Les prévisions océaniques, qui englobent les vagues, les courants, les températures de surface ou encore la salinité, sont devenues un terrain d’innovation majeur grâce à l’émergence de modèles basés sur l’intelligence artificielle (IA). Ces outils, souvent plus rapides et parfois plus précis que les modèles numériques traditionnels, s’appuient sur des montagnes de données historiques et des algorithmes sophistiqués pour anticiper l’évolution des océans. À l’heure où le changement climatique accentue les phénomènes extrêmes en mer, ces avancées technologiques ne sont pas un luxe, mais une nécessité.
Commençons par LangYa, un modèle chinois qui a fait des vagues fin 2024. Développé par l’Institut d’Océanologie de l’Académie chinoise des sciences à Qingdao, LangYa 1.0, dévoilé lors du Forum Ocean AI en décembre, promet des prévisions globales de haute précision sur sept jours. Température, salinité, courants : il couvre les variables essentielles de l’état océanique avec une résolution spatiale de 1/12° (environ 9 km à l’équateur) et une résolution temporelle quotidienne. Entraîné sur des données ERA5 et des observations locales, il intègre des algorithmes IA avancés à des connaissances océanographiques pointues. Selon Wang Fan, directeur de l’institut, sa précision surpasse nombre de modèles traditionnels pour les prévisions à court et moyen terme. La version 2.0, en cours de développement, ambitionne d’ajouter typhons, vagues et glace de mer, avec des tests prévus pour fin 2025. Si LangYa brille par sa couverture globale, son accès reste limité hors de Chine, et ses performances réelles en conditions extrêmes restent à confirmer sur le terrain.
Direction le Canada avec Forecast AI, lancé par MarineLabs en juillet 2024. Ce modèle se distingue par son approche hyperlocale, taillée pour les côtes. Entraîné sur des données de capteurs en temps réel – vents, vagues, photos à 360° – issues d’un réseau de bouées nord-américaines, il combine ces observations avec des modèles tiers pour prédire les conditions jusqu’à sept jours. Une étude menée entre décembre 2023 et février 2024 sur la côte est canadienne a montré des résultats bluffants : sur 182 quarts de huit heures, Forecast AI a été 23 % plus fiable qu’un modèle public pour détecter des seuils de vagues critiques, avec des erreurs moyennes 50 % inférieures sur 32 sites testés. Accessible via la plateforme CoastAware, il vise les ports et les marins, comme à Halifax, où il optimise sécurité et logistique. Son défaut ? Une portée géographique encore restreinte, dépendante de son réseau de capteurs.
Aux États-Unis, FourCastNet de NVIDIA, bien connu pour la météo atmosphérique, s’aventure aussi dans l’océanique. Introduit en 2022 et affiné depuis, ce modèle basé sur des « vision transformers » prédit des variables comme la température de surface (SST) ou la hauteur des vagues sur 10 jours, en moins de deux minutes sur un GPU. Entraîné sur ERA5, il excelle dans les simulations globales rapides, avec une résolution de 0,25°. Une analyse de 2023 a montré qu’il rivalise avec les modèles physiques pour les SST, avec une précision proche de 75 % sur les grandes tendances océaniques. Mais pour les détails locaux – courants côtiers ou vagues dans les fjords – il manque encore de finesse, un point soulevé par des océanographes dans Ocean Dynamics en 2024.
Un autre joueur américain, Aurora de Microsoft, lancé en 2024, va plus loin en intégrant des prévisions océaniques à une vision plus large. Présenté à l’EGU, il prédit non seulement les vagues et les SST sur 10 jours, mais aussi les flux de carbone ou la pollution marine, en quelques secondes sur un GPU. Entraîné sur des données satellites et terrestres massives, il a brillé lors de la tempête Ciarán en novembre 2023, captant des vagues extrêmes mieux que certains modèles IA concurrents. Avec une précision de 74 % sur les variables clés, selon Microsoft, il se positionne comme un outil pluridisciplinaire. Son ouverture au public, prévue pour 2025, pourrait démocratiser son usage, mais sa complexité demande des ressources informatiques conséquentes, un frein pour les petites structures.
En Asie, Pangu-Weather de Huawei, sorti en 2023, touche aussi l’océanique, bien que ce soit secondaire à son focus météo. Sa structure 3D, qui modélise les interactions entre atmosphère et océan, prédit les SST et les courants sur sept jours en quelques secondes. Lors de tests sur des typhons en mer de Chine, il a réduit l’erreur de trajectoire de 12 % par rapport à HRES, selon Nature. Sa rapidité et sa légèreté – un seul GPU suffit – en font un atout, mais il reste déterministe, sans scénarios probabilistes, et ses prévisions océaniques sont moins détaillées que celles de spécialistes comme LangYa.
Enfin, côté européen, l’AIFS de l’ECMWF, opérationnel depuis 2023, commence à intégrer des variables océaniques dans ses prévisions globales. Basé sur des réseaux neuronaux graphiques, il utilise ERA5 et des données IFS pour prédire SST et courants à une résolution de 1°, avec des ambitions de passer à 0,25° d’ici 2026. En 2024, il a montré une précision supérieure à l’IFS classique pour les SST sur des périodes de 15 jours, selon des tests sur OpenCharts. Son évolution vers des prévisions d’ensemble et son couplage avec des observations directes (bouées, satellites) en font un projet prometteur, mais il est encore en rodage pour rivaliser avec les ténors océaniques purs.
Ces modèles partagent une force commune : leur vitesse. Là où les modèles numériques traditionnels, comme ceux du Mercator Océan français, exigent des heures sur des supercalculateurs, ces IA livrent en minutes, voire en secondes. Une étude d’arXiv (janvier 2024) sur les « Three Large Rules » note qu’ils surpassent souvent les prévisions physiques en efficacité computationnelle, avec des erreurs réduites de 20 à 50 % sur les grandes échelles. Mais ils ont leurs failles : dépendance aux données historiques, difficulté à modéliser des phénomènes locaux complexes (tourbillons, upwellings), et un manque d’interprétabilité qui inquiète les océanographes. Comme le souligne Fenghua Ling dans cet article, l’avenir réside dans une hybridation IA-physique, déjà esquissée par des projets comme AIFS.
En mer, ces outils changent la donne. Ports, pêcheurs et climatologues y voient des moyens d’anticiper tempêtes, migrations de poissons ou montée des eaux. A ce jour, aucun ne règne en maître absolu : LangYa excelle globalement, Forecast AI domine localement, et Aurora vise l’interdisciplinarité. La course est lancée, et les océans, plus que jamais, ont besoin de ces sentinelles numériques.
