ECMWF AIFS

De la physique à l'apprentissage

Pendant soixante-dix ans, prévoir le temps a voulu dire résoudre les équations de la physique des fluides sur un supercalculateur. En 2022, trois prépublications venues d'en dehors des services météorologiques ont ébranlé cette idée : FourCastNet de NVIDIA en février, Pangu-Weather de Huawei en novembre et GraphCast de Google DeepMind en décembre. Les trois étaient des réseaux de neurones entraînés sur ERA5, la réanalyse du temps passé produite par l'ECMWF lui-même, et les trois affirmaient rivaliser avec l'IFS, le modèle physique de l'ECMWF, sur de nombreux scores pour une infime fraction de son coût de calcul.

L'ECMWF a répondu en faisant tourner ces modèles extérieurs en temps réel à partir de ses propres analyses, et en construisant le sien : l'Artificial Intelligence Forecasting System, ou AIFS. Une première version a tourné en mode expérimental dès octobre 2023 à environ 1 ° ; en février 2024, elle est passée à environ 0,25 ° et à l'architecture à base de transformer qu'elle garde aujourd'hui. Elle repose sur Anemoi, un cadre logiciel libre lancé en 2024 par l'ECMWF et plusieurs services météorologiques nationaux européens pour entraîner de tels modèles sur leurs propres données.

AIFS Single v1, la version déterministe (une seule prévision par run), est devenue opérationnelle le 25 février 2025, aux côtés de l'IFS et non à sa place. L'ECMWF a annoncé des gains allant jusqu'à 20 % sur les modèles physiques pour certaines mesures, dont la trajectoire des cyclones tropicaux, pour environ 1 000 fois moins d'énergie par prévision. La version 1.1 a suivi le 27 août 2025, surtout pour supprimer des taches de pluie parasites, nées d'un lien non physique que le réseau avait appris entre l'humidité du sol et les précipitations. Une version d'ensemble, AIFS ENS, est devenue opérationnelle le 1er juillet 2025.

AIFS Single v2 est entrée en service le 12 mai 2026, en même temps que le cycle 50r1 de l'IFS. Son architecture n'a pas changé, mais elle a été affinée sur deux années d'analyses récentes de plus, a gagné un niveau à 10 hPa dans la stratosphère et, pour la première fois à l'ECMWF, prévoit les vagues et l'enneigement par un réseau plutôt que par un modèle physique. Le même jour, l'ECMWF a cessé de faire tourner les modèles expérimentaux extérieurs, son propre AIFS ayant pris leur place.

Un réseau qui a appris l'atmosphère

L'AIFS ne résout aucune équation. Il a appris, sur des décennies d'états passés de l'atmosphère, comment un état devient le suivant six heures plus tard. À partir de l'état actuel et de celui d'il y a six heures, il prédit l'état six heures plus loin ; puis il réinjecte sa propre prévision et recommence, pas après pas, jusqu'à 15 jours. Cet enchaînement s'appelle l'autorégression, et toute erreur commise tôt se reporte sur les pas suivants.

Le réseau a trois parties. Un encodeur, réseau de neurones sur graphe à attention (un mécanisme qui laisse chaque point peser ce que lui disent ses voisins), rassemble les 542 080 points de la grille N320, distants d'environ 31 km, sur une grille cachée plus grossière d'environ 40 000 points. Un processeur, un transformer dont l'attention travaille par fenêtres glissantes sur cette grille cachée, fait avancer l'atmosphère de six heures ; la description publiée lui donne 16 couches. Un décodeur, autre réseau sur graphe, ramène le résultat sur la grille de 31 km.

Ce qui entre et sort est une image compacte de l'atmosphère : géopotentiel, température, vent et humidité sur 14 niveaux de pression de 1000 à 10 hPa, plus des champs de surface comme le vent à 10 m, la température à 2 m, la pression au niveau de la mer, l'eau totale de la colonne et la température et l'humidité de deux couches de sol. Certaines sorties sont seulement prédites, jamais réinjectées : les précipitations, le vent à 100 m, la nébulosité, le rayonnement solaire et, depuis la v2, onze variables de vagues comme la hauteur significative, la période et la direction.

L'entraînement se fait en deux phases. Le réseau est d'abord pré-entraîné sur ERA5 de 1979 à 2022, puis affiné sur les analyses opérationnelles de l'ECMWF (2018 à 2024 pour la v2), en enchaînant plusieurs pas pour qu'il apprenne à contenir sa propre dérive et à coller aux analyses actuelles, plus fines. Un entraînement a pris environ une semaine sur 64 processeurs graphiques. Le réseau est noté sur une erreur quadratique moyenne pondérée, et ce choix explique son principal défaut : quand il hésite, l'erreur est la plus faible s'il prédit la moyenne des issues possibles, si bien que ses champs se lissent avec l'échéance.

Quatre runs par jour, en quelques minutes

L'AIFS ne lit pas d'observations : aucune n'a servi à l'entraîner, aucune n'entre dans un réseau. Chaque run part de l'analyse de contrôle de l'IFS, la meilleure estimation de l'état présent de l'atmosphère que l'ECMWF construit par 4D-Var, une méthode qui ajuste la trajectoire d'un modèle physique pour coller à des millions d'observations de satellites, d'avions, de navires, de bouées et de stations sur une fenêtre de temps. Cette analyse, faite sur une grille d'environ 9 km, est ramenée sur la grille de 31 km de l'AIFS. L'AIFS dépend donc entièrement du système physique et de son réseau d'observations pour son point de départ.

La prévision elle-même tourne sur des processeurs graphiques en quelques minutes : la description du système publiée en 2024 annonce environ deux minutes et demie pour 10 jours sur un seul processeur, là où l'IFS occupe une large part d'un supercalculateur. Cette rapidité est à l'origine de l'économie d'énergie d'un facteur 1 000 que cite l'ECMWF. Les runs partent à 00, 06, 12 et 18 UTC et produisent un état toutes les 6 heures jusqu'à 15 jours.

La sortie, calculée sur la grille N320, est publiée en GRIB2 sur une grille régulière de 0,25 ° sur le serveur de données ouvertes de l'ECMWF dès que chaque prévision est produite, sans le délai qui s'appliquait autrefois. Elle est diffusée sous licence Creative Commons CC BY 4.0, qui permet la redistribution et l'usage commercial à condition de citer l'ECMWF. Les poids entraînés du réseau sont publiés aussi, sous la même licence, si bien que quiconque dispose d'un processeur graphique peut faire tourner l'AIFS.

Son frère AIFS ENS produit 51 prévisions à la fois, 50 membres perturbés et un contrôle, sur la même grille de 31 km et jusqu'aux mêmes 15 jours. Il est entraîné avec le score de probabilité classé continu (CRPS), un score qui récompense un ensemble de prévisions dont la dispersion correspond à l'incertitude réelle, si bien que ses membres restent nets au lieu de se fondre en une moyenne lisse. Saily WR utilise AIFS Single, pas l'ensemble.

Le lire en mer

Là où l'AIFS excelle, c'est l'image à grande échelle plusieurs jours à l'avance : où seront les dépressions et les anticyclones, quand un front arrivera, de quel côté partira un cyclone tropical. L'évaluation de l'ECMWF a trouvé des scores en altitude meilleurs d'environ 10 % que l'IFS dans la majeure partie de la troposphère et des erreurs de trajectoire des cyclones nettement plus faibles. Pour une traversée océanique, où choisir sa route revient surtout à choisir un système météo à exploiter ou à éviter, c'est l'information qui compte.

Sa faiblesse, c'est la force du vent. Comme il a appris à minimiser une erreur moyenne, il lisse : les pics de vent sont émoussés, les gradients serrés adoucis, et l'effet croît avec l'échéance. L'ECMWF note que l'AIFS produit en moyenne des cyclones tropicaux moins intenses que l'IFS. Dans un coup de vent, près d'un cyclone ou le long d'un front marqué, lisez sa vitesse de vent comme probablement trop faible, et son calendrier et sa position comme la partie utile.

À environ 31 km et avec un état toutes les 6 heures, il ne voit rien de ce qui se passe près des terres : ni brise de mer, ni accélération autour d'un cap, ni dévent derrière une île, ni ligne de grains. Un front qui passe entre deux pas n'est connu que par ce qui se passe avant et après lui. Pour la navigation côtière ou une décision qui se compte en heures, un modèle régional à maille fine en dit bien plus.

Son meilleur usage est celui d'un second avis à côté de l'IFS. Les deux partent exactement de la même analyse, donc quand ils divergent, la différence vient des seuls modèles, ce qui signale proprement une prévision incertaine. Quand l'AIFS, l'IFS et un modèle d'un autre centre comme le GFS s'accordent sur une route, la confiance est forte ; quand l'AIFS est seul à diverger, regardez s'il ne fait pas simplement lisser un phénomène que les autres gardent net.

L'AIFS dans Saily WR

Saily WR télécharge chaque nouveau run d'AIFS Single depuis les données ouvertes de l'ECMWF dès sa publication, quatre fois par jour, sur la grille de 0,25 ° : le vent à 10 m, en composantes est-ouest et nord-sud, toutes les 6 heures jusqu'à 15 jours. Comme le modèle est mondial, chaque route a sa version AIFS, où qu'elle parte et où qu'elle arrive.

La route par isochrones est naviguée selon la polaire de votre bateau dans ce vent, interpolé dans l'espace entre les points de grille et dans le temps entre les pas de 6 heures. Elle est tracée à côté des routes des autres modèles qui couvrent la même zone, dont l'IFS, si bien qu'un écart entre les routes AIFS et IFS montre d'un coup d'œil où les deux prévisions divergent. Le courant et l'évitement des terres que vous choisissez s'y appliquent exactement comme aux autres.

Attendez-vous à une route lisse issue d'un vent lisse : la route AIFS zigzague rarement après une rafale locale, et dans le vent fort elle peut être optimiste sur le confort du passage. La page Données montre en direct sur quel run de l'AIFS l'application se trouve et jusqu'où il porte.