AI4HEDGE est le modèle de prévision météorologique globale de Weather'n'Co, développé dans la continuité d’AI4VIGIL. Nous privilégions l’assimilation globale, en soi le même point d’entrée qu’un centre de prévision numérique pour initialiser le modèle.
AI4HEDGE ne rejoue pas le temps passé pour apprendre le futur. Le réseau de neurones est pensé pour ingérer le même flux d’observations globales qu’un centre de prévision numérique opérationnel, puis pour produire à partir de cette analyse, une prévision multi-échéances à l’échelle planétaire.
Une chaîne courte entre l’observation globale et la prévision : assimilation opérationnelle, inférence par réseau de neurones, sortie multi-échéances comparée aux modèles IA de référence.
La plupart des modèles IA de prévision globale actuels s’appuient tout ou partie sur des jeux de réanalyse des reconstructions rétrospectives, homogénéisées, produites après coup à partir d’un modèle et d’un schéma d’assimilation figés, ERA5 étant la référence aujourd'hui la plus utilisée et demain ERA 6. AI4HEDGE explore une autre voie : "repartir directement de l’assimilation globale opérationnelle, celle qui alimente réellement les centres de prévision avec une profondeur d’assimilation qui varie sensiblement d’une architecture à l’autre. C’est une hypothèse de travail, pas un acquis : elle sera évaluée par le benchmark comparatif présenté ci-dessous. "
Les observations satellite et autres sont assimilées en continu dans une analyse globale. Le même type d’entrée qu’un modèle de prévision numérique opérationnel, plutôt qu’une réanalyse rejouée après coup.
Le cœur du modèle apprend les lois statistiques d’évolution de l’atmosphère à l’échelle planétaire, dans la lignée des architectures actuelles.
Chaque version est confrontée aux modèles IA de référence :
Prudence de méthode. La supériorité d’une entrée par assimilation opérationnelle sur une entrée par réanalyse n’est pas démontrée a priori : elle dépend des variables, des échéances et des régions considérées. C’est précisément l’objet du benchmark comparatif ci-dessous.
Modèles numériques d’ensemble mondiaux, déjà utilisés en interne pour l’évaluation des incertitudes.
Modèles à aire limitée / haute résolution mobilisés pour le downscaling et la validation locale.
Modèles IA globaux de référence, benchmarkés en continu face à AI4HEDGE.
AI4HEDGE se positionne par rapport à l’état de l’art. Voici les 3 modèles suivis en priorité pour le benchmark : architectures et données d’entrée. AI4HEDGE se positionne par rapport à l’état de l’art. Voici les 3 modèles suivis en priorité pour le benchmark : architectures et données d’entrée.
Système de prévision par IA du centre européen ECMWF, en production opérationnelle depuis le 25 février 2025 - Premier modèle IA à couverture complète (vent, température, précipitations…) exploité en routine par le centre de météorologie européen.
Premier modèle IA opérationnel de DWD, en production depuis le 2 mars 2026,
Famille de modèles intégrée au cœur du système météo de Google Search, Gemini, Pixel Weather, Maps Platform Weather API avec une variante expérimentale typée cyclone (Weather Lab).
| Modèle | Organisation | Données d’entrée | Architecture | Statut |
|---|---|---|---|---|
| AIFS | ECMWF | ERA5 + affinage sur analyse opérationnelle IFS | GNN + Transformer | Opérationnel (depuis 02/2025) |
| AICON | DWD | Dataset DWD propre (ICON-DREAM) | GNN encodeur–processeur–décodeur | Opérationnel (depuis 03/2026) |
| WeatherNext 2 | Google DeepMind | Non communiquées | Non communiquée | Déployé |
| AI4HEDGE | Weather'n'Co | Assimilation globale opérationnelle | en cours de calibrage | En développement — benchmark en cours |
Quatre étapes techniques, de l’ingestion des observations à l’ouverture des sorties modèle — avec la même exigence de validation croisée qu’AI4VIGIL, appliquée cette fois à l’échelle du globe.
Constitution de la chaîne d’assimilation globale opérationnelle et des jeux d’évaluation associés.
Entraînement du réseau de neurones, validation croisée face aux observations (radars, satellites, stations).
Confrontation systématique à AIFS, AICON, WeatherNext 2 et aux modèles numériques de référence.
Ouverture progressive des sorties modèle, dans la logique de suivi déjà déployée pour AI4VIGIL.
33 années d’expérience en météorologie opérationnelle, expertise des phénomènes dangereux, de la prévision à courte échéance et de l’aide à la décision.
Spécialiste en modélisation par deep learning, conception, entraînement et optimisation de modèles appliqués aux données météorologiques multi-sources, du régional au global.
De la météorologie opérationnelle à l’intelligence artificielle, une même exigence de l’échelle régionale comme à l’échelle globale.
Weather'n'Co, fondée par Yann Amice, est reconnue dans l’univers de la course au large comme un partenaire de performance incontournable. Cette expertise se décline désormais en deux produits complémentaires : AI4VIGIL pour la vigilance à très court terme, et AI4HEDGE pour la prévision globale.
Là où AI4VIGIL anticipe les phénomènes violents à horizon 0–3 h sur l’Europe, AI4HEDGE vise la prévision globale, benchmarkée en continu face aux modèles IA de référence.
AI4HEDGE vise une prévision globale plus transparente sur ses données d’entrée.
