels comparables à l’IFS ou au GFS. Seuls AIFS Single et AIFS ENS sont exploités opérationnellement par un centre météorologique mondial. Plusieurs autres systèmes restent des modèles de recherche, des briques spécialisées ou des technologies intégrées à des services privés. Beaucoup utilisent encore une analyse issue d’un modèle physique comme état initial.
- Opérationnel
- Déployé dans des services
- Recherche / modèle ouvert
- Prototype ou système spécialisé
| Modèle d’IA | Développeur | Type et portée | Statut et repère utile en 2026 |
|---|---|---|---|
| ECMWF AIFS Single v2 Artificial Intelligence Forecasting System · déterministe | ECMWF / CEPMMT · Europe | Prévision mondiale déterministe à moyenne échéance, avec atmosphère, surface et paramètres de vagues | Opérationnel Exploité depuis le 25 février 2025. La version 2 est opérationnelle depuis le 12 mai 2026 et fonctionne en parallèle de l’IFS physique. |
| ECMWF AIFS ENS v2 Version probabiliste de l’AIFS | ECMWF / CEPMMT · Europe | Ensemble mondial probabiliste à moyenne échéance, incluant désormais des paramètres de vagues | Opérationnel Exploité depuis le 1er juillet 2025. AIFS ENS v2 a remplacé la version 1 le 12 mai 2026. |
| WeatherNext 2 Successeur opérationnel des travaux GraphCast et GenCast | Google DeepMind et Google Research | Prévision mondiale probabiliste ; centaines de scénarios produits rapidement et sorties toutes les 6 heures | Déployé dans l’écosystème Google Présenté en novembre 2025, il alimente des fonctions météo de Search, Gemini, Pixel Weather et Google Maps. Les données sont aussi proposées dans Earth Engine et BigQuery. |
| GraphCast Réseau neuronal sur graphes | Google DeepMind | Prévision mondiale déterministe jusqu’à 10 jours, à environ 0,25° | Modèle de recherche ouvert Publié en 2023 et devenu une référence pour l’évaluation des modèles d’IA. Il ne constitue pas à lui seul un service météorologique officiel. |
| GenCast Modèle génératif par diffusion | Google DeepMind | Prévision mondiale probabiliste en ensemble jusqu’à 15 jours, adaptée à l’étude des événements rares | Recherche et code disponible Publié en 2024. Il produit plusieurs scénarios cohérents afin d’estimer les incertitudes, contrairement à une prévision déterministe unique. |
| Pangu-Weather 3D Earth-Specific Transformer | Huawei Cloud | Prévision mondiale déterministe à 0,25°, conçue pour le court et le moyen terme | Modèle de recherche publié Présenté dans Nature en 2023. Son implémentation et ses poids ont été diffusés, notamment pour la prévision globale et le suivi des cyclones tropicaux. |
| FourCastNet Génération actuelle : FourCastNet 3 / FCN3 | NVIDIA Earth-2 et partenaires | Famille de modèles mondiaux rapides ; FCN3 ajoute une prévision probabiliste en grand ensemble | Plateforme de recherche ouverte Le FourCastNet initial date de 2022. FCN3, présenté en 2025, étend la famille aux ensembles et aux échéances allant vers le sub-saisonnier. |
| FuXi Famille FuXi, FuXi-ENS, FuXi-S2S et FuXi-2.0 | Shanghai Artificial Intelligence Laboratory | Système mondial en cascade jusqu’à 15 jours ; variantes probabilistes et sub-saisonnières | Famille de recherche FuXi-2.0 ajoute des sorties horaires et davantage de variables utiles à l’énergie, à l’aviation et au maritime. |
| FengWu Modèle multimodal global | Shanghai Artificial Intelligence Laboratory | Prévision mondiale déterministe à moyenne échéance, avec traitement séparé de plusieurs familles de variables | Famille de recherche Le modèle vise une prévisibilité utile au-delà de 10 jours. Des déclinaisons haute résolution et une chaîne d’assimilation IA, FengWu-Adas, ont également été développées. |
| Aurora 1.5 Foundation model du système Terre | Microsoft Research et Microsoft Weather | Prévision météo globale et haute résolution, qualité de l’air, vagues et cyclones ; variantes spécialisées | Modèle ouvert en déploiement Aurora 1.5 étend la version publiée en 2025 à 26 variables, à des pas horaires et à la prévision d’ensemble. Ce n’est pas un modèle national unique comparable à l’IFS. |
| NeuralGCM Neural General Circulation Model | Google Research et collaborateurs | Modèle hybride combinant cœur dynamique physique et réseaux neuronaux, pour météo et climat | Recherche ouverte Disponible en versions déterministe et stochastique. Le code et les poids permettent des expériences allant de la moyenne échéance aux simulations climatiques. |
| MetNet Génération courante documentée : MetNet-3 | Google Research et Google DeepMind | Prévision locale à haute résolution jusqu’à 24 heures pour pluie, température, vent et point de rosée | Intégré à certains produits Google MetNet est spécialisé dans le très court terme et n’est donc pas directement comparable aux modèles mondiaux à 10 ou 15 jours. |
| ClimaX Foundation model pour la météo et le climat | Microsoft Research et UCLA | Modèle généraliste adaptable à la prévision globale ou régionale, au downscaling et à des tâches climatiques | Cadre de recherche ouvert ClimaX est une base à pré-entraîner puis à spécialiser. Il ne fournit pas, sans adaptation, une prévision opérationnelle quotidienne prête à l’emploi. |
| Aardvark Weather Chaîne IA de bout en bout | Université de Cambridge, Alan Turing Institute, Microsoft Research et ECMWF | Assimilation des observations et prévision réunies dans un système entièrement piloté par l’apprentissage automatique | Prototype de recherche Publié en 2025, Aardvark vise à produire des chaînes mondiales ou locales beaucoup plus légères. Il ne s’agit pas encore d’un système opérationnel de prévision publique. |
Mise à jour : informations vérifiées au 10 août 2026. Les résolutions et échéances annoncées correspondent aux configurations publiées ; elles peuvent varier selon la version, les données initiales et le produit diffusé.
Sources principales : ECMWF AIFS · Google WeatherNext · GraphCast · GenCast · Pangu-Weather · FourCastNet 3 · FuXi-2.0 · FengWu · Aurora · NeuralGCM · MetNet-3 · ClimaX · Aardvark Weather
