Microsoft et les prévisions météo à 2–6 semaines : le rôle de PBC

Le 14 octobre 2026, une étude publiée dans Nature a décrit Probabilistic Bias Correction (PBC), un cadre d’apprentissage automatique associé à Microsoft Research qui ajuste les prévisions probabilistes existantes au lieu de produire ses propres prévisions météo. Pour les semaines 3 et 4, PBC a amélioré le score de compétence dans la plupart des mailles évaluées face au modèle dynamique d’ECMWF corrigé opérationnellement. Ces résultats mesurent des gains sur une grille mondiale, pas les chances qu’une prévision soit juste dans une ville donnée. L’étude publiée dans Nature

Ce que fait PBC

PBC prend les prévisions d’un système météorologique dynamique, d’intelligence artificielle ou hybride, puis apprend à corriger les erreurs récurrentes de ce système. Il ajuste la distribution des probabilités — et non un seul résultat possible — pour conserver les différents scénarios et leur degré de probabilité.

Dans la méthode décrite par l’étude, deux corrections, Debias++ et Persistence++, sont appliquées en parallèle. Leurs résultats sont ensuite combinés pour former une distribution de prévision ajustée. PBC est donc un outil de post-traitement : il s’appuie sur un modèle existant, qu’il ne remplace pas.

Ce que l’étude a mesuré

L’étude a évalué les prévisions des semaines 3 (jours 19 à 25) et 4 (jours 26 à 32). Elle a examiné la température moyenne à 2 mètres et les précipitations totales sur les terres, ainsi que la pression moyenne au niveau de la mer, sur une grille mondiale de 1,5° de latitude et de longitude. Pour comparer les prévisions, les chercheurs ont utilisé le score de compétence probabiliste classé (RPSS), avec une climatologie comme référence.

Face aux prévisions du modèle dynamique d’ECMWF corrigées opérationnellement, le score de compétence de PBC a progressé dans les proportions suivantes de mailles évaluées :

Ces pourcentages décrivent la part des mailles où le score s’est amélioré. Ils ne donnent pas la probabilité qu’une prévision locale soit exacte. Pour la température, par exemple, le résultat signifie que le gain a été constaté dans 91 à 92 % des mailles évaluées, pas qu’il y a 91 à 92 % de chances que la météo soit correctement prévue dans une commune.

MicroDuet en compétition en 2025

Lors de la saison inaugurale de septembre à novembre 2025 de l’AI Weather Quest d’ECMWF, l’ensemble de prévisions MicroDuet, fondé sur PBC, s’est classé premier pour chaque variable et chaque échéance évaluées. L’étude indique qu’il a devancé des systèmes de six centres de prévision opérationnels et les équipes participantes. Ce résultat porte sur cette saison et les évaluations de la compétition, pas sur toutes les prévisions futures. L’étude de Nature

L’usage précoce rapporté au Kenya

Microsoft Research rapporte que des météorologues de la Kenya Meteorological Service Authority (KMSA) ont testé PBC et l’ont utilisé pour préparer des mises à jour hebdomadaires pendant la saison des pluies 2026. Phillip Okello, météorologue principal de KMSA, a estimé que la méthode avait amélioré les prévisions de son équipe davantage que les autres méthodes testées dans la région du Grand Corne de l’Afrique. Il a aussi désigné les prévisions de fortes pluies et de périodes sèches comme des axes à améliorer. Le récit de Microsoft Research

Code ouvert et préversion S2S

Le code de PBC et celui des expériences sont accessibles en open source. Microsoft distingue ce cadre de son modèle S2S, qui fournit des prévisions probabilistes hebdomadaires jusqu’à six semaines et que l’entreprise décrivait comme une préversion privée réservée à certains clients. Le code ouvert de PBC et cette préversion sont deux offres distinctes.