En tête de l'AI Weather Quest organisé par le Centre européen pour les prévisions météorologiques à moyen terme, le modèle de fondation météorologique Tianji d'Envision établit une nouvelle référence mondiale pour les prévisions fondées sur l'IA physique

SHANGHAI, 30 octobre 2026 /PRNewswire/ — Envision, un chef de file mondial des technologies vertes, a annoncé aujourd’hui que son modèle de fondation météorologique, Tianji, mis au point de manière indépendante, avait obtenu la première place à la dernière édition de l’AI Weather Quest, une compétition de prévision météorologique basée sur l’IA, organisée par le Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT). Tianji a surpassé près de 20 équipes parmi les meilleures du monde, s’adjugeant la première place pour tous les indicateurs évalués : variable moyenne, température proche de la surface, pression moyenne au niveau de la mer et précipitations pour la fenêtre de prévision de 19 à 25 jours.

L’AI Weather Quest évalue les modèles au moyen de prévisions et de vérifications continues en temps réel, en analysant la persistance de leur efficacité dans diverses conditions météorologiques. Au-delà de l’horizon de prévision à moyen terme de 15 jours, la compétition se concentre sur les prévisions probabilistes de la température moyenne hebdomadaire et de la pression moyenne au niveau de la mer, ainsi que des cumuls de précipitations hebdomadaires, pour les jours 19 à 25. Les températures et les précipitations sont évaluées sur des cellules de grille principalement recouvertes de terre, tandis que la pression moyenne au niveau de la mer est évaluée à l’échelle mondiale. La compétition met l’accent sur la capacité à anticiper les conditions météorologiques hebdomadaires et leur incertitude plusieurs semaines à l’avance. Les équipes soumettent leurs prévisions chaque semaine, et les organisateurs les évaluent par rapport aux conditions météorologiques réelles enregistrées par la suite, en mettant à jour publiquement le classement.

Cette victoire fait suite à une série d’excellents résultats obtenus par Tianji, tels qu’un classement au plus haut niveau dans l’évaluation mondiale WeatherBench 2, à égalité avec le modèle WeatherNext2 de Google, et la première place au classement général dans la trajectoire de prévision déterministe du programme de démonstration des modèles d’IA de prévision météorologique, organisé par le Centre météorologique national de Chine. Tianji a également démontré sa valeur dans le secteur de l’énergie, remportant la première place dans la compétition de prévision de charge par IA de State Grid et dans la compétition commerciale de la China Southern Power Grid. Avec ce dernier résultat, Envision démontre de nouveau la capacité de Tianji dans l’ensemble de la chaîne, de la prévision à court terme à la prévision subsaisonnière.

« Les prévisions subsaisonnières, allant de deux semaines à deux mois, constituent l’une des plus grandes difficultés de la météorologie », déclare Robert Zheng, responsable du modèle de fondation météorologique Tianji d’Envision. « Plus l’horizon est lointain, plus l’incertitude quant aux changements atmosphériques est grande, et plus le modèle doit être capable de repérer l’évolution des tendances météorologiques. En nous appuyant sur les années d’expérience pratique d’Envision dans le domaine des nouvelles énergies, nous avons mis au point le premier modèle météorologique au monde combinant physique et IA, qui exploite des données à haute définition spatio-temporelle, à l’échelle des pétaoctets, et un réseau de données tridimensionnelles “espace-air-sol” pour fournir des prévisions fiables sur toutes les échelles de temps. »

Optimisé par le calcul à haute performance, Tianji propose des prévisions à court terme rapides mondiales avec une précision considérablement améliorée en ce qui concerne la vitesse du vent et le rayonnement solaire dans des régions stratégiques. Couvrant des échelles de temps allant des prévisions à court terme à la minute près à l’évaluation des tendances subsaisonnières, il propose des renseignements météorologiques de bout en bout pour la surveillance en temps réel et la planification à long terme.