Community Trust ScoreVérifié
Google DeepMind a annoncé le 13 novembre que l’accès à PARDIG, un système mondial de surveillance des précipitations propulsé par l’IA, est désormais disponible pour les chercheurs et les développeurs. Cette mise à disposition offre une nouvelle couche de données atmosphériques, combinant des observations satellitaires et d’autres entrées pour estimer les pluies à l’échelle mondiale.
La rubrique Technologie suit le même sujet.
Spécifications techniques et disponibilité des données
Le système génère des estimations de précipitations toutes les 15 minutes sur une grille mondiale avec une résolution d’environ 10 kilomètres. Cette sortie à haute fréquence permet une vue granulaire des modèles de précipitations que les méthodes traditionnelles peuvent manquer. Les données ne sont pas limitées aux masses terrestres dotées de réseaux d’observation denses; PARDIG est capable de générer des estimations sur les océans et dans les régions où les capteurs au sol sont rares.
Les enregistrements historiques au sein du système remontent à 1999. Un jeu de données distinct et plus récent couvre la période de 2016 à nos jours. Les deux jeux de données sont publiés sous licence Creative Commons, qui autorise la réutilisation commerciale à condition d’attribuer la source. Cette structure de licence élimine les obstacles pour les développeurs et les organisations cherchant à intégrer les données dans la surveillance agricole, la gestion de l’eau ou les applications de risque de catastrophe.
Évaluation et indicateurs de performance
DeepMind a déclaré que PARDIG a atteint une capacité de détection des précipitations horaires supérieure de plus de 30 % par rapport au jeu de données IMERG-Final de la NASA pour les pluies légères à modérées. L’évaluation a été menée par rapport aux réseaux de radars aux États-Unis, en Europe et au Japon. De plus, le système a été testé à l’aide d’observations provenant de plus de 36 000 stations météorologiques dans le monde.
Le modèle sous-jacent apprend à partir des mesures de précipitations collectées par le satellite Global Precipitation Measurement de la NASA. Il utilise des images satellitaires supplémentaires et des informations atmosphériques pour affiner ses estimations. L’article de recherche associé à la publication a signalé une identification améliorée des événements de pluie intense. Google a mis en avant les inondations du Texas Hill Country de juillet 2025 comme exemple spécifique, en comparant les estimations de PARDIG avec les mesures radar au sol et le jeu de données de pluie existant de la NASA pour cet événement.
Limites et retards opérationnels
Malgré ses capacités avancées, Google classe PARDIG comme expérimental. Le système présente des limites connues; il peut sous-estimer les chutes de neige dans les régions montagneuses et est moins fiable dans certaines zones polaires. Les utilisateurs sont conseillés de se fier aux agences météorologiques officielles pour les décisions de sécurité publique plutôt que de s’appuyer uniquement sur cet outil expérimental.
Les données en quasi-temps réel sont publiées par lots de six heures. Il y a un délai moyen d’environ cinq heures entre l’observation initiale et la disponibilité des données pour les utilisateurs. Le jeu de données soutient également le modèle de prévision WeatherNext 3 de Google pendant sa phase d’entraînement, indiquant son rôle au sein de l’infrastructure météo plus large de Google.
