Bonjour à tous !
Il y a vingt ans, prédire le temps qu'il ferait après-demain à Tokyo nécessitait un supercalculateur, une équipe de météorologues, et des millions de dollars de matériel. Aujourd'hui, ça tient dans une tour PC, sur un bureau, et ça affiche des fronts froids glissant en temps réel sur un globe 3D dans le navigateur du visiteur.
SyWeather, c'est ça : une webapp météorologique qui calcule l'évolution de l'atmosphère mondiale sur trois jours, la rend sur un globe interactif animé, et la fait commenter par une intelligence artificielle experte. Le tout localement, en quelques minutes, depuis une chambre.
Le cerveau : FourCastNet-3, le successeur neuronal des modèles physiques
Pendant des décennies, prévoir la météo c'était résoudre numériquement les équations de Navier-Stokes sur un maillage 3D de l'atmosphère. Le centre européen ECMWF y consacre encore aujourd'hui des supercalculateurs entiers. L'approche fonctionne, mais elle est lente, gourmande, et hors de portée du particulier.
En 2024, NVIDIA a publié FourCastNet-3 (FCN3), un réseau de neurones entraîné sur quarante années de réanalyses météorologiques mondiales. Au lieu de simuler pas à pas les lois de la physique, FCN3 a appris les régularités : quand l'atmosphère se trouve dans tel état à l'instant t, elle évolue typiquement de telle manière six heures plus tard. Une fois entraîné, le modèle prédit le temps mondial en quelques secondes, là où les modèles physiques peinent durant des heures.
SyWeather embarque FCN3 et le fait tourner en local. A chaque exécution, le serveur récupère les conditions initiales du modèle américain GFS (analyse à 0,25° de résolution, soit 25 km par pixel, la même donnée que les services météo nationaux), charge FCN3 dans la mémoire du GPU, puis avance par pas de 6 heures, douze fois consécutives, pour atteindre 72 h de prévision. Il enchaîne ensuite un second réseau, PrecipitationAFNOv2, qui dérive les accumulations de pluie à partir des champs prédits, FCN3 ne sortant pas la précipitation directement. Enfin, il sauvegarde sur disque vingt-quatre variables atmosphériques : température au sol, à 850 hPa, à 925 hPa, vent à 10 et 100 mètres, pression de surface, humidité intégrée, géopotentiel à plusieurs altitudes.
Comptez trois à quatre minutes pour produire une carte mondiale à 72 heures. A comparer aux heures que mettaient les modèles physiques traditionnels sur du hardware bien plus coûteux.
Le globe : Cesium, et un shader qui fait danser les masses d'air
L'interface est un globe terrestre 3D Cesium, le même moteur qu'utilisent la NASA, certains services aéronautiques et les outils professionnels de visualisation géospatiale. Le globe tourne sous la souris, zoome, s'incline.
Au-dessus de la sphère, des couches superposables : température à deux mètres, précipitations cumulées sur six heures, pression atmosphérique avec ses isobares, vent à dix mètres, eau précipitable totale, champs en altitude. Les palettes s'inspirent de Windy et de l'ECMWF : bleu glacial sur le pôle, ambre chaleureux sur le Sahara.
Mais le vrai tour de force est ailleurs : la météo bouge entre deux prévisions. Imaginez. A +12 h, le modèle annonce 18°C à Paris. A +18 h, 22°C. Si l'on basculait simplement d'une image à l'autre quand l'utilisateur déplace le curseur de temps, il verrait un saut brutal. Pas naturel, pas honnête : dans la réalité, les masses d'air dérivent, les zones de pluie se déplacent, les dépressions tournent.
SyWeather, lui, calcule côté serveur le flux optique entre chaque paire de prévisions consécutives, la même technique mathématique qu'utilisent la stabilisation vidéo et les codecs modernes. Pour chaque pixel, le résultat dit de combien il s'est déplacé, dans quelle direction, durant l'intervalle. Cette carte de déplacements est envoyée au navigateur, qui l'utilise dans un shader WebGL pour interpoler la couche en temps réel. Conséquence : quand l'utilisateur glisse le curseur, les masses d'air dérivent fluidement, les fronts avancent, la pluie déambule. C'est techniquement vertigineux, et c'est ce qui transforme l'outil d'un afficheur de cartes statiques en un véritable cinéma météorologique.
L'analyste IA : DeepSeek rédige le bulletin
A côté du globe, un quatrième onglet : MACHINE DEBRIEF. L'utilisateur choisit une fenêtre temporelle (par exemple de +12 h à +48 h), des focales (synoptique, précipitations, vent), une langue (français, anglais, espagnol, allemand, italien). Il peut épingler un point précis sur le globe, sa ville, n'importe quel endroit du monde, et l'analyse sera centrée dessus, avec un zoom sur la boîte 5° x 5° autour de l'épingle et les trois stations météo les plus proches.
Il clique sur PROBE. Le serveur extrait des digests structurés du tableau de données FCN3 : statistiques mondiales, extrêmes régionaux par continent, valeurs sur les villes de référence, focus localisé sur l'épingle. Tout part en texte vers DeepSeek-V4-Pro, un grand modèle de langage récent de niveau GPT-4, avec une consigne système qui le cadre comme un météorologue expert : lecture dynamique des cartes, identification des dorsales et talwegs, traduction des coordonnées en noms de lieux dans la langue de sortie, citations précises des valeurs du modèle, format de date lisible.
Vingt secondes plus tard, le visiteur lit quelque chose comme : une dorsale anticyclonique se construit sur la Méditerranée occidentale dès le 24 mai 12h00 UTC, soulevant les températures de surface à 32°C dans la basse vallée du Rhône ; la nuit suivante voit cette dorsale glisser vers le golfe de Gênes, un front froid traverse l'Atlantique nord, contraignant l'isobare 1015 hPa à plonger jusqu'au 45e parallèle.
Pas un blabla générique. Une vraie lecture, qui cite les valeurs du modèle, nomme les lieux, explique les mécanismes dynamiques. Petit détail savoureux : DeepSeek ne sait pas lire les images. SyWeather doit donc raconter en mots à l'IA les contenus visuels de chaque carte, un exercice de réduction de dimension qui est en soi un beau morceau d'ingénierie.
Le matériel : une RTX 4090 et un petit ventilateur
L'ensemble tourne sur un PC unique. Le CPU et 64 Go de RAM portent l'écosystème Python : PyTorch, FastAPI, le pipeline de rendu Matplotlib qui transforme les sorties FCN3 en cartes PNG. Le GPU, une NVIDIA RTX 4090 et ses 24 Go de VRAM, fait tourner FCN3 en quelques secondes : le modèle pèse environ 5 Go en mémoire, PrecipitationAFNOv2 ajoute un giga, le reste de la VRAM amortit les batchs. Sans elle, rien de tout ça n'existe. Une carte réseau 10 GbE SFP+ sert simultanément plusieurs visiteurs sans saturer ; détail très humain, cette carte chauffait silencieusement sous charge soutenue, ce qui provoquait des déconnexions aléatoires, jusqu'à ce qu'on lui colle un petit ventilateur dessus. Solution ultra-bricolée, efficacité totale, et depuis : zéro souci. Le tout fonctionne sous Windows 11 avec WSL2 Ubuntu 22.04, une configuration hybride qui laisse Python et CUDA tourner dans un environnement Linux propre tout en conservant l'expérience Windows pour le reste de la machine.
L'ensemble consomme moins de 600 W en pic d'inférence, dont 450 W environ pour la 4090 elle-même. Une station personnelle de prévision météorologique qui rivalise, en qualité d'image et en fraîcheur de donnée, avec ce que les agences nationales produisaient il y a quinze ans, pour le prix d'un PC gaming haut de gamme.
Le détail qui change tout : tout est pré-calculé
Quand un nouveau cycle GFS sort, toutes les six heures à 00h, 06h, 12h et 18h UTC, SyWeather lance automatiquement l'inférence FCN3, puis pré-rend toutes les images dont l'interface aura besoin : 9 variables multipliées par 13 instants de prévision, soit 117 cartes en couleur, 117 cartes de flux optique pour l'animation morphée, 13 cartes d'isobares vectorielles, 13 grilles de vent subéchantillonnées pour l'animation des particules. Total : 260 images PNG, calculées en parallèle sur six threads, en quelques minutes après chaque nouveau cycle.
Conséquence directe pour l'utilisateur : changer de couche dans l'interface est instantané. Le serveur ne calcule plus rien à ce moment-là, il livre simplement le PNG déjà en mémoire, environ cinq millisecondes par requête. Plusieurs personnes peuvent naviguer simultanément dans la webapp sans la moindre dégradation, parce que tout le monde tape dans le même cache RAM partagé. La RAM ne sait pas combien de visiteurs sont en train de la lire ; elle s'en fiche.
Ce qu'on en retient
SyWeather, c'est une démonstration personnelle de ce que la météorologie numérique de 2026 sait faire dans une pièce ordinaire, sur un PC ordinaire, avec quelques milliers de lignes de code et beaucoup de soin. Un réseau de neurones qui prédit le temps mondial en quelques secondes. Un globe 3D qui anime les masses d'air avec une fidélité de jeu vidéo. Un analyste IA qui rédige le bulletin en cinq langues, citant valeurs et mécanismes comme le ferait un humain expert. Une infrastructure web qui sert tout cela à n'importe qui dans le monde, sans casser le réseau domestique, à travers un tunnel chiffré qui sort tout seul du salon.
L'intelligence artificielle quitte les hangars de serveurs. Elle descend dans les chambres, sur les bureaux, dans les tours PC sous lesquelles on glisse, parfois, un petit ventilateur. Et c'est, vraiment, magnifique à regarder.
Bien à vous
