# Google lance WeatherNext 3 pour prévoir la météo à 5 km > Google DeepMind lance WeatherNext 3, un modèle météo qui prévoit pluie, vent et température à 5 km, avec des prévisions horaires. Type : Actualité IA · Catégorie : Outils · Publié le 2026-09-04 · Signal IA - Order & Chaos · Secteur : Industrie Source : https://www.orderchaos.eu/signal-ia/actu/google-deepmind-anticipe-la-pluie-a-5-km-pres Tags : google, météo, prévisions, deepmind, énergie, gemini --- ## En résumé - Google DeepMind intègre WeatherNext 3 dans Search, Maps et Gemini. - Le modèle prévoit certaines variables météo avec une résolution de 5 kilomètres. - WeatherNext 3 améliore de 60 % les prévisions de pluie par rapport à son prédécesseur. **Le signal :** WeatherNext 3 améliore de 60 % ses prévisions de pluie par rapport à WeatherNext 2 et descend jusqu'à 5 km de résolution. **Google [DeepMind](/signal-ia/actu/gemini-api-de-google-agents-ia-vers-une-revolution-mcp) lance** WeatherNext 3, un modèle d’intelligence artificielle consacré aux prévisions météorologiques. Google Research a annoncé sa sortie le 4 septembre 2026. Le système doit alimenter des informations météo visibles dans Search, Google Maps et Gemini. Il sera aussi accessible aux utilisateurs et aux chercheurs sur les plateformes informatiques en nuage de Google. Samier Merchant, ingénieur principal chez Google, explique que certaines variables centrales alimenteront pour la première fois plusieurs produits Google. WeatherNext 3 a obtenu la meilleure précision parmi plusieurs modèles évalués avec [Operational WeatherBench](https://owb.brightband.com/), un outil de comparaison développé par Brightband. L’évaluation couvre notamment la température, la vitesse du vent et l’humidité. **Le modèle dépasse** plusieurs concurrents issus de [Google](/signal-ia/actu/google-deepmind-gemini-robotics-2-bouscule-la-robotique), Microsoft, Nvidia et du Centre européen pour les prévisions météorologiques à moyen terme. Il dépasse également des prévisions traditionnelles du service météorologique national américain et du Centre européen. Les systèmes classiques utilisent des supercalculateurs publics pour résoudre des équations décrivant la physique atmosphérique. Ces outils sont devenus très précis, mais ils restent coûteux et relativement lents. Les chercheurs en apprentissage profond ont commencé à exploiter les données météorologiques publiques libérées par le Centre européen en 2018. Leur objectif consiste à produire rapidement des prévisions d’une précision comparable. Ferran Alet, chercheur chez DeepMind, décrit la météo comme un phénomène chaotique dépendant de petites variations. ## WeatherNext 3 affine les prévisions **La résolution atteint** 5 kilomètres pour plusieurs variables clés, contre une couverture habituelle de 15 à 25 kilomètres pour les modèles d’intelligence artificielle. WeatherNext 3 améliore aussi ses résultats sur la pluie de 60 % par rapport à WeatherNext 2. Le modèle produit désormais des prévisions horaires, alors que le rythme standard reste fixé à six heures. Google indique que WeatherNext 3 contient 2,4 fois plus de paramètres que son prédécesseur. Ses concepteurs ont ajusté les sorties du décodeur pour fournir des réponses plus utiles. Le système peut également viser des stations météo précises. Daniel Rothenberg, spécialiste de l’atmosphère chez Brightband, cite notamment la station de l’aéroport de Denver. **Les données satellites** arrivent directement dans le modèle chaque heure. Cette alimentation permet à WeatherNext 3 de produire des prévisions plus fréquentes. Google présente son système comme le premier modèle météorologique d’intelligence artificielle à intégrer directement des observations brutes dans une [prévision](/signal-ia/actu/nvidia-earth2studio-orchestre-huit-previsions-meteo) mondiale à haute résolution. WindBorne affirme toutefois que WeatherMesh 6 utilise déjà des observations brutes provenant de ballons météo et d’autres sources depuis la fin de 2025. Google répond que ses prévisions offrent une résolution mondiale supérieure. Les deux modèles dépendent encore de jeux de données météorologiques nationaux. Une assimilation entièrement directe des données demande donc des travaux supplémentaires. ## Google étend les usages météo **Les agences météorologiques** européennes et américaines utilisent déjà des modèles d’intelligence artificielle dans leurs produits de prévision. Leur rapidité et leur coût réduit pourraient améliorer l’accès aux prévisions dans des régions moins équipées en capteurs et en supercalculateurs. Bill Gates a récemment présenté les prévisions météo assistées par intelligence artificielle comme un bénéfice important de cette technologie. Il a associé de meilleures prévisions à l’amélioration des rendements agricoles dans les pays en développement. Ferran Alet estime que des informations plus précises sur le vent, la pluie et la couverture nuageuse pourraient rendre les projets d’énergies renouvelables plus fiables. Google prévoit d’intégrer progressivement WeatherNext 3 dans ses services destinés aux utilisateurs.