« Nous avons créé nos propres modèles météorologiques à haute résolution »

« Nous avons créé nos propres modèles météorologiques à haute résolution »
« Nous avons créé nos propres modèles météorologiques à haute résolution »

À quels défis les entreprises sont-elles aujourd’hui confrontées en matière de données et de prévisions météorologiques ?

L’un des principaux défis à relever est le volume de données météorologiques disponibles. Ces données proviennent de diverses sources telles que les stations météorologiques, les satellites, les radars, les avions et les véhicules. De plus, il existe plus de 100 modèles météorologiques différents qui produisent des prévisions quotidiennes, ce qui rend difficile l’organisation et le stockage de toutes ces informations. La gestion et l’utilisation de ces grands ensembles de données nécessitent des ressources informatiques importantes. Un autre défi consiste à fournir ces données aux utilisateurs finaux. Une tâche complexe qui concerne les grandes entreprises, telles que les sociétés énergétiques mondiales, qui ont besoin de mises à jour fréquentes d’énormes ensembles de données pour leurs opérations.

Comment Meteomatics est-il passé de la fourniture de drones météorologiques, Meteodrones, à la fourniture de prévisions météorologiques ?

La météomatique s’est initialement concentrée sur l’utilisation de drones pour collecter des données météorologiques, en particulier dans la moyenne et la basse atmosphère, là où les stations météorologiques au sol traditionnelles ne peuvent pas aller. En développant notre technologie Météodrone, nous avons réalisé que pour exploiter pleinement les données collectées, nous avions besoin de meilleurs modèles météorologiques. C’est ainsi que nous avons créé nos propres modèles météorologiques à haute résolution. Aujourd’hui, nos clients souhaitent avant tout des prévisions précises. Que nous utilisions des drones ou des modèles avancés, notre objectif est de fournir des données fiables.

Utilisez-vous à la fois vos propres données et celles de tiers pour développer vos modèles météorologiques ?

Oui, nous utilisons une combinaison des deux. Nous collectons de nombreuses données ouvertes, disponibles gratuitement, ainsi que des données achetées, telles que des informations satellitaires et radar auprès des institutions météorologiques nationales. Nous combinons ensuite ces données tierces avec nos propres mesures.

Pour traiter toutes ces données, vous avez construit votre propre centre de données avec des superordinateurs. Pourquoi avoir choisi cette solution plutôt qu’une infrastructure dans le cloud ?

Nous avons décidé de construire notre propre centre de données afin d’avoir un contrôle total sur le processus. C’est devenu pour nous un atout stratégique important, car il nous permet d’opérer de manière indépendante. L’une de nos principales forces réside dans la modélisation météorologique à haute résolution que nous réalisons à l’aide de nos superordinateurs. Nous sommes actuellement les seuls au monde à utiliser un modèle météorologique à haute résolution pour l’ensemble de l’Europe, avec une résolution d’un kilomètre. Ceci est particulièrement important pour de nombreux cas d’utilisation. Par exemple, les compagnies aériennes s’appuient souvent sur plusieurs modèles météorologiques qui peuvent fournir des prévisions contradictoires, créant ainsi confusion et inefficacité. Notre modèle global pour toute l’Europe résout cette préoccupation.

Pourriez-vous nous en dire plus sur les techniques utilisées pour développer votre modèle météo ? L’intelligence artificielle est-elle impliquée ?

Nous avons développé notre propre algorithme. Notre modèle fonctionne sur un million de lignes de code, résolvant des équations physiques et mathématiques complexes pour obtenir des prédictions haute résolution. Les détails les plus fins sont pris en compte, tels que les flux de vent influencés par les températures de surface et d’autres facteurs atmosphériques. L’IA joue principalement un rôle dans l’assimilation des données. Bien que nous proposons des modèles météorologiques basés sur l’IA, nous pensons que pour les prévisions à court terme, en particulier pour les prochaines 24 à 48 heures, les modèles numériques traditionnels présentent des avantages significatifs. Les modèles d’IA, comme le logiciel gratuit Graphcast de Google, ne sont pas suffisamment sophistiqués pour fournir le type de prévisions précises à court terme qui sont cruciales pour des secteurs comme la logistique et le commerce des énergies renouvelables.

Comment diffusez-vous les données à vos clients ?

Avec une seule API, nous fournissons un accès complet à tous les types de données : climatiques, prévisionnelles et historiques. Cette configuration permet d’automatiser la récupération des données, en extrayant continuellement de gros blocs d’informations mises à jour sans intervention manuelle. Cet aspect est crucial pour les entreprises, qui préfèrent un système qui s’intègre directement à leurs opérations sans avoir besoin de manipuler manuellement les données.

 
For Latest Updates Follow us on Google News
 

PREV 160 000 logements d’ici 2050 | Montréal veut augmenter le nombre de logements « hors marché »
NEXT que vaut le moteur le moins puissant ?