# Microsoft Research localise les risques solaires 30 minutes avant > Microsoft Research prévoit les risques de météo spatiale pour 66 935 sous-stations américaines, avec une alerte localisée 30 à 60 minutes avant l'impact. Type : Actualité IA · Catégorie : Outils · Publié le 2026-10-09 · Signal IA - Order & Chaos · Secteur : Industrie Source : https://www.orderchaos.eu/signal-ia/actu/microsoft-research-alerte-le-reseau-avant-les-tempetes-solaires Tags : météo spatiale, réseau électrique, prévision, apprentissage automatique, inference --- ## En résumé - Microsoft Research prévoit le risque géomagnétique de 66 935 sous-stations américaines. - Le système combine les indices AE et Dst avec la géologie locale et la latitude. - Le modèle détecte 76,5 % des événements majeurs et alerte 30 à 60 minutes avant l'impact. **Le signal :** Le modèle de Microsoft Research estime le risque pour 66 935 sous-stations américaines en environ 333 millisecondes. **Microsoft Research prévoit** les risques de météo spatiale sur 66 935 sous-stations du territoire continental américain. Le système fournit des estimations localisées 30 à 60 minutes avant un impact potentiel. Il relie l’activité du vent solaire aux effets magnétiques susceptibles d’affecter les réseaux de transport. Les opérateurs peuvent ainsi examiner un risque associé à un emplacement précis, plutôt qu’une alerte unique pour tout le pays. Le projet a été développé par Rohan Kannan pendant son stage d’été chez Microsoft Research. Il s’appuie sur des données publiques provenant notamment de la NASA, d’INTERMAGNET et de l’US Geological Survey. La tempête géomagnétique de mai 2024 a illustré l’enjeu pour les [infrastructures](/signal-ia/actu/alibaba-accelere-son-offensive-numerique-en-europe) critiques. **La tempête de mai 2024** avait étendu les aurores bien au-delà de leur zone habituelle. Elle pouvait dégrader la précision du GPS et perturber les opérations satellitaires. Les événements spatiaux extrêmes peuvent aussi induire des courants dans les réseaux de transport électrique. Ces courants peuvent endommager certains équipements et accroître le risque opérationnel. L’exposition varie selon plusieurs caractéristiques locales. Une roche résistive peut produire des courants géomagnétiquement induits plus élevés qu’une géologie conductrice. La latitude, l’orientation des lignes et les propriétés du réseau influencent également l’exposition de chaque actif. Le système combine donc les conditions de la tempête avec les caractéristiques propres à chaque sous-station. ## Microsoft prévoit les effets géomagnétiques **Le pipeline relie trois étapes** avant de produire une estimation de risque. Des mesures du vent solaire recueillies au point de Lagrange L1 servent d’abord à prévoir les indices AE et Dst. Les données de localisation et de conductivité géologique sont assemblées pour chaque sous-station. Un modèle de gradient boosting combine ensuite ces variables pour estimer le taux de variation du champ magnétique, appelé dB/dt. Cette mesure est associée au risque de courants induits dans le réseau. Enfin, les prévisions sont converties en risques localisés, puis agrégées en une évaluation à l’échelle continentale. Cinquante agents d’IA ont exploré les variables, les validations et les configurations du modèle. **Les résultats couvrent 2020-2026** et évaluent séparément les prédicteurs AE, Dst et le risque de courants induits. Le prédicteur AE atteint une erreur quadratique moyenne de 410,2 nT et couvre presque toute l’amplitude observée. Le prédicteur Dst atteint 7,2 nT d’erreur quadratique moyenne. Durant les heures de forte activité, il surpasse l’équation de Burton dans 62,2 % des cas. Son intégration avec les prévisions AE améliore de 1,2 point de pourcentage la détection des tempêtes sévères. Pour les courants induits, le système détecte 76,5 % des événements majeurs, 81,2 % des événements sévères et 64,1 % des événements extrêmes. ## Le modèle cartographie 66 935 sous-stations **La sortie reste localisée** grâce à l’intégration de la latitude et de la géologie de chaque sous-station. Elle distingue les emplacements moins exposés des zones où la roche résistive peut amplifier les effets au sol. Une démonstration cartographique présente un scénario de tempête majeure représentatif, et non un événement opérationnel en direct. Pendant l’[inférence](/signal-ia/actu/ai2-analyse-des-continents-en-un-jour-avec-olmoearth) mesurée, le pipeline produit des estimations pour les 66 935 sous-stations en environ 333 millisecondes. Microsoft Research indique que cette rapidité permet d’évaluer de nombreux scénarios. Les opérateurs pourraient utiliser ces informations pour prioriser des analyses techniques ou envisager des actions ciblées, comme l’ajustement des réserves de puissance réactive. **Les prochaines étapes portent** sur la validation avec des services électriques et des données opérationnelles. Le projet prévoit aussi d’examiner des transformateurs temporels afin d’allonger l’horizon actuel de 30 à 60 minutes. Une adaptation à d’autres régions devrait tenir compte de leurs géologies et de leurs topologies de réseau. L’équipe envisage enfin des caractéristiques propres aux actifs pour passer du niveau des sous-stations à celui des équipements critiques. Cette approche s’inscrit dans les travaux de Microsoft Research sur les [réseaux électriques](/signal-ia/actu/microsoft-previent-les-reseaux-avant-les-orages-solaires), notamment [GridSFM](http://github.com/microsoft/gridSFM). Le projet complet est présenté par [Microsoft Research](https://www.microsoft.com/en-us/research/blog/forecasting-space-weather-risks-on-power-grids/), avec Rohan Kannan parmi les auteurs.