Cet essai est une collaboration avec Robert Hoffman et est largement basé sur Hoffman et al. (2017) Minding the Weather: Comment pensent les prévisionnistes? Un essai précédent a abordé certaines questions concernant la manière dont les joueurs d’échecs qualifiés et les prévisionnistes ont appris à utiliser l’intelligence artificielle. Cet essai actuel décrit plus en détail la manière dont l’intelligence artificielle contribue davantage à la météorologie.
Les experts en technophilie aiment à proclamer ces jours-ci que l’ordinateur finira par remplacer le météorologue. Cet enthousiasme débridé se justifie principalement par les avancées impressionnantes en matière de mémoire et de capacité informatique. L’incompréhension des experts en informatique est évidente: tout ce dont on a besoin, c’est plus de calculs, et Lo! Un miracle sera effectué.
D’une part, s’il n’y avait pas d’expertise humaine, les modèles informatiques n’existeraient pas. Ainsi, le fait que les modèles informatiques aident les prévisionnistes représente une énorme réussite pour les humains. Par ailleurs, les modèles informatiques ne produisent pas de prévisions météorologiques. Ils génèrent des prédictions des valeurs de certains paramètres atmosphériques, tels que les températures de surface, la direction du vent à différentes hauteurs dans l’atmosphère, etc. Il faut une expertise humaine pour aller des sorties du modèle (avec d’autres données massives disponibles) et produire une prévision significative qui aide les gens à comprendre la météo et à prendre les mesures appropriées (voir Kerr, 2012).
Les prévisions se sont améliorées depuis des décennies et l’une des raisons en est que les modèles informatiques s’améliorent. Mais quand on regarde sous le capot, on voit que les choses sur lesquelles les modèles informatiques sont bons sont aussi celles des prévisionnistes.
Les choses sur lesquelles les modèles informatiques ne sont pas très efficaces sont moins remarquées dans les rapports de comparaison des prédictions humaines et informatiques. Les prévisions de trajectoires d’ouragan, parfois appelées «graphiques spaghetti», font exception. Les différents modèles génèrent parfois des prévisions de trajectoire différentes. Mais pour de nombreux ouragans, les modèles convergent et l’analyse des ouragans par des modèles informatiques a montré une nette amélioration ces dernières années.
Mais il ne s’agit pas là d’une situation où il est de plus en plus difficile pour l’humain d’améliorer ses résultats informatiques ou de produire des prévisions qui «battent» les ordinateurs. Comme je l’ai mentionné dans un essai précédent, L’âge des centaures, il n’est pas productif d’avoir une compétition entre l’humain et la machine. Les prévisionnistes utilisent les modèles informatiques pour ce qu’ils sont, des outils dans une très grande boîte à outils. Un dicton en météorologie est «Vous ne pouvez pas faire de bonnes prévisions en utilisant les modèles à moins de pouvoir faire de bonnes prévisions sans utiliser les modèles.» Les prévisionnistes améliorent de 10 à 25% (parfois plus) les sorties de l’ordinateur, sur quel paramètre est comparé.
Les ordinateurs dépendent également des humains. L’expertise humaine est nécessaire pour ajuster les entrées aux modèles informatiques afin de compenser les diverses tendances que les modèles doivent sur ou sous prédire certains paramètres sous certaines conditions. Les humains doivent également évaluer les résultats de plusieurs modèles (ils sont nombreux) et déterminer lequel est le “modèle préféré du jour”.
Nous ne devrions pas accorder plus d’importance au nombre que la capacité de raisonnement de l’homme. Les prévisions météorologiques ne seraient pas possibles sans interdépendance homme-machine. Nous avons besoin de plus de prévisionnistes experts humains, pas moins. Ce que nous savons maintenant de l’expertise peut être utilisé dans la formation des prévisionnistes, sans aucun doute.
Comme Pearson l’a calculé en 1978, le coût moyen par personne pour le service météorologique national se rapporte à ce que vous payeriez pour un gros hamburger, des frites et une boisson gazeuse. Corrigeant l’augmentation de la population américaine (à environ 320 millions aujourd’hui), le budget actuel d’environ 972 millions de dollars du NWS correspond à un coût par habitant équivalent à celui d’un hamburger. Notre «climat» politique actuel en est un dans lequel les agendas économiques et politiques favorisent la désinformation concernant le changement climatique. Non seulement avons-nous besoin de plus de prévisionnistes experts (par exemple, Hoffman et al., 2014), nous avons besoin de prévisionnistes experts pour avoir une voix plus forte dans le discours public (par exemple, Collins et Evans, 2017).
Les références
Collins, H. & Evans, R. (2017). Pourquoi les démocraties ont-elles besoin de la science? New York: John Wiley.
Hoffman, RR, LaDue, D. et Mogil, HM, Roebber, P. et Trafton, JG (2017). Minding the Weather: Comment les experts en prévision pensent-ils? Cambridge, MA: MIT Press.
Hoffman, RR, Ward, P., L. DiBello, Feltovich, PJ, SM Fiore et Andrews, D. (2014). Expertise accélérée: formation à la maîtrise dans un monde complexe. Boca Raton, Floride: Taylor et Francis / CRC Press.
Kerr, RA (2012). Les prévisions météorologiques s’éclaircissent lentement. Science, 38, 734-737.
Pearson, AD (1978). Big Mac météorologique. Editorial, The Kansas City Star. Reproduit dans L. Snellman (Ed.), Forum, National Weather Digest, 3, pp. 2-6.
