3 min de lectureDonnées et IA

MITRE Weather 1K : le jeu de données d'entraînement d'IA à 1 km et la place d'AceCAST

En avril 2026, MITRE et The Weather Company ont annoncé Weather 1K, un jeu de données d'entraînement d'IA à 1 km. L'annonce cite AceCAST parmi les outils de modélisation utilisés pour le développer.

Illustration : l'Amérique du Nord vue de nuit depuis l'orbite, avec les lumières des villes et des systèmes nuageux soulignés par des lignes lumineuses qui tracent la circulation de l'air.

Première publication le 7 mai 2026 · Mis à jour le 16 novembre 2026

Les équipes qui entraînent des modèles météo d'IA se heurtent vite au même mur : un modèle ne peut apprendre que le détail présent dans ses données d'entraînement. Beaucoup d'archives publiques sont plus grossières qu'un seul orage et ne sont enregistrées qu'une fois par heure. Le 23 avril 2026, MITRE et The Weather Company ont annoncé une collaboration construite autour d'un jeu de données conçu pour combler cet écart, appelé Weather 1K. L'annonce cite AceCAST de TempoQuest parmi les outils de modélisation utilisés pour le développer. Cet article expose ce qui a été annoncé, la place d'AceCAST, et ce qu'il faut faire si votre équipe a besoin de ses propres données d'entraînement à haute résolution.

Ce que MITRE et The Weather Company ont annoncé

Les deux organisations ont annoncé la collaboration le 23 avril 2026. Weather 1K est un jeu de données d'entraînement d'IA à haute résolution. The Weather Company l'a pris sous licence pour la recherche et le développement de son système de prévision GRAF.

L'annonce décrit le jeu de données en quatre chiffres :

  • Résolution : résolution spatiale de 1 km.
  • Couverture : les États-Unis continentaux, du niveau de la mer à 62 000 ft.
  • Cadence : pas de 10 minutes.
  • Taille : environ 7 PB.

Ces chiffres s'expliquent les uns par les autres. Une grille de 1 km de maille sur les États-Unis continentaux compte des millions de colonnes. Chaque colonne est un empilement de niveaux qui monte jusqu'à 62 000 ft, bien au-dessus des altitudes de croisière des avions de ligne. Toutes les 10 minutes, tout l'empilement est enregistré de nouveau. C'est ainsi qu'un jeu de données météo atteint des pétaoctets.

La place d'AceCAST

L'annonce cite AceCAST de TempoQuest parmi les outils de modélisation utilisés pour développer Weather 1K. Weather 1K est le jeu de données de MITRE, et l'annonce ne détaille pas la façon dont chaque outil a été utilisé.

AceCAST exécute WRF, le modèle Weather Research and Forecasting maintenu par le NCAR, sur GPU NVIDIA. Il conserve le flux de travail WRF, avec des entrées, des namelists et des sorties compatibles WRF, et il fonctionne sur des systèmes Linux équipés de GPU NVIDIA, sur site ou dans le cloud. La documentation AceCAST donne le détail.

Un modèle fondé sur la physique, tel que WRF, résout les équations de l'atmosphère sur une grille. Ses sorties sont complètes : chaque variable, en chaque point de grille, à chaque instant enregistré. C'est cette complétude qui rend les sorties de modèle utilisables comme données d'entraînement dans des lieux et à des hauteurs où les observations sont rares.

TempoQuest a publié son propre communiqué de presse sur cette annonce le 6 mai 2026.

Pourquoi les modèles météo d'IA ont besoin de telles données

Un modèle météo d'IA apprend les régularités présentes dans son jeu d'entraînement, et rien d'autre. Trois propriétés de ce jeu déterminent ce dont le modèle entraîné est capable.

  • Maille. Si les champs d'entraînement sont trop grossiers pour contenir un orage, le modèle n'en a jamais vu en détail et ne peut pas en dessiner.
  • Cadence. Les orages se développent et se dissipent en quelques dizaines de minutes. Des instantanés horaires manquent l'essentiel de ce cycle de vie. Des champs enregistrés toutes les 10 minutes le saisissent.
  • Cohérence. Dans les sorties d'un modèle physique, le vent, la température, l'humidité et la pression obéissent partout aux mêmes relations physiques. Le modèle d'IA apprend ces relations à partir des données.

Une mise en garde vaut pour tout jeu de données de ce type. Une sortie de modèle n'est pas une observation. Un jeu de données hérite des biais du modèle et des réglages qui l'ont produit : une équipe rigoureuse l'évalue donc par rapport à des stations, à des radars ou à d'autres mesures avant de s'en servir pour l'entraînement.

Si votre équipe a besoin de son propre jeu de données

TempoQuest ne revend pas Weather 1K. Ce que TempoQuest propose est distinct : l'offre Données météo sur mesure, dont le périmètre est défini pour chaque client.

Pour un projet sur mesure, TempoQuest cadre, génère, conditionne et livre des sorties de modèle à haute résolution propres au projet, ainsi que des jeux de données dérivés, pour l'entraînement d'IA, l'analyse des risques, la planification et l'exploitation. Le périmètre couvre :

  • la région et les variables
  • la résolution (les demandes types portent sur environ 1 km ou 3 km)
  • la cadence (15 minutes, 30 minutes, horaire ou quotidienne)
  • l'historique et l'horizon de prévision, jeux de données historiques compris
  • le format et la livraison (NetCDF, GRIB, Zarr, CSV, JSON ou une API)

Le prix suit le travail : taille du domaine, calcul, historique, cadence, validation et intégration.

Avant de demander un devis, tranchez quatre questions. Elles fixent l'essentiel du périmètre et l'essentiel du coût.

  1. Quelle décision ou quel modèle les données alimenteront-elles, et sur quelle zone ?
  2. Quelle finesse et quelle fréquence faut-il ? Des grilles plus fines et des intervalles plus courts multiplient, les unes comme les autres, le calcul et le stockage.
  3. De combien d'années d'historique avez-vous besoin pour saisir suffisamment d'événements rares parmi ceux qui vous importent ?
  4. Par rapport à quelles observations évaluerez-vous les données ?

Une équipe qui arrive avec ces réponses obtient un périmètre, et un prix, bien plus vite. Si vous utilisez déjà WRF et souhaitez générer les données vous-même, AceCAST l'exécute sur GPU NVIDIA, et un essai est le moyen de le tester sur votre propre domaine.

Que faire ensuite

Cadrez votre jeu de données, ou découvrez les données météo sur mesure.

Votre jeu de données d'entraînement

Apportez vos exigences en matière de données.

Indiquez la région, l'archive, les champs et les droits dont votre modèle a besoin. Nous examinons chaque demande.