Le 3 septembre 2026, Google DeepMind et Google Research ont dévoilé WeatherNext 3, la troisième génération de leur modèle de prévision météorologique par intelligence artificielle. Selon la fiche technique publiée par Google, la date de disponibilité de ce modèle est fixée à août 2026, tandis que l'annonce publique et son intégration dans les produits grand public ont eu lieu début septembre. Le modèle succède à WeatherNext 2, lancé en juin 2025, à peine plus d'un an plus tôt. Il s'inscrit dans une lignée qui remonte à GraphCast (novembre 2023) puis GenCast (décembre 2024), deux jalons déjà salués dans la recherche en apprentissage automatique appliquée à l'atmosphère.
Ce que change concrètement WeatherNext 3
La rupture technique tient à la source des données. Là où WeatherNext 2 s'appuyait sur les sorties de modèles physiques classiques, avec un décalage de six heures, WeatherNext 3 ingère directement des mosaïques satellitaires géostationnaires en temps réel. Le modèle est réinitialisé chaque heure, contre une actualisation toutes les six heures pour son prédécesseur. Sur le plan spatial, la résolution passe de 25 kilomètres à 5 kilomètres pour les variables station-calibrées, avec des grilles intermédiaires à 10 kilomètres pour le vent, les précipitations et la couverture nuageuse, et 25 kilomètres pour les niveaux de pression atmosphérique.
Selon Google, les utilisateurs qui planifient une journée ou plus à l'avance peuvent bénéficier de prévisions de précipitations jusqu'à 50 % plus précises. Le blog officiel de Google précise par ailleurs un gain de score CRPS (Continuous Ranked Probability Score) allant jusqu'à 60 % par rapport aux observations IMERG de la NASA, 30 % par rapport aux données MRMS et 10 % par rapport aux pluviomètres pour les échéances courtes. TechCrunch rapporte, en citant des chercheurs de Google, que le modèle compte 2,4 fois plus de paramètres que WeatherNext 2 et qu'il repose sur une architecture de type Functional Generative Network (FGN), un transformeur en mesh entraîné avec 64 membres d'ensemble.
Une architecture pensée pour les infrastructures, pas seulement pour le grand public
Au-delà du parapluie qu'on oublie ou pas, WeatherNext 3 ajoute des variables directement utiles aux gestionnaires de réseaux électriques : vitesse du vent à 100 mètres, hauteur proche de celle d'une éolienne, couverture nuageuse détaillée et composantes du rayonnement solaire. Ces sorties permettent, selon Google, d'anticiper la production des parcs éoliens et solaires et de mieux ajuster l'offre à la demande sur le réseau. C'est précisément ce type d'usage qui déplace le curseur : une application météo grand public reste anecdotique en cas de panne, un outil qui pilote l'équilibrage d'un réseau électrique ne l'est pas.
D'un service pratique à une brique d'infrastructure critique
Le modèle est désormais intégré à la Recherche Google, à l'application Gemini, à Google Maps, à l'API Météo de Google Maps Platform et à Google Earth Engine. Les données sont accessibles aux développeurs et aux entreprises via BigQuery, Earth Engine et Google Cloud Storage, sans configuration de modèle nécessaire côté client. Samier Merchant, ingénieur senior chez Google cité par TechCrunch, résume l'ambition : « Ce sera la première fois que certaines variables de base alimentent et font fonctionner une grande partie des produits Google. »
C'est cette bascule, d'un service d'appoint vers une dépendance structurelle, qui interroge. Une entreprise française qui construit un outil de pilotage de parc éolien ou une chaîne logistique agricole sur les prévisions WeatherNext 3 s'appuie sur un fournisseur unique, situé hors Union européenne, dont les conditions d'accès aux données en temps réel relèvent des « GDM Real-Time Weather Forecasting Experimental Data Terms of Use » de Google. Les données historiques, elles, passent sous licence Creative Commons CC BY 4.0 une heure après leur production. Les sources ne précisent pas la localisation géographique des infrastructures qui traitent ces flux en temps réel.
Un statut encore expérimental, à ne pas confondre avec une alerte officielle
La documentation technique de Google est explicite sur ce point : WeatherNext 3 est qualifié de « système de prévision automatisé et expérimental, en recherche active ». Les prévisions sont fournies « telles quelles », à des fins d'information et de recherche, et ne constituent pas des alertes ou des avertissements météorologiques officiels. Google recommande de ne jamais se fier à WeatherNext 3 comme unique source d'information pour la protection des personnes et des biens, et renvoie systématiquement vers les services météorologiques nationaux. En France, cela signifie que Météo-France reste l'autorité de référence pour toute alerte réglementaire, quelle que soit la qualité affichée par le modèle de Google.
Une compétition internationale, jugée par un arbitre indépendant
Google appuie sa communication sur des évaluations indépendantes menées par Brightband, une start-up qui a développé l'outil de comparaison Operational WeatherBench. Selon TechCrunch, WeatherNext 3 y devance des modèles construits par Microsoft, Nvidia et le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), ainsi que les prévisions traditionnelles du National Weather Service américain et de l'ECMWF lui-même. Daniel Rothenberg, chercheur en sciences atmosphériques chez Brightband, souligne l'intérêt de cibler des stations précises : « Ajouter une capacité où ce modèle prédit aussi, par exemple, ce que la station météo de l'aéroport de Denver va mesurer heure par heure, rapproche cette tâche de prévision du cœur du problème. »
Google revendique le statut de premier modèle à incorporer directement des observations brutes pour une prévision globale à haute résolution. TechCrunch rapporte toutefois que la start-up WindBorne affirme que son propre modèle, WeatherMesh 6, intègre des observations brutes issues de sa flotte de ballons météorologiques depuis fin 2025. Interrogé sur ce point par TechCrunch, Google a répondu que ses prévisions offrent une résolution supérieure à l'échelle mondiale. Les deux modèles continuent, selon TechCrunch, de dépendre des jeux de données météorologiques nationaux pour fonctionner.
| Modèle | Date | Résolution | Fréquence de mise à jour | Particularité |
|---|---|---|---|---|
| WeatherNext 1 Graph (GraphCast) | Novembre 2023 | 25 km | 6 heures | Réseau de neurones sur graphe, déterministe |
| WeatherNext 1 Gen (GenCast) | Décembre 2024 | 25 km | 12 heures | Diffusion probabiliste, 50 membres d'ensemble |
| WeatherNext 2 | Juin 2025 | 25 km | 6 heures | Architecture FGN, 64 membres d'ensemble |
| WeatherNext 3 | Août 2026 (fiche technique) / annonce le 3 septembre 2026 | 5 km (stations), 10 km (surface), 25 km (pression) | 1 heure | Ingestion directe de données satellite en temps réel, variables énergies renouvelables |
Ce que cela implique pour un professionnel français
Trois enjeux concrets se dessinent. D'abord, l'accès : les données WeatherNext 3 transitent par les plateformes cloud de Google (BigQuery, Earth Engine, Google Cloud Storage), ce qui suppose d'accepter les conditions d'utilisation américaines associées, y compris pour les flux temps réel qualifiés d'expérimentaux. Ensuite, la conformité : aucune source ne mentionne de certification ou de garantie contractuelle spécifique pour un usage réglementaire européen, et le disclaimer de Google exclut explicitement tout usage comme source unique pour la sécurité des personnes. Enfin, la continuité : un modèle qualifié de recherche active, remplacé en un peu plus d'un an par sa version suivante, ne constitue pas un engagement de service à long terme comparable à celui d'une agence météorologique nationale.
Cette dépendance à un fournisseur unique de modèles n'est pas propre à la météo : elle traverse l'ensemble des usages professionnels de l'intelligence artificielle. C'est l'un des arguments avancés par les plateformes françaises qui, à l'image de Moon AI, éditée par Stellarr Studio SAS, proposent l'accès à plus de 70 modèles (GPT, Claude, Gemini, Mistral, DeepSeek, Llama, entre autres) dans un abonnement unique, précisément pour limiter le risque de dépendre d'un seul acteur et de ses conditions d'utilisation.
Questions fréquentes
WeatherNext 3 remplace-t-il les prévisions de Météo-France ?
Non. Google qualifie lui-même WeatherNext 3 de système expérimental et recommande explicitement de toujours se référer aux agences météorologiques nationales et aux autorités locales pour les alertes officielles et la protection des personnes et des biens.
Une entreprise française peut-elle utiliser librement les données WeatherNext 3 ?
Les données historiques, datant de plus d'une heure, sont sous licence Creative Commons CC BY 4.0. Les données en temps réel relèvent en revanche des conditions expérimentales définies par Google (GDM Real-Time Weather Forecasting Experimental Data Terms of Use), consultables via BigQuery, Earth Engine ou Google Cloud Storage.
WeatherNext 3 est-il vraiment plus précis que les modèles concurrents ?
Selon des évaluations indépendantes menées par la start-up Brightband et rapportées par TechCrunch, WeatherNext 3 devance des modèles de Microsoft, Nvidia et de l'ECMWF, ainsi que les prévisions traditionnelles du National Weather Service et de l'ECMWF. La start-up WindBorne conteste toutefois l'exclusivité de certaines revendications de Google sur l'usage d'observations brutes.
Quel est l'intérêt pour les gestionnaires de réseaux électriques ?
WeatherNext 3 fournit des prévisions de vitesse du vent à 100 mètres, de couverture nuageuse et de rayonnement solaire, des variables directement exploitables pour anticiper la production des parcs éoliens et solaires et ajuster l'équilibre entre offre et demande sur le réseau.