NVIDIA a annoncé le 26 janvier 2026, lors de la réunion annuelle de l’American Meteorological Society (AMS), Earth-2, une suite de modèles et d’outils open source pour la prévision météorologique et climatique. Cette initiative marque un tournant dans la stratégie de l’entreprise : au lieu de vendre uniquement des puces aux centres de calcul, elle fournit désormais toute la couche logicielle nécessaire pour faire tourner des prévisions de pointe sur ses GPU.
L’offre se compose de trois modèles principaux couvrant différentes échelles temporelles (du court terme à 15 jours), accompagnés de bibliothèques et de frameworks pour les adapter. En rendant ces outils accessibles gratuitement, NVIDIA vise à standardiser le développement de modèles climatiques sur son architecture matérielle, créant de fait un standard industriel pour la “météo IA”.
La promesse est double : une accélération drastique des temps de calcul (jusqu’à 1000 fois plus rapide que les simulations physiques traditionnelles) et une démocratisation de l’accès. Des acteurs comme le service météorologique israélien ou TotalEnergies testent déjà ces modèles pour gagner en autonomie et en réactivité, réduisant leur dépendance aux grands centres de calcul mondiaux.
Une famille de modèles pour couvrir tout le spectre temporel
Earth-2 n’est pas un modèle unique, mais une suite articulée autour de trois composants clés. Atlas (Medium Range) assure les prévisions globales jusqu’à 15 jours sur plus de 70 variables atmosphériques, venant concurrencer directement les modèles historiques comme l’IFS européen. StormScope (Nowcasting) se concentre sur l’immédiat : il génère des prévisions locales à très haute résolution (kilométrique) pour les 0 à 6 prochaines heures, ciblant les phénomènes violents comme les orages.
Le troisième pilier, HealDA (Data Assimilation), s’attaque à la tâche la plus lourde : créer l’état initial de l’atmosphère à partir de millions d’observations disparates. Ce processus, qui prenait des heures sur supercalculateur, s’exécute désormais en quelques secondes. L’ensemble est disponible via des canaux standards : GitHub pour le code (earth2studio), Hugging Face pour les poids, et l’interface NIM pour le déploiement optimisé.
De la simulation physique à l’inférence neuronale
Le changement de paradigme est technique autant qu’économique. Traditionnellement, la météo repose sur la résolution numérique des équations de la physique des fluides, une approche extrêmement coûteuse en temps de calcul et en énergie. Earth-2 remplace ces simulations par de l’inférence statistique apprise : les modèles ont “vu” des décennies de météo passée pour prédire la future.
NVIDIA revendique une efficacité énergétique et une vitesse supérieures de trois ordres de grandeur. Cette légèreté permet de multiplier les scénarios : là où un centre classique ne pouvait faire tourner qu’une cinquantaine de simulations pour évaluer les probabilités, Earth-2 permet d’en générer des milliers, affinant considérablement la gestion du risque et des événements extrêmes.
L’écosystème comme levier de standardisation
La stratégie dépasse la simple mise à disposition de modèles. Avec Earth2Studio et PhysicsNeMo, NVIDIA fournit les outils pour que les chercheurs et entreprises construisent leurs propres applications sans repartir de zéro. C’est une logique de plateforme : en contrôlant les briques de base (data loading, entraînement, inférence), l’entreprise s’assure que l’innovation météo se fera sur son stack technologique.
Cette ouverture vise aussi à contrer les initiatives propriétaires comme le modèle GenCast de Google DeepMind. En publiant ses poids et son code sous licence permissive, NVIDIA espère fédérer la communauté académique et industrielle, rendant son écosystème incontournable pour quiconque souhaite développer des services climatiques modernes.
Nouveaux usages pour l’énergie et l’assurance
L’accessibilité de ces outils ouvre le marché à des acteurs non-étatiques. Dans l’énergie, TotalEnergies utilise ces modèles pour piloter ses réseaux électriques et ses parcs renouvelables, anticipant les variations de production avec une précision locale inédite. La capacité de prévoir les tempêtes en temps réel permet de sécuriser les infrastructures plus efficacement qu’avec les bulletins classiques.
Le secteur de l’assurance et de la finance, représenté par des partenaires comme AXA et S&P Global, y voit un moyen de mieux modéliser le risque climatique physique. La rapidité d’exécution permet de simuler des milliers d’années de climat potentiel pour stress-tester les portefeuilles d’actifs face à des événements rares mais dévastateurs.
Souveraineté et déploiement local
L’un des arguments forts d’Earth-2 est la possibilité de déploiement souverain. Le Service Météorologique Israélien et l’Administration Météorologique de Taïwan expérimentent ces modèles pour leurs besoins nationaux. Pour Taïwan, l’enjeu est la prévision précise des typhons ; pour Israël, c’est la capacité à faire tourner des modèles haute résolution sans dépendre d’une infrastructure cloud étrangère ou d’un supercalculateur hors de prix.
Cette approche séduit aussi les instituts de recherche comme le Max Planck Institute, qui peut désormais mener des expériences climatiques à l’échelle planétaire sans les contraintes d’allocation de temps de calcul sur les grands clusters nationaux. C’est une forme de décentralisation de la puissance de prévision.
Ce qu’il faut retenir
NVIDIA transforme la météo en un problème logiciel soluble par l’infrastructure GPU. En fournissant une pile complète et ouverte, l’entreprise ne cherche pas à devenir un service météo, mais à devenir l’architecte indispensable de tous les services météo futurs.
Pour les DSI et les décideurs, cela signifie que la compétence météorologique peut désormais être internalisée et intégrée aux processus métiers (logistique, énergie, assurance) comme n’importe quelle autre brique d’intelligence artificielle, à condition de disposer du matériel adéquat pour l’exécuter.
Sources :