S'agit du modèle météorologique propriétaire PredictWind qui utilise les conditions initiales mondiales du NCEP , traitées par le modèle CSIRO CCAM pour générer les prévisions PWG.

Le modèle météorologique propriétaire de PredictWind utilise les conditions initiales mondiales de l' ECMWF , traitées par le modèle CCAM du CSIRO, pour générer les prévisions PWE.

PredictWind est la seule entreprise privée au monde à posséder cette technologie exclusive qui génère des prévisions à une résolution de 1 km pour des zones géographiques populaires. Ces prévisions, d'une résolution de 1 km, couvrent une période de 36 heures et affichent une précision élevée, validée par un outil dédié.

Notre modèle propriétaire basé sur l'IA représente la plus importante avancée en matière de prévision jamais réalisée chez PredictWind. PWAi combine les atouts d' ECMWF (haute résolution), d'AIFS, de Fengwu et de GraphCast pour générer une prévision unique et optimisée couvrant le globe. Il fournit des prévisions horaires pour les trois premiers jours, offrant ainsi une précision temporelle supérieure à celle des autres modèles d'IA. PWAi a démontré d'excellentes performances lors d'études de validation sur des périodes courtes et moyennes et sur de vastes zones géographiques.

Le CEPMMT (Centre européen pour les prévisions météorologiques à moyen terme) est une référence pour les météorologues et les navigateurs de haut niveau du monde entier. Son modèle ECMWF à haute résolution est régulièrement classé parmi les meilleurs modèles météorologiques mondiaux proposés par les services météorologiques nationaux, obtenant les scores les plus élevés. En mars 2016, ECMWF a porté la résolution de son modèle à un niveau record de 9 km, ce qui en fait actuellement le modèle mondial le plus précis disponible. L'acquisition des données ECMWF est très coûteuse, ce qui explique leur faible utilisation par les sites web météorologiques et leur usage traditionnel réservé aux équipes de course à la voile de haut niveau et aux météorologues.

Développé par ECMWF , AIFS est leur modèle de nouvelle génération basé sur l'IA. Ce modèle utilise une IA avancée pour fournir des prévisions mondiales précises et opportunes. Il est particulièrement performant en mer, permettant de saisir les tendances météorologiques à grande échelle à moyen et long terme.

Le Système mondial de prévision (GFS) du NCEP est utilisé par la plupart des sites web et applications météorologiques. Désormais, PredictWind affiche le modèle GFS-FV3 lorsque l'étiquette GFS apparaît. Il s'agit de la première mise à jour majeure du GFS depuis une quarantaine d'années. Contrairement au modèle GFS précédent, le GFS-FV3 est capable de simuler les mouvements verticaux, tels que les courants ascendants (un élément clé des phénomènes météorologiques violents), avec une très haute résolution. À ce jour, les tests suggèrent que le modèle FV3 offre des prévisions à cinq jours plus précises, ainsi que de meilleures prédictions des trajectoires et de l'intensification des ouragans. Bien que le nouveau noyau FV3 présente des améliorations par rapport au GFS, il reste classé troisième en termes de précision, derrière ECMWF (premier) et l'UKMO (deuxième).

Le modèle UKMO, également connu sous le nom de « modèle unifié », jouit d'une excellente réputation en tant que référence dans le domaine des prévisions météorologiques. Sa précision est très proche de celle du modèle ECMWF en mer, et légèrement inférieure pour les stations ECMWF terrestres.

Le modèle HRRR (High-Resolution Rapid Refresh) est un modèle atmosphérique en temps réel de la NOAA, à résolution de 3 km, mis à jour toutes les heures, prenant en compte les nuages ​​et la convection. Initialisé par une grille de 3 km intégrant des données radar à 3 km, il ajoute des données radar toutes les 15 minutes sur une période d'une heure, complétant ainsi les données horaires du modèle HRRR (Rapid Refresh) à 13 km. Pour en savoir plus, consultez lavidéo .

Le Système de prévision méso-échelle nord-américain (NAM) est l'un des principaux modèles météorologiques de la NOAA, couvrant ici la majeure partie de l'Amérique du Nord. NAM est un modèle méso-échelle, ce qui signifie que son analyse numérique permet de modéliser les terres émergées et d'autres caractéristiques avec une résolution plus fine qu'un modèle global, améliorant ainsi la précision des prévisions.

Un modèle de prévision numérique à petite échelle, opérationnel à Météo-France depuis décembre 2008. Il a été conçu pour améliorer les prévisions à court terme d'événements extrêmes tels que les cévenoles (fortes précipitations méditerranéennes), les orages violents, le brouillard et les vagues de chaleur urbaines. Ce modèle est très apprécié des navigateurs de haut niveau et surpasse les prévisions ECMWF .

Le modèle allemand de prévision numérique du temps (PNT) global, développé par le Service météorologique allemand (DWD) en collaboration avec l'Institut Max Planck de météorologie (MPI-M), utilise une grille icosaédrique : la surface terrestre est divisée en un système de grille basé sur des icosaèdres subdivisés, assurant une couverture globalement uniforme. Ceci permet d'éviter les distorsions et les pertes de calcul rencontrées près des pôles avec les grilles traditionnelles de type latitude-longitude.

Les prévisions SPIRE seront retirées de PredictWind à compter d'octobre 2025, car le modèle utilisé, SOF-D, est en cours d'abandon par SPIRE.

En fonction de la nature et du volume des données nécessaires pour alimenter une carte ou un tableau donné, cela varie selon le modèle météorologique, le paramètre et l'application/le site Web de prévisions.

Le tableau ci-dessous récapitule les modèles météorologiques disponibles par paramètre et par application :

Site web - Site web de prévisions PredictWind

PWA - Application PredictWind

OA - Application offshore

Veuillez noter que les délais de mise à jour exacts peuvent varier légèrement en raison des variations dans la transmission des données sources et le processus d'ingestion.