En bref
- WeatherNext 3 promet des prévisions météo plus précises et locales, avec une résolution de 5 km et des mises à jour horaires.
- Grâce aux données satellites en direct, Google DeepMind annonce jusqu’à 50% de précision en plus pour la pluie et la neige.
- Le modèle doit servir à la fois la météo grand public et des secteurs comme l’éolien et le solaire.
Passer d’une maille de 25 kilomètres à 5 kilomètres, ce n’est pas un petit réglage. Avec WeatherNext 3, Google DeepMind promet une météo bien plus fine, mise à jour à l’heure, sur des variables clés comme la température, l’humidité ou la vitesse du vent.
Une météo beaucoup plus serrée dans le détail
Le nouveau modèle succède à WeatherNext 2 avec une ambition assez claire, voir plus précisément ce qui se passe d’un point à l’autre. Ce niveau de détail compte surtout pour des paramètres très instables, comme l’humidité, capable de changer fortement d’un kilomètre au suivant.
Et ce n’est pas juste une question de carte plus jolie. Des prévisions horaires et plus localisées peuvent changer la lecture d’une situation météo, surtout quand les écarts se jouent sur de petites zones.
Le vrai changement, ce sont les données en direct
L’évolution majeure vient de l’entraînement du modèle. Là où les modèles de prévision numérique servent habituellement de base avec un décalage d’environ six heures, Google DeepMind explique que WeatherNext 3 intègre des données satellite en direct.
Le groupe décrit ainsi une vision riche et continuellement actualisée de l’atmosphère. En parallèle, le modèle absorbe aussi des données plus clairsemées issues de stations météo, ce qui l’aide à affiner ses estimations sur des variables qui bougent vite selon le terrain.
La pluie et la neige sont aussi dans le viseur
Sur les précipitations, Google DeepMind avance un gain encore plus visible. En combinant des données de la NASA avec sa propre analyse satellite, l’entreprise dit obtenir des prévisions de pluie et de neige jusqu’à 50 % plus précises.
Le point intéressant, c’est que les progrès seraient les plus marqués dans les régions où les prévisions ont longtemps été moins fiables. Clairement, c’est là que ce genre de modèle est le plus attendu.
Recherche, Maps, Gemini, et même un labo pour tester
WeatherNext 3 doit alimenter plusieurs services de Google, notamment Google Search, l’application Gemini et Google Maps. Le modèle arrivera aussi dans la Google Maps Weather API ainsi que dans Google Earth Engine.
Si vous voulez voir ce que ça donne, Google Weather Lab permet déjà de l’essayer. Et pour aller plus loin, le modèle d’origine WeatherNext est aussi annoncé comme open source depuis août 2026.
Un outil taillé aussi pour l’énergie renouvelable
Google DeepMind met aussi en avant un usage très concret pour les acteurs de l’énergie renouvelable. Le modèle peut prévoir des vents à 100 mètres de hauteur, à peu près le niveau des turbines, afin d’estimer plus précisément la production éolienne.
Il ajoute à cela des données fines sur la couverture nuageuse et le rayonnement solaire, utiles pour les fermes solaires. Bref, la promesse va au-delà de la météo du quotidien.
