Météo-France est un établissement public à caractère administratif (EPA) chargé du service national de la météorologie et de la climatologie en France. Nous avons posé quelques questions sur la présence de l’I.A. au sein de cette institution. Réponses croisées d’Arnaud Mounier, membre du Groupe de Modélisation et d’Assimilation pour la Prévision (GMAP) au sein du CNRM (Centre National de Recherches Météorologiques), et de Sébastien Delecray, Secrétaire général du syndicat FO Météo.

Le Lien UFR: Comment définiriez-vous l’I.A. au sein de Météo-France ? Les actuels modèles de prévisions sont-ils de l’I.A. ?

Arnaud Mounier: La définition de l’I.A. peut être assez floue. Mais si on fait référence aux I.A. qui ont émergé ces dernières années et qui sont fortement médiatisées, on peut les désigner comme l’ensemble des méthodes qui apprennent directement une tâche à partir d’un jeu de données avec un apprentissage dit « profond ». En partant de cette définition, on ne peut donc pas considérer les modèles de prévisions, qui ont été développés depuis des décennies, comme des I.A.

Sébastien Delecray : Nos modèles sont des modèles physiques avec des équations permettant de prévoir l’évolution des paramètres météorologiques dans le temps.

L’I.A. va se trouver des sortes de corrélations sur un grand nombre de données passées : « Si j’ai ça en entrée, je vais prévoir ça ». L’ennui c’est que les corrélations que vont trouver les modèles d’I.A. ça reste relativement en boite noire... donc à expertiser ce n’est pas évident ! Pas évident de savoir si une I.A. est en train de se planter et c’est bien l’écueil en sciences avec des décisions de sécurité à prendre à la clef…  Un modèle physique on comprend ce qu’il est en train de simuler et l’expertise du prévisionniste  c’est justement de déterminer s’il se plante ou pas.

Un point d’attention également : une I.A. ça a appris sur des données passées … or le climat change avec des phénomènes météorologiques qui donnent ou donneront des intensités de pluie (ou des températures ou autre) que l’on n’a jamais vu auparavant. Aucun problème pour un modèle physique, a priori les équations savent faire, par contre quid d’une I.A. qui n’aurait jamais vu ça auparavant ?

L. L . : Dans quels secteurs d’activité s’applique-t-elle pour le moment et depuis quand ? (Prévisions, climatologie, évolution climatique, administratif, formation, prospective…).

A. M. : Je vais différencier deux aspects différents. Il y a les I.A. génératives (comme chatgpt) qui sont répandues et qui ont un potentiel d’applications comme pour n’importe quelle administration publique ou entreprise pour aider à faire des tâches multiples. Cependant des questions de souveraineté et de sécurité informatique freinent ces déploiements aujourd’hui à Météo-France. Des solutions devraient être trouvées prochainement. Mises à part ces I.A., d’autres sont développées pour répondre à des problématiques spécifiques à la météorologie et à la climatologie. Elles sont très diverses et concernent les différentes étapes de la chaîne de prévision. Par exemple, on peut penser à des I.A. pour savoir à partir des observations s’il va pleuvoir dans l’heure qui vient ou si le brouillard va se lever, ou encore des I.A. pour aider les prévisionnistes à faire face à la masse de données disponible en temps réel pour prendre les meilleures décisions possibles. Météo-France travaille enfin sur un modèle de prévision par I.A. pour produire des prévisions à deux jours à haute résolution.

L. L. : Éprouviez-vous le besoin d’avoir recours à l’I.A., vous a-t-elle été imposée ou s’est-elle imposée d’elle-même ?
 

A. M. : Pour les I.A. spécifiques à la météorologie, je dirais que pour plusieurs applications, elle s’est imposée d’elle-même car elle nous permet de trouver des solutions à des problèmes qu’on aurait du mal à traiter autrement. Dans d’autres cas, elles présentent des performances similaires voire supérieures à l’existant. Cependant, les I.A. restent des boîtes noires. Autrement dit, on ne sait pas répondre précisément à la question « Pourquoi cette I.A. fonctionne bien ? ». Avoir confiance dans les résultats peut donc poser problème comparé aux méthodes existantes qu’on maîtrise mieux. C’est un des défis à relever ces prochaines années pour faciliter le recours à l‘I.A.

S. D. : Si on se sert de l’I.A. pour faire de la science (avec des moyens et des effectifs, parce qu’il ne suffit pas de dire que l’on veut travailler sur le sujet si on n’a pas les bras) on trouvera des applications pertinentes pour améliorer des prévisions, réaliser des études, etc.

L. L. : Améliore-t-elle les performances en termes de qualité, d’analyse, d’évolution professionnelle ? Les moyens déployés sont-ils à la hauteur de vos attentes professionnelles ?

A. M. : Les déploiements opérationnels restent limités, beaucoup sont toujours à l’état de recherche ou de prototype. On peut aussi citer une I.A. pour reconnaître un type d’orage particulier dans les sorties des prévisions météorologiques et qui est disponible en temps réel pour les prévisionnistes. Cette I.A. les aide à mieux anticiper ce type d’orage qui peut provoquer de fortes rafales de vent.

S. D. : Autre exemple : la capacité à indiquer aux prévisionnistes si une webcam voit de la neige au sol (pour les webcams routières c’est très intéressant de savoir si c’est en train de tenir) : ça permet de cibler quelles webcams à checker en priorité (ça ne doit pas marcher dans 100 % des cas mais c’est déjà une aide pour cibler son territoire à l’instant T)

L. L. : Quels avantages l’usager peut-il retirer de l’I.A. à la météo ?

A. M. : On peut espérer une amélioration des prévisions météorologiques dans certains cas. Ces améliorations peuvent aussi concerner ce qu’on appelle la prévision immédiate (pour connaître et alerter si c’est nécessaire sur le temps prévu dans quelques heures). On peut aussi espérer dans certains cas une personnalisation du contenu mais pas dans toutes les productions. Il ne faut, en effet, pas oublier que ces I.A. ont besoin de grandes quantités de données que nous ne possédons pas pour certains domaines.

L. L. : Comment voyez-vous l’avenir de Météo-France, de l’évolution de l’I.A. dans les années à venir.

A. M. : L’I.A. doit aider Météo-France à remplir ses missions de diverses manières. Il faudra veiller à garder notre souveraineté sur ces sujets, ce qui implique une montée en compétence interne. Météo-France doit aussi garder un œil sur ses concurrents, je pense en particulier aux GAFAM* qui ont fait irruption dans le domaine de la météorologie avec l’I.A. Selon comment elle est déployée, l’I.A. pourrait aussi bien être une menace qu’une opportunité pour l’Établissement. Il faut aussi faire attention à ce que l’I.A. n’éclipse pas tous les sujets. Des innovations sans I.A. sont toujours nécessaires et souhaitables. Attention aussi à utiliser l’I.A. quand c’est nécessaire et ne pas la transformer en pur argument marketing. Il y a des problèmes où l’I.A. n’est pas nécessaire et d’autres où elle ne pourra pas nous aider.  Peut-on par exemple envisager une carte de vigilance avec toutes les implications que ça comporte à base d’I.A. ? Je ne le crois pas. 

L. L. : Au niveau des personnels, quelles peuvent être (ou quelles sont déjà) les répercussions en termes d’effectifs, de formations, d’évolution des métiers… ?

A. M. : Il y a effectivement des points de vigilance à avoir sur ce sujet. Tout d’abord sur le volet formation, il est effectivement important de former le personnel à ces techniques que ce soit à l’École Nationale de la Météorologie ou dans des sessions dédiées pour le personnel déjà en poste (formation continue). Il est aussi à mes yeux important de rappeler que l’I.A. n’est bénéfique que si nous sommes toujours capables de porter un regard critique sur les résultats produits. Et pour porter un regard critique, si on se place du point de vue de Météo-France, il faut toujours avoir de solides compétences dans les sciences météorologiques.
 

Continuer à former le personnel à la météo est donc à mes yeux toujours aussi crucial. Mais je crois que si nous arrivons à trouver ce juste milieu, l’I.A. pourrait aider dans certains cas à améliorer les conditions de travail. Il faut donc un vrai accompagnement et ne pas voir l’I.A. comme un moyen de réduire les coûts et les effectifs. Météo-France doit d’ailleurs aujourd’hui mener plusieurs travaux exploratoires sur l’I.A., tout en continuant à travailler sur l’existant, mais avec des effectifs constants et qui ont été drastiquement réduit durant la dernière décennie. On assiste donc à une concurrence entre les sujets à traiter « I.A. » ou « non-I.A. » qui, in fine, n’aide pas à l’acceptation et au développement de ces méthodes dans l’Établissement.

S. D. : Concrètement : dans un début de période de cohabitation des technologies, d’évaluation de l’I.A., de besoin de pas être dépassés par les autres, pour faire les choses correctement ça demande plutôt une hausse des effectifs ! D’autant plus que le sujet n’est pas mature, à ce stade on ne peut pas dire que l’on aurait des outils qui permettent de faire gagner du temps, il faut déjà les développer avant de voir des gains émerger. Je dis ça car il faut se souvenir d’un exemple récent : on nous a supprimé les effectifs (y compris des développeurs) avant même d’avoir fini de développer et tester la chaîne de prévision automatique (mise en à marche forcée en place en novembre 2023). Si on supprime les effectifs avant même une réorganisation, on ne peut pas développer l’outil, et bizarrement on n’arrive pas à boucler le projet, et quand c’est déployé… c’est un crash.
 

Sur l’aspect imposé, on a vu notamment sous les précédents gouvernements (Bayrou entre autres) que le mot I.A. était un mot valise utilisé à tout va notamment en lien avec la dette ! Il était expliqué que la dépense publique pourrait baisser par incantation en invoquant l’I.A. dans les administrations… Ce qui veut dire supprimer massivement des postes. Que ce soit l’I.A. ou toute recherche d’automatisation, comme ça a été le cas récemment, d’un point de vue de l’exécutif c’est la même logique derrière : on automatise, on renvoie des prévis chez eux et… Météo-France supprime 500 postes en 5 ans avec le résultat catastrophique sur la qualité des prévisions de l’hiver 23-24 que l’on a tous vu. Si ça répond à une logique comptable on ira dans le mur.
 

J’ai une confiance limitée vis à vis de l’exécutif d’aujourd’hui ou de demain quant à l’option qui leur parlera le plus. En particulier sur le fait qu’il y a un vrai sujet sur l’I.A. pour ne pas être débordés par les autres et que ça demande des effectifs, des serveurs, etc. Ce sera un enjeu du COP (Contrat d’Objectifs et de Performance) de Météo-France à venir.

L. L. : En ce qui concerne FO Météo, quelle est la position officielle du syndicat sur le sujet ?

S. D. : À Météo-France, on fait de la science : quand il y a un outil qui permet de faire de la science et de probablement obtenir des résultats intéressants pour diverses applications, bien sûr qu’on n’est pas contre.

C’est un sujet du moment sur lequel il y a une compétition, et c’est un sujet supplémentaire pour l’établissement.
 

C’est important stratégiquement de prendre le virage mais ça demande des moyens ! Il ne faut pas oublier qu’on nous a supprimé 1/3 de nos effectifs (et que notre budget actuel est équivalent au budget de Météo-France en… 2012 ! Je te laisse trouver une courbe de l’inflation en 15 ans).
 

Donc faire plus avec beaucoup moins, on a déjà donné et on a atteint nos limites. Et surtout, on craint la logique ultra-libérale qui peut vite venir derrière, qui plus est dans un contexte budgétaire délicat.
 

Et avant de dire que l’I.A. permettra de mettre nos bons vieux modèles numériques sur la touche, il y a encore du temps et surtout des évaluations à effectuer (la science c’est quand même vérifier ce que ça donne avant d’écrire les résultats ; et au passage il me semble que le modèle météo I.A. de Google prend l’analyse modèle numérique en entrée… donc si pas de modèle numérique, certaines IA ne tournent pas).
 

Et enfin, si on ne veut pas tirer une balle dans le pied de nos prévisionnistes, il faut absolument développer un système interprétable et expertisable. Si jamais on a le malheur (ou la stratégie pernicieuse) de produire des boites noires sur lesquelles on ne peut apporter aucune plus-value humaine … je ne te fais pas un dessin de l’avenir du métier de prévisionniste (jusqu’à une crise météo avec un foirage de l’I.A. en boite noire et un petit scandale puisque malheureusement on sait qu’il faut souvent en arriver là avant qu’un effet de balancier ne se produise).