Après le lancement de modèles à destination des voitures autonomes et la robotique, Nvidia se penche sur la météorologie avec la famille de modèles Earth-2. Open source, ils sont capables de générer des prévisions climatiques à l'échelle mondiale et avec une précision kilométrique. La famille Earth-2 comprend plusieurs LLM spécialisés. Ainsi, Nowcasting aide à produire des prévisions à très court terme, allant de zéro à six heures. Il s’appuie sur des données d’images satellitaires à haute résolution et s’adresse par exemple aux opérateurs de réseau qui doivent anticiper des évènements climatiques comme les tempêtes, les inondations, les sécheresses,...

Le modèle Medium Range est conçu pour les prévisions sur 15 jours. Il est le plus complet en intégrant pas moins de 70 variables comme la température, la pression, l’humidité, les vents,… Enfin, Global Data Assimilation adresse la problématique des conditions initiales, c’est-à-dire l’ensemble des données atmosphériques nécessaires en aval de la prévision météorologique. Auparavant, ce travail nécessitait des heures de calcul. Nvidia souligne que ses modèles proposent une bonne précision tout en étant 1000 fois plus rapides et beaucoup moins énergivores que les outils traditionnels.

Une forte concurrence

Pour développer et valider ses modèles, l'entreprise s’appuie sur des partenariats avec des institutions scientifiques de premier plan, comme le Max Planck Institute for Meteorology (MPI-M) et l’Allen Institute for AI (Ai2). Le MPI-M utilise la plateforme pour simuler, pour la première fois, le climat mondial à l’échelle du kilomètre, tandis qu’Ai2 se concentre sur des applications ciblant les phénomènes météorologiques extrêmes à l’échelle locale. 

La société s’inscrit toutefois dans un paysage concurrentiel déjà bien structuré. Google développe WeatherNext2, un modèle IA propriétaire capable de produire des prévisions météorologiques rapides et détaillées jusqu’à plusieurs jours d’avance. La filiale Deepmind n’est pas en reste avec des projets comme GraphCast et GenCast dans ce domaine. Enfin, il ne faut pas oublier IBM avec Graf (global high-resolution atmospheric forecasting) qui travaille sur le sujet depuis plusieurs années.