L'ECMWF ajoutera des prévisions horaires de surface à AIFS v3 avec HourGlass

L'ECMWF prévoit d'apporter des prévisions horaires de surface à AIFS Single et AIFS ENS plus tard en 2026 grâce à HourGlass, un système probabiliste de réduction d'échelle temporelle développé avec MET Norway. L'ECMWF indique que cette capacité sera intégrée à son système de prévision opérationnel dans AIFS v3.

Cette évolution est donc confirmée, mais il ne s'agit pas encore du lancement d'un flux de données. L'ECMWF n'a annoncé ni date précise de mise en service, ni phase de test ou d'exploitation en parallèle, ni inventaire opérationnel des variables, ni présence de tous les champs horaires dans son service Open Data. Les produits opérationnels AIFS v2 actuels restent diffusés toutes les six heures.

Reconstruire les heures entre les prévisions AIFS

La plupart des systèmes météorologiques mondiaux fondés sur l'IA, dont l'AIFS actuel, prévoient des états atmosphériques à six heures d'intervalle. HourGlass utilise les états prévus au début et à la fin de l'une de ces fenêtres pour reconstruire l'évolution horaire intermédiaire.

L'objectif va au-delà d'une courbe lisse entre deux valeurs. HourGlass produit des champs météorologiques spatiaux et son entraînement vise une évolution cohérente de la séquence. Pour les variables pronostiques, la borne à six heures reste ancrée dans la prévision sous-jacente. Les variables diagnostiques, telles que les précipitations, sont générées par le système de réduction d'échelle lui-même.

La méthode produit simultanément les six échéances horaires d'une fenêtre. Une réalisation cohérente est générée pour chaque membre de la prévision d'origine, ce qui permet d'appliquer la même approche à AIFS Single déterministe et à chaque membre d'AIFS ENS.

Pourquoi HourGlass est probabiliste

Les systèmes déterministes de réduction d'échelle temporelle entraînés avec une erreur quadratique moyenne ont tendance à lisser les structures de petite échelle, surtout au centre de la fenêtre de six heures où l'incertitude est la plus grande. HourGlass utilise plutôt des variantes du score de probabilité classé continu (CRPS), avec des termes de perte qui contraignent les différences, le minimum, le maximum et la moyenne dans la fenêtre.

Les données d'entraînement proviennent également de trajectoires de prévision continues plutôt que d'états horaires assemblés entre des cycles successifs d'analyse ou de réanalyse. Ce choix vise à empêcher le modèle d'apprendre les sauts artificiels introduits aux limites des cycles d'assimilation.

Ce que montre l'évaluation de recherche

La prépublication associée a évalué le modèle HourGlass mondial avec AIFS Single v1 et AIFS ENS v1, ainsi qu'une version régionale avec l'ensemble Bris de MET Norway. La vérification par rapport aux observations SYNOP de 2025 montre que les prévisions horaires préservent la qualité des systèmes d'origine, tout en conservant une variabilité réaliste à petite échelle et une évolution cohérente d'une heure à l'autre.

La tempête Amy constitue un test exigeant. Dans la séquence ci-dessus, AIFS-HourGlass conserve la structure générale du vent et de la pression du cyclone pendant son évolution entre les heures de prévision d'origine. L'article signale aussi des limites importantes : les gradients de vent près du centre du cyclone sont plus faibles que dans l'IFS et certains maxima de vitesse du vent à l'ouest de la Norvège ne sont pas reproduits. Ces écarts persistent dans toute la fenêtre et sont attribués principalement aux limites de la prévision AIFS d'origine, de résolution plus grossière.

Cette évaluation apporte des éléments sur la méthode, mais ne vérifie pas la configuration finale d'AIFS v3. L'ECMWF n'a pas encore publié les résultats de validation de la version v3 opérationnelle, la configuration finale du modèle ni l'inventaire prévu pour sa mise en service.

Les précipitations horaires restent le champ le plus difficile

HourGlass améliore le réalisme spatial des précipitations par rapport à des sorties IA plus lissées, mais sous-estime encore les pluies horaires les plus intenses. Dans les expériences mondiales, les précipitations sont un champ diagnostique : le système les prévoit à partir de l'état atmosphérique au lieu de recevoir comme entrée les précipitations de la prévision AIFS à six heures.

Les études de cas montrent un déplacement globalement cohérent des bandes de pluie, mais aussi des gradients plus larges et des difficultés avec les extrêmes locaux. Les sorties horaires seront utiles pour examiner le moment où les précipitations évoluent dans une fenêtre de six heures, mais les résultats actuels ne permettent pas de considérer la prévision des précipitations extrêmes comme résolue par HourGlass.

Pourquoi les sorties AIFS horaires sont importantes

Des états toutes les six heures suffisent à de nombreux usages à moyenne échéance, mais peuvent manquer le moment de changements rapides et les extrêmes quotidiens entre deux pas de prévision. L'ECMWF cite la prévision des crues, l'exploitation des énergies renouvelables et les phénomènes météorologiques à évolution rapide parmi les usages importants d'un détail temporel plus fin. Dans son évaluation régionale, l'article constate aussi qu'HourGlass représente mieux les maxima de température et de vent sur 24 heures que la séquence d'origine à six heures ou une référence fondée sur des splines cubiques.

AIFS v3 opérationnel fournira des prévisions horaires pour des variables clés de surface dans AIFS Single et AIFS ENS. L'ECMWF n'a pas indiqué que tous les champs ou niveaux de pression de l'AIFS deviendraient horaires. L'annonce ne doit donc pas encore être interprétée comme une multiplication par six de l'ensemble du catalogue AIFS.

Ce que les utilisateurs de GribStream doivent surveiller

GribStream fournit actuellement les produits AIFS opérationnels de l'ECMWF via AIFS Operational (aifsoper) et AIFS Ensemble (aifsenfo). Si l'ECMWF publie les champs HourGlass dans la distribution AIFS habituelle, ils devraient rester des mises à jour de ces familles de modèles plutôt que devenir un dataset distinct.

La prochaine étape utile sera une page de mise en service de l'ECMWF, des données de test ou un inventaire actualisé des produits diffusés et disponibles via Open Data. Avant d'ajouter ces champs, nous devons confirmer :

• la date précise de mise en service et toute phase d'exploitation en parallèle
• les variables de surface, pas de prévision, échéances et produits d'ensemble qui seront horaires
• les conventions de flux, de noms de fichiers, de paramètres et d'accumulation
• la présence des produits horaires dans l'offre publique Open Data
• le maintien de la grille et des conditions de licence actuelles dans AIFS v3

Les sorties AIFS v2 actuelles sont disponibles en GRIB2 sur une grille régulière de 0,25 degré et sont sous licence CC BY 4.0 pour la redistribution et l'usage commercial avec attribution. L'ECMWF n'a pas documenté séparément les futurs champs HourGlass. Ces conditions d'accès actuelles ne doivent donc pas être projetées sur AIFS v3 avant la publication de son catalogue.

HourGlass est le deuxième développement concret d'AIFS v3 dévoilé par l'ECMWF ce mois-ci, après son aperçu du forçage consacré à l'îlot de chaleur urbain. La nouvelle annonce va plus loin en associant HourGlass à une version opérationnelle prévue plus tard en 2026, tandis que les modalités précises de mise en production et d'accès aux données restent à définir.

Sources

• ECMWF: HourGlass—filling in the gaps between forecasts, 20 août 2026
• Ingstad et al.: HourGlass—A Probabilistic Data-Driven Temporal Downscaler for Hourly Global and Regional Weather Forecasting, 13 juillet 2026
• Données AIFS Machine Learning de l'ECMWF
• AIFS Operational sur GribStream
• AIFS Ensemble sur GribStream