Microsoft met en open source PBC, un outil d'IA qui corrige les biais des modèles météo

Des chercheurs de Microsoft ont publié le 14 octobre 2026 dans la revue Nature un article décrivant la correction probabiliste des biais (Probabilistic Bias Correction, PBC), une méthode d'apprentissage automatique qui, selon eux, rend les prévisions météorologiques à deux à six semaines plus précises. L'entreprise a publié l'outil en open source. Parmi les coauteurs figurent des chercheurs du MIT, du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) et d'autres institutions.

Les prévisions issues des systèmes traditionnels fondés sur la physique comme des modèles d'IA plus récents tendent à perdre en fiabilité au-delà de deux semaines. Plutôt que de construire un nouveau modèle de prévision autonome, l'équipe de Microsoft a choisi de corriger les erreurs déjà intégrées aux modèles existants, une approche qu'elle espère voir séduire les services météorologiques aux budgets limités.

Cibler les biais systématiques

Tous les modèles de prévision reposent sur des approximations pour combler les lacunes, comme les zones disposant de peu de stations météorologiques ou les processus atmosphériques que les scientifiques ne maîtrisent pas encore totalement. Ces contournements peuvent se transformer en biais systématiques, et les erreurs s'accentuent à mesure que l'horizon de prévision s'allonge. PBC utilise l'apprentissage automatique pour détecter ce biais et le corriger. Lester Mackey, chercheur principal chez Microsoft Research New England, cite à titre d'exemple le changement climatique : un modèle entraîné sur des données historiques peut sous-estimer les températures d'un monde en réchauffement.

Selon les chercheurs, PBC a amélioré un modèle physique de référence du CEPMMT pour 98 % des cibles de précipitations et 92 % des cibles de températures. Dans l'analyse de l'étude, la méthode a également doublé la précision du nouveau système de prévision par IA du CEPMMT. Le centre avait déjà salué ce travail lors de sa compétition AI Weather Quest, avant la publication. Matthew Chantry, responsable stratégique de l'apprentissage automatique au centre, a accueilli favorablement l'idée tout en tempérant : « transformer des idées en réalité [dans] un processus opérationnel constitue une étape des plus difficiles. »

Assez légère pour les petits services météorologiques

Les prévisions fondées sur la physique reposent sur des superordinateurs, et l'IA générative sur des GPU puissants, mais Mackey affirme que PBC peut fonctionner uniquement sur des CPU. Les besoins de calcul importants empêchent depuis longtemps de nombreux services des économies en développement d'adopter de nouvelles techniques de prévision. La coauteure Genevieve Flaspohler soutient qu'étant donné que le modèle est léger et facile à entraîner, des scientifiques sans ressources importantes peuvent l'adapter à leurs propres régions.

Genevieve Flaspohler a travaillé sur PBC en tant que stagiaire chez Microsoft et dirige désormais l'organisation à but non lucratif Rhiza Research, qui collabore avec l'Autorité kényane des services météorologiques, avec un financement de la Fondation Gates, pour tester si l'IA peut améliorer les alertes précoces. PBC figure parmi les méthodes évaluées avant une saison des pluies qui devrait être plus extrême lors d'un El Niño record. Ces travaux placent Microsoft aux côtés de Google, Nvidia et d'autres acteurs qui développent des outils d'IA pour la prévision météorologique.