S’il y a un terme dont on nous rebat les oreilles, c’est bien l’Intelligence Artificielle ! On retrouve cela aussi dans la génération des fichiers Gribs que l’on utilise désormais dans nos logiciels de routage. Et bien ce n’est pas fini, mais le bon coté de la chose, c’est que les résultats sont là.
Vers une nouvelle ère de la prévision numérique
Depuis plusieurs années, le domaine de la prévision météorologique connaît une révolution silencieuse mais profonde, portée par l’essor des modèles basés sur l’apprentissage automatique (machine learning). Des géants technologiques comme Google, Huawei et Nvidia ont développé des modèles de prévision purement guidés par les données, capables de surpasser les grands modèles de prévision numérique du temps basés sur la physique pour de nombreux scores standards (notamment l’erreur quadratique moyenne (RMSE) et le coefficient de corrélation d’anomalie (ACC) pour le géopotentiel à 500 hPa).
C’est dans ce contexte que l’ECMWF (Centre européen pour les prévisions météorologiques à moyen terme) a décidé de développer son propre modèle entièrement piloté par les données : l’AIFS, pour Artificial Intelligence/Integrated Forecasting System.
Genèse
L’ECMWF a entrepris le développement de l’AIFS non pas pour remplacer immédiatement l’IFS, mais pour mieux comprendre et explorer les technologies d’apprentissage automatique sous-jacentes à ces nouveaux modèles. Il s’agissait d’une démarche scientifique et stratégique : maîtriser en interne ces technologies, les évaluer sérieusement et préparer l’avenir de la prévision opérationnelle.
Dès sa première incarnation, l’AIFS a montré des résultats très prometteurs, se plaçant d’emblée dans la catégorie des modèles IA les plus performants, à parité avec les meilleurs modèles externes guidés par les données.
AIFS Single v2 : la version opérationnelle actuelle
La version AIFS Single v2 a été mise en production le 12 mai 2026, succédant à la version 1.1. C’est le modèle opérationnel actuellement utilisé par l’ECMWF.
Déploiement opérationnel
AIFS Single v2 tourne en mode opérationnel : il génère quatre prévisions globales par jour (aux échéances 00, 06, 12 et 18 UTC), sur un horizon de 15 jours avec un pas de temps de 6 heures. Les données de prévision sont accessibles via les plateformes de données ouvertes de l’ECMWF.
Résolution horizontale
La résolution horizontale d’AIFS Single v2 est d’environ 0,25°.
À noter que cette résolution de 0,25° constitue une amélioration sensible par rapport à la première version du modèle, qui opérait à environ 1 degré. Les premières versions montraient déjà qu’une résolution plus fine améliore substantiellement les variables de surface comme la température à 2 m.
Résolution verticale
| Modèle | Niveaux de pression verticaux (hPa) |
|---|---|
| AIFS Single v2 | 10 (nouveau), 50, 100, 150, 200, 250, 300, 400, 500, 600, 700, 850, 925, 1000 |
La version v2 introduit un nouveau niveau de pression à 10 hPa par rapport à la version précédente, permettant une meilleure représentation de la stratosphère. Le modèle couvre ainsi 14 niveaux de pression pour l’atmosphère.
Données d’entraînement et de fine-tuning
Pré-entraînement
Le modèle à été pré-entraîné à l’aide de données couvrant la période 1979–2022, sur 260 000 étapes d’entraînement. Ce jeu de données historique de référence mondial, reconstitue l’état de l’atmosphère depuis plusieurs décennies à partir de toutes les observations disponibles et d’un modèle physique.
Affinage (fine-tuning)
Le fine-tuning de la v2 a été mis à jour par rapport à la version précédente :
- Il repose sur les analyses opérationnelles de l’ECMWF et des analyses couvrant la période 2018–2024, sur 7 900 étapes d’entraînement.
- Cela représente 2 années de données supplémentaires par rapport à AIFS Single v1.1.
Entraînement temporel
Le modèle est entraîné à produire des prévisions de 6 heures. En entrée, il reçoit une représentation de l’état atmosphérique aux instants t−6h et t₀, et prédit l’état à t+6h. Les prévisions à plus longue échéance sont obtenues par itération de ces pas de 6 heures.
Variables d’entrée et de sortie
Le modèle distingue trois catégories de variables :
Variables pronostiques (entrée et sortie)
Ces variables sont à la fois lues en entrée et produites en sortie à chaque pas de temps :
- Niveaux de pression : Géopotentiel (Z), composantes horizontales et verticales du vent (U, V), température (T), humidité spécifique (Q) sur jusqu’à 14 niveaux de pression.
- Surface : Pression de surface (SP), pression au niveau de la mer (MSL), température de surface de la mer (SST), température de peau (SKT), température à 2 m (2T), température du point de rosée à 2 m (2D), composantes du vent à 10 m (10U, 10V), eau totale en colonne (TCW).
- Couches de sol : Humidité volumétrique du sol (VSW) et température du sol (SOT) aux niveaux 1 et 2.
- Vagues (nouveau en v2) : Hauteur significative des vagues (SWH), direction moyenne des vagues (MWD), période moyenne des vagues (MWP), coefficient de traînée avec les vagues (CDWW), et 6 variables de hauteur significative par bandes de période.
Variables diagnostiques (sortie uniquement)
Ces variables sont calculées par le modèle mais ne sont pas réinjectées comme entrée :
- Vitesse verticale
sur tous les niveaux de pression - Humidité spécifique à 50 hPa.
- Composantes du vent à 100 m (100U, 100V), rayonnements solaire et thermique descendants (SSRD, STRD), variables de nuages (TCC, HCC, MCC, LCC), ruissellement (ROWE), chutes de neige (SF), précipitations totales (TP), précipitations convectives (CP).
- Fraction de couverture neigeuse (FSCOV)
Nouveautés de AIFS version2
La version v2 apporte cinq évolutions majeures par rapport à la v1.1 :
- Un composant vagues entièrement nouveau : c’est la première prévision opérationnelle de vagues pilotée par les données de l’ECMWF. Le modèle inclut désormais 11 variables de vagues, couvrant hauteur significative globale, direction, période, coefficient de traînée, et 6 bandes spectrales de période de 10 à 30 secondes.
- Une variable de neige supplémentaire : la fraction de couverture neigeuse (FSCOV) vient enrichir le composant terrestre du modèle.
- Amélioration des vitesses verticales : le paramètre W (vitesse verticale) est passé de variable pronostique à variable diagnostique, améliorant sa représentation physique.
- Meilleure représentation de la stratosphère : l’ajout du niveau de pression à 10 hPa étend la couverture verticale du modèle vers les hautes couches de l’atmosphère.
- Régime d’entraînement enrichi : 2 années de données d’affinage supplémentaires par rapport à la version précédente.
L’AIFS Single v2 représente une étape majeure dans la prévision météorologique opérationnelle mondiale. De manière générale, dès sa première version, l’AIFS montrait des scores de prévision supérieurs à l’IFS sur de nombreux indicateurs standards. Cela le plaçait immédiatement au niveau des meilleurs modèles IA externes. En revanche, pour les variables de surface (comme la température à 2 m) l’AIFS à un degré restait en retrait par rapport à la configuration opérationnelle de l’IFS, un déficit que la montée en résolution a permis de combler en grande partie.
Citations scientifiques
Les travaux associés à l’AIFS font l’objet de plusieurs publications scientifiques :
- Lang et al. (2024) AIFS: ECMWF’s data-driven forecasting system arXiv:2406.01465
- Mise à jour 2025 An update to ECMWF’s machine-learned weather forecast model AIFS arXiv:2509.18994
- Publication 2026 Representing the Surface Ocean in ECMWF’s data-driven forecasting system AIFS arXiv:2604.25559
Sources :
- ECMWF Newsletter N°178, hiver 2024 : « AIFS: a new ECMWF forecasting system » Lang et al.
- Hugging Face ecmwf/aifs-single-2.0 (consulté en juin 2026)
