La startup suisse indique que son prévisionniste météorologique AI bat Microsoft, Google

La startup suisse JUA a lancé un prévisionniste météorologique alimenté par l’IA qui, selon lui, bat les principaux modèles de géants de la technologie – en faisant potentiellement le système de prévision météorologique le plus précis au monde.

JUA affirme que son modèle – surnommé EPT-2 – est plus rapide et plus précis que Microsoft’s Aurora et Graphcast de Google Deepmind. En séparation, évalué par les pairs étudesces deux modèles se sont révélés plus précis que les prévisions European Center for Medium-Range Mether Prévisions (ECMWF), largement considérées comme le leader mondial.

Jua soutient ses affirmations audacieuses avec un nouveau rapport, publié aujourd’hui, qui met en tête-à-tête EPT-2 avec des modèles de haut niveau – y compris Aurora et deux des meilleurs: ENS et IFS d’ECMWF.

Selon le journal, EPT-2 est sorti en tête, offrant les prévisions les plus précises dans tous les domaines. Il a battu Aurora sur des variables clés comme la vitesse du vent de 10 mètres et la température de l’air de 2 mètres sur une période de 10 jours, a effectué des prévisions 25% plus rapidement et a affiché les scores d’erreur les plus bas de tous les modèles testés. Jua dit qu’il a réalisé tout cela tout en utilisant 75% de puissance de calcul en moins que Aurora, le deuxième système le plus efficace testé.

La recherche devrait être publiée sur les archives en libre accès Arxiv la semaine prochaine, selon JUA.

Le modèle graphcast de Deepmind n’a pas été inclus dans l’étude. Néanmoins, Marvin Gabler, PDG et co-fondateur de Jua, est convaincu qu’il peut battre toute la compétition.

« Nous respectons des joueurs comme Microsoft Aurora, Graphcast et Tomorrow.io, mais ils sont soit trop lents, trop étroits, ou qui dépendent toujours de l’infrastructure héritée », a déclaré Gabler.

Les prévisions météorologiques basées sur l’IA ont fait des vagues ces dernières années, tirées par la demande de moyens plus précis et moins chers de prédire le climat de la Terre.

Les modèles météorologiques traditionnels, comme ceux de l’ECMWF ou de la NOAA, utilisent des équations de physique complexes fonctionnant sur des superordinateurs d’un milliard de dollars. Les modèles d’IA ignorent les équations, les modèles d’apprentissage à partir d’ensembles de données massifs, faisant potentiellement des prévisions précises des milliers de fois plus rapidement sur des machines beaucoup moins chères et moins à forte intensité d’énergie.

Cependant, Gabler dit que Jua va plus loin que les prévisionnistes précédents basés sur l’IA. « Alors que d’autres modernisent l’IA sur les systèmes hérités, nous avons construit une simulation de physique indigène qui comprend comment l’atmosphère de la Terre se comporte réellement », a-t-il déclaré.

Jua a publié son premier modèle météorologique mondial d’IA il y a trois ans. La startup a depuis collecté un total de 27 millions de dollars en financement auprès de bailleurs de fonds, dont 468 capitaux, Future Energy Ventures et Promus Ventures.