Bonjour Laure. Pourriez-vous nous présenter votre parcours ?
J’ai grandi à Clermont-Ferrand, dans une famille qui n’était pas de formation scientifique. Sur le plan scolaire, je dois reconnaître que les maths m’ont toujours beaucoup plu. J’aimais également la chimie. C’est d’ailleurs dans la perspective d’intégrer une école de chimie qu’après le lycée j’ai suivi une classe préparatoire spécialisée en physique – chimie au Lycée Blaise Pascal, à Clermont-Ferrand, de 2002 à 2004.
C'est en terminale que j’ai découvert, par hasard, l’existence de l’« école de la météo »... grâce à une affiche à la bibliothèque du lycée !
Quand on rentre dans cet établissement, en filière fonctionnaire, cela ouvre immédiatement une voie professionnelle au sein de Météo-France. Les possibilités d’avenir étaient donc larges. Mais le concours ne proposait que deux places dans ma filière de prépa … L’idée d’intégrer « la météo » restait dans un coin de ma tête, mais les chances étaient minces. Finalement j’ai réussi ce concours et c’est en 2004 que je suis rentrée dans cette école.
Vous êtes donc ensuite devenue chercheuse en météorologie…
Oui. Au cours de ces années d’école, je me suis rendue compte que la recherche pourrait me plaire. J’ai donc poursuivi ma scolarité ingénieur par une thèse, que j’ai soutenue en 2010, sur la thématique de la modélisation atmosphérique. Je l’ai effectuée au sein du Centre National de Recherche Météorologique (une UMR sous double tutelle CNRS et Météo France), dans le département consacré au développement des modèles de prévision utilisés par Météo France de manière opérationnelle. Pour prévoir le temps de demain, il faut connaître le temps d’aujourd’hui. C’est sur cette étape de « calcul de l’état initial » que ma thèse a porté, et plus particulièrement sur les méthodes d’assimilation de données.
À l’issue de ce travail de recherche, j’ai candidaté au CNRM sur un poste de « Chercheur en prévisibilité à échelle fine », qui s’ouvrait pour contribuer au développement d’un nouveau système de prévision à l’échelle de l’Europe de l’Ouest, capable d’identifier les différents scénarios d’évolution possibles de l’atmosphère, et les incertitudes associées, avec une précision spatiale très fine. Après 10 ans comme chercheuse dans cette équipe (intitulée « Prévisibilité »), j’en ai pris la responsabilité en 2021.
En quoi consiste votre métier de chercheuse en prévision météo ?
En premier lieu, Météo France a pour mission principale d’assurer la sécurité des personnes et des biens. Il y a aussi énormément d’enjeux socio-économiques liés à la météo : agriculture, tourisme, transports, énergie etc. Pour assurer notre mission de prévision, en particulier des phénomènes à enjeux (tempêtes, orages, fortes pluies, brouillard, …), nous travaillons avec des « modèles ». Un modèle de prévision a pour tâche de prévoir l’évolution de l’état de l’atmosphère au cours des prochains jours.
Aujourd’hui, il est possible de cartographier précisément l’atmosphère à l’instant présent (ce qu’on appelle « l’état initial ») grâce aux observations, que ce soit avec des mesures « in situ »,par exemple fournies par les stations au sol, ou satellitaires.
La prévision consiste alors à se projeter dans les futures heures ou les prochains jours : c’est le modèle qui calcule l’évolution au cours du temps de l’état initial. Les modèles atmosphériques intègrent la connaissance experte du fonctionnement de l’atmosphère: il s’agit d’un ensemble d’équations, qui sont résolues grâce à des supercalculateurs. .
Il existe plusieurs types de modèles : ceux qui opèrent sur le globe entier et ceux qui réalisent des zooms sur des régions particulières. Ces derniers fournissent généralement une information spatialement plus précise. Par exemple, le modèle régional de Météo France sur l’Europe de l’Ouest produit une information tous les kilomètres.
Prévision de pluie effectuée par le modèle 'Arome' de Météo-France (cumuls de pluie sur 24h, prévus pour le vendredi 7 février 2025 à 20h local) - copyright : Météo-France
Alors que s’est ouvert hier le Sommet pour l’action sur l’intelligence artificielle, pourriez-vous nous éclairer sur la place et les enjeux de l’« IA » dans cette activité ?
Depuis trois ou quatre ans, les travaux que nous menons s’ouvrent très largement aux travaux de modélisation avec IA. Aujourd’hui la moitié de mon équipe travaille sur ces aspects-là.
L’IA opère un changement de paradigme.
En effet, depuis les années 50, la prévision numérique du temps est basée sur de la simulation physique. Les modèles sont la traduction mathématique et informatique de notre connaissance, théorique et empirique, du fonctionnement de l’atmosphère.
Avec l’IA ce n’est plus la physique qui nourrit les modèles, c’est la donnée. L’IA actuelle applique le principe de l’apprentissage machine : des algorithmes tels que les réseaux de neurones « s’entraînent » sur les données à réaliser une tâche bien précise, par exemple prévoir le temps qu’il fera demain à partir du temps qu’il fait aujourd’hui. Dans ce cas, le modèle physique est remplacé par un modèle statistique, qui apprend lui-même les relations entre les différentes variables atmosphériques, à différentes échéances de temps. La physique n’est plus encodée explicitement dans ces modèles, en revanche elle est encodée dans les données utilisées par l’IA pour « s’entraîner ».
La prévision par IA, sans remettre en cause les modèles physiques actuels, apporte des informations complémentaires, avec l’avantage d’être produite extrêmement rapidement. C’est un atout important pour la prévision opérationnelle, qui doit arriver avant la date cible et obéit donc à des délais d’exécution réduits. A titre d’exemple, pour produire une prévision à 48h sur la France, il faut aujourd’hui environ 1h de calcul sur plusieurs processeurs CPU. Mais avec l’IA, lorsque le modèle est entraîné, il ne faut que quelques minutes sur un processeur GPU pour l’exécuter sur de nouvelles données. Cela signifie un gain de temps de calcul, et in fine une plus grande anticipation des phénomènes météo à enjeux. Il s’agit là d’un intérêt majeur de l’IA. Mais pas le seul. En effet, l’IA peut aussi apporter une amélioration de la qualité des prévisions : en s’entraînant sur des archives de données de plusieurs dizaines d’années de profondeur, l’IA est capable d’apprendre une représentation très précise de l’atmosphère. Sur certains aspects, elle se révèle probablement plus précise que celle actuellement utilisée dans les modèles physiques. L’IA a donc un double apport : le temps de calcul réduit et un gain de qualité des prévisions.
Il faut ici rappeler que le virage de l’IA pour la prévision météorologique a été pris initialement par les GAFAM et plus largement par les entreprises de la tech, dont ce n’est pas l’expertise. Cela est aussi vrai dans d’autres disciplines que la prévision météorologique. La démonstration a été faite qu’une autre voie est possible pour la prévision météo en utilisant l’IA, et c’est maintenant une nouvelle thématique de recherche qui se développe très rapidement dans les services météorologiques nationaux comme Météo-France.
L’IA apporte cependant son lot de challenges : le domaine évolue extrêmement rapidement, les acteurs sont variés, entraîner un modèle IA peut être long et coûteux, la production de la donnée devient le maillon central pour des modèles IA de qualité, etc. On ne travaille plus sur la même temporalité. De nouvelles expertises sont requises. Ces évolutions imposent une agilité certaine et contribuent à renforcer les collaborations européennes déjà existantes sur la prévision du temps, pour mobiliser rapidement des ressources humaines et des ressources de calcul afin d’explorer efficacement le potentiel de ces approches IA. Les travaux de l’équipe que je dirige vont en ce sens : ils mobilisent des ressources internes et s’intègrent dans de nombreux projets collaboratifs menés conjointement avec nos partenaires européens.
Vous évoquiez les « données », comme « matière première » de l’IA. Comment sont-elles obtenues ?
Les données proviennent de plusieurs sources. Tout d’abord, elles sont fournies par un réseau mondial d’observation, qui comprend une grande diversité de mesures. Parmi elles il y a par exemple les données des stations au sol qui mesurent notamment la température, l’humidité, le vent, les précipitations. Des mesures sont aussi fournies par des avions de ligne, des bateaux, ou encore des radiosondages en envoyant des ballons dans l’atmosphère pour obtenir des profils atmosphériques. Ce sont les observations dites « in situ ». Mais la part majoritaire des observations est maintenant fournie par les satellites météorologiques.
La deuxième grande source de données est issue de la modélisation. Par exemple, il est possible d’utiliser les modèles physiques actuels pour reconstituer les données passées avec une grande précision: cela permet de produire des « réanalyses » sur des périodes historiques. C’est ce processus qui a été mis en œuvre pour le calcul des données de réanalyse « ERA5 » (disponibles depuis 1940), qui ont été exploitées par la plupart des modèles IA qui existent aujourd’hui.
Les supercalculateurs, à l’instar des ressources nationales de GENCI, sont alors mobilisés ?
Les supercalculateurs constituent une force vive essentielle de la prévision météorologique. On retrouve dans le « Top 500 » les supercalculateurs de grands centres de prévision nationaux de plusieurs pays. Météo France en fait partie avec ses calculateurs « Belenos » et « Taranis ».
Dans mon équipe, nous avons eu recours aux ressources de GENCI pour deux projets d’IA. Elles ont été utilisées dans le cadre d’un travail doctoral pour l’entraînement d’IA générative (Generative Adversarial Network et les modèles qui utilisent les processus diffusifs). Une deuxième demande a obtenu des ressources pour soutenir le développement d’un nouveau modèle de prévision français exploitant l’IA, de type convolutif mais aussi de type graphe.
Les formations mises en place dans le cadre de l’infrastructure de recherche sont également essentielles pour former nos ingénieurs et chercheurs à une utilisation optimisée des algorithmes d’apprentissage profond.
En tant que femme, avez-vous ressenti des difficultés spécifiques ?
J’ai eu la chance de ne pas ressentir de difficultés liées à mon genre. Depuis le début de mon parcours, scolaire puis professionnel. J’ai eu la chance – ou le privilège - d’être dans un environnement bienveillant de ce point de vue. Au cours de mes études puis pendant ma vie professionnelle, je n’ai pas ressenti de discrimination. Il importe ici de rappeler que mon domaine d’activité n’est pas le plus touché par les disparités hommes-femmes. En effet, dans le champ des sciences de l’Univers, si nous n’avons pas encore atteint la parité, la situation est beaucoup moins déséquilibrée que dans d’autres disciplines, telles que l’informatique ou les mathématiques par exemple.
J’ai observé cet écart récemment, à l’occasion d’ un recrutement sur un poste de développement informatique pour les modèles IA. Il y a eu à peine 10 % de candidatures féminines. Ce n’est qu’une impression mais cette expérience récente tend à me laisser penser que sur des aspects informatiques et logiciels, les ressources demeurent très masculines. Il y a peut-être là un point de vigilance pour les prochaines années…
Bien entendu, l’autocensure constitue un obstacle important pour les femmes. Des biais existent et sont bien ancrés. Mais je tiens aussi à rappeler que des initiatives existent, tels que des programmes de mentorat « femmes & sciences » pour accompagner les jeunes filles et jeunes femmes dans leurs choix, de parcours scolaires et de projets de carrières. Je suis régulièrement sollicitée pour présenter mon cursus et pour faire des interventions au collège, au lycée ou ailleurs. Je pense qu’il faudrait opérer un retour d’expérience plus visible de ces initiatives pour améliorer et intensifier les meilleures pratiques.
Surtout, au-delà du seul genre, j’aime à penser que rendre la science accessible à toutes les femmes mais plus largement à tous les publics demeure une clé déterminante pour notre avenir... Je participe à des actions en ce sens. Je suis par exemple intervenue pour présenter les perspectives ouvertes par l’IA pour la météo auprès de professeurs de collèges et de lycées, dans un festival culturel invitant des conférenciers dans un petit village, ou encore dans une résidence d’artistes. Faire connaître les sciences à toutes et tous, jeunes ou moins jeunes, ruraux ou urbains, c’est aussi permettre l’émergence de futures vocations de chercheuse.