BitcoinWorld
Google DeepMind ouvre l’accès au jeu de données mondial de précipitations par IA PARDIG
Google DeepMind a ouvert l’accès à PARDIG le 13 novembre, indiquant que les chercheurs et les développeurs peuvent désormais utiliser son système d’IA pour estimer les précipitations dans le monde entier, à partir de données historiques remontant à 1999. Comme le rapporte CryptoSlate, cette annonce présente le jeu de données comme un outil de suivi des inondations et des sécheresses dans les régions où les stations météorologiques au sol et la couverture radar sont peu nombreuses.
PARDIG de Google DeepMind estime les précipitations mondiales toutes les 15 minutes sur une grille d’environ 10 kilomètres. Google affirme que sa capacité de détection est supérieure de plus de 30 % à celle du jeu de données IMERG-Final de la NASA pour les précipitations faibles à modérées, mais les données quasi en temps réel sont fournies par lots de six heures, avec un délai moyen d’environ cinq heures. Faits clés
PARDIG estime les précipitations toutes les 15 minutes sur une grille mondiale d’une résolution d’environ 10 kilomètres, à partir d’observations satellitaires et de données atmosphériques.
Google affirme que le système a obtenu une capacité de détection horaire des précipitations supérieure de plus de 30 % à celle du jeu de données IMERG-Final de la NASA pour les précipitations faibles à modérées.
Les archives historiques des précipitations remontent à 1999, tandis qu’un jeu de données distinct couvre la période allant de 2016 à aujourd’hui. Les deux sont publiés sous une licence Creative Commons autorisant la réutilisation commerciale avec attribution.
Les estimations quasi en temps réel sont publiées par lots de six heures comprenant 24 images, avec un délai d’environ deux à huit heures et un retard moyen d’environ cinq heures au moment de leur publication.
Google classe PARDIG comme expérimental et précise qu’il ne constitue ni une observation officielle, ni une prévision, ni une alerte.
Comment PARDIG estime les précipitations sans stations au sol
Le système apprend à partir des mesures des précipitations recueillies par le satellite de la NASA Global Precipitation Measurement, puis utilise des images satellitaires supplémentaires et des données atmosphériques pour produire des estimations à l’échelle de la planète. Cette approche diffère de la surveillance conventionnelle, qui repose largement sur les stations météorologiques au sol, et permet à PARDIG de générer des données pour les océans et les régions où les réseaux d’observation sont peu denses.
DeepMind a indiqué avoir évalué le système en le comparant aux réseaux de radars des États-Unis, d’Europe et du Japon, ainsi qu’aux observations de plus de 36 000 stations météorologiques dans le monde. Son article de recherche faisait également état d’une meilleure détection des épisodes de fortes précipitations, que les jeux de données mondiaux existants peuvent avoir du mal à saisir avec précision.
L’entreprise a cité les inondations de juillet 2025 dans la région de Texas Hill Country comme exemple, en comparant les estimations de PARDIG aux mesures des radars au sol et au jeu de données existant de la NASA sur les précipitations. Les informations sur les précipitations générées par PARDIG contribuent également à l’entraînement du modèle de prévision WeatherNext 3 de Google.
Le délai de cinq heures et les autres limites
Une résolution temporelle fine ne signifie pas une diffusion immédiate. PARDIG produisant des estimations toutes les 15 minutes, Google les publie par lots de six heures : au moment de la publication, l’image la plus ancienne d’un lot date donc d’environ huit heures, et la plus récente d’environ deux heures. Avec un délai moyen d’environ cinq heures, les services d’urgence ne peuvent pas considérer ce jeu de données comme un substitut en temps réel aux alertes météorologiques officielles.
Google reconnaît également que le système peut sous-estimer les chutes de neige dans les régions montagneuses et qu’il est moins fiable dans certaines zones polaires. Ces lacunes sont mentionnées dans sa documentation.
Pourquoi c’est important
Les données sur les précipitations orientent les décisions en matière d’agriculture, de gestion de l’eau, d’assurance et d’intervention en cas de catastrophe. Or, ces données ont historiquement été rares dans les régions où les infrastructures météorologiques sont les moins développées. La licence Creative Commons de Google lève un obstacle courant pour les entreprises et les chercheurs qui souhaitent créer des outils de surveillance à partir de ces estimations, même si elle ne résout pas le problème du délai de publication. Le gain de performance de >30 % par rapport à la référence de la NASA, s’il est confirmé par un examen indépendant, offrirait aux chercheurs un outil plus précis pour étudier les crues soudaines, les glissements de terrain et les périodes de sécheresse prolongées.
Ce jeu de données paraît également à une époque où la recherche sur la météorologie et le climat fondée sur l’IA connaît un essor rapide. La comparaison avec des références publiques établies comme IMERG-Final donne aux chercheurs un moyen concret d’évaluer cette nouveauté plutôt que de prendre les affirmations marketing pour argent comptant.
Les points à surveiller
Une validation indépendante permettra de déterminer si l’avantage de DeepMind par rapport aux références résiste à une comparaison avec les propres jeux de données de la NASA dans des conditions opérationnelles. Pour évaluer si PARDIG peut contribuer à accélérer les interventions en cas de catastrophe, il faut examiner le calendrier de diffusion documenté par Google, et non la fréquence des estimations. La décision de Google de sortir ou non PARDIG de son statut expérimental aura également une incidence sur la manière dont les organismes officiels utiliseront ses résultats.
Foire aux questions
Qu’est-ce que PARDIG ?
PARDIG est le système mondial de surveillance des précipitations de Google DeepMind, fondé sur l’IA. Il combine des observations satellitaires et des données atmosphériques pour estimer les précipitations toutes les 15 minutes sur une grille d’environ 10 kilomètres.
Quelle est la précision de PARDIG par rapport aux données de la NASA sur les précipitations ?
Google DeepMind affirme que PARDIG a obtenu une capacité de détection horaire des précipitations supérieure de plus de 30 % à celle du jeu de données IMERG-Final de la NASA pour les précipitations faibles à modérées. Le système a été évalué à l’aide des réseaux de radars des États-Unis, d’Europe et du Japon, ainsi que des observations de plus de 36 000 stations météorologiques.
Pourquoi PARDIG ne peut-il pas encore servir à émettre des alertes aux inondations en temps réel ?
Bien que les estimations soient produites toutes les 15 minutes, Google publie les données quasi en temps réel par lots de six heures, avec un délai d’environ deux à huit heures et un retard moyen d’environ cinq heures. Google qualifie également le système d’expérimental et indique aux utilisateurs de se fier aux alertes officielles.
Les données de PARDIG peuvent-elles être utilisées à des fins commerciales ?
Google a publié sous une licence Creative Commons autorisant la réutilisation commerciale avec attribution, d’une part, les archives historiques remontant à 1999 et, d’autre part, le jeu de données couvrant la période de 2016 à aujourd’hui.
Cet article Google DeepMind lance PARDIG, son jeu de données mondial sur les précipitations fondé sur l’IA, a d’abord paru sur BitcoinWorld.
