L'intelligence artificielle va-t-elle vite remplacer l'expertise humaine pour établir les prévisions météo en France ?
Que peut apporter l'intelligence artificielle (IA) à la météo ? Alors que Météo-France l'utilise déjà, les modèles d'IA sont-ils plus performants que les modèles classiques ? L'IA peut-elle remplacer l'expertise humaine ?

Alors que nos sociétés sont en pleine révolution avec l'intelligence artificielle (IA), celle-ci touche aussi les domaines de la météo et de l'étude du climat avec de nouvelles perspectives scientifiques. Les prévisions météo vont-elles vraiment s'améliorer grâce à l'IA ? L'expertise humaine aura-t-elle encore un intérêt dans les années à venir ?
Les apports de l'IA pour la météo
Météo-France, service public national, est déjà un acteur majeur de l'IA, d'abord parce que la capacité des méthodes d'IA à apprendre des relations complexes et à agir rapidement est parfaitement adaptée à la météorologie et au climat. Dans ces domaines, les processus qui entrent en jeu sont complexes et s'appuient en effet sur de grandes quantités de données (stations météo, satellites, radars…).
Météo-France présente MeteoNet, un jeu de données météorologiques conçu pour aider la recherche et l'innovation grâce à l'Intelligence Artificielle.
— Météo-France (@meteofrance) February 28, 2020
Objectif : faciliter l'accès à des données météorologiques d'archives produites par Météo-France.
️ https://t.co/BQDjfsyBkW pic.twitter.com/Mh3AosGxEb
L'IA permet donc d'abord de traiter plus rapidement l'info météo, de rendre plus rapide la production des prévisions (y compris dans les modèles actuels) et de services, grâce à sa grande puissance de calcul. Cela permet à Météo-France de mieux remplir ses missions de service public pour la sécurité des personnes et des biens et plus largement pour l'adaptation au changement climatique.
Météo-France a été précurseur dans l'utilisation de l'IA. Depuis 2021, le "Lab IA", a été créé, laboratoire dédié à l'IA afin de développer de nouvelles applications. En 2024, un premier démonstrateur français de prévision météo de fine échelle, avec une résolution horizontale de 1,3 km, a été mis en place, grâce à une IA dont l'apprentissage s'est fait à partir des données du modèle météo Arome.
Des interventions de l'IA dans la prévision météo existent donc déjà, pas seulement en métropole : le produit "Espresso", développé par le "Lab IA" de Météo-France, permet aussi d'estimer les précipitations en temps réel sur les territoires d'outre-mer, à partir d'images satellites, en l'absence de radar. Un processus utilisé pendant le passage du cyclone Chido à Mayotte.
Quelles performances pour les modèles d'IA ?
Les performances des modèles basés sur l'IA dépendent de la qualité et de la quantité des données fournies pour leur apprentissage. Aujourd'hui, l'IA montre un très fort potentiel pour des prévisions de grande échelle comme les cyclones ou les dépressions hivernales, mais n'est pas encore suffisamment précise pour la petite échelle (verglas, quantité de pluie, vent, turbulences pour les avions).
Culture IA
— BFM IA (@BFM_IA) May 22, 2025
️ Aurora, le modèle d'IA de @Microsoft surpasse à son tour les prévisions météo traditionnelles
️ @LeaGenerative pic.twitter.com/IAfebhuuoS
Météo-France développe en ce moment le premier modèle français de prévision météo à échelle régionale fondé sur l'IA. Une IA qui peut faciliter le travail des prévisionnistes, pour synthétiser les données ou proposer des ébauches de bulletins météo. Dans les données de prévisions, l'IA peut aujourd'hui repérer des phénomènes météo dangereux comme les orages puissants.
Certes, les modèles de prévisions basés sur l'IA viennent compléter la prévision numérique traditionnelle issue des modèles à base physique comme Arome, Arpege ou ECMWF. Mais l'interprétation des résultats par les prévisionnistes va continuer, ce qui apportera une valeur ajoutée aux prévisions et facilitera l'aide à la décision en cas de phénomène dangereux.
L'IA enrichit aussi la production d'information climatique à l'échelle régionale, en venant en complément des outils de modélisation climatique actuels. Enfin, puisque certaines modélisations du climat coûtent cher (notamment lorsqu'il s'agit de représenter certains processus physiques), des algorithmes fondés sur de l'IA peuvent avantageusement les remplacer. L'IA n'a pas fini de nous étonner…
Référence de l'article :
Météo-France. Intelligence artificielle et météo : où en est-on ?