Chaque matin, les répartiteurs de compagnies aériennes, les opérateurs de réseaux électriques et les agriculteurs du monde entier prennent des décisions basées sur la même chose : une prévision météo. Alors que la plupart des gens y jettent un coup d'œil pendant deux secondes, les prévisions météorologiques influencent des décisions stratégiques majeures dans de nombreuses industries, avec de l'argent réel, des moyens de subsistance, et même des vies humaines en jeu. Les agriculteurs les utilisent pour déterminer quelle variété de culture semer, quand fertiliser, combien investir dans l'infrastructure d'irrigation, et combien de temps le bétail doit paître. Les services publics les utilisent pour décider où construire des parcs solaires et éoliens, ainsi que pour fixer le prix de l'électricité en gros. Les prévisions servent à avertir les gens des conditions météorologiques extrêmes et à déclencher des mesures d'urgence. Plus récemment, les prévisions météo sont devenues pertinentes pour une industrie émergente : les marchés de prédiction, où les gens parient de l'argent sur toutes sortes d'événements réels, y compris la météo.

Cependant, la tentation de manipuler les données météorologiques pour obtenir un avantage sur ces marchés, combinée à une évolution collective vers des prévisions météo basées sur l'IA et les données, commence à mettre en danger la précision des prévisions. Ces risques sont relativement gérables pour l'instant, mais en tant qu'experts dans le domaine, nous pouvons envisager des scénarios où ils s'aggravent pour devenir des problèmes bien plus importants et systémiques.

Pour élaborer des prévisions météo, nous avons besoin d'observations précises des conditions actuelles. Celles-ci sont collectées à partir de plusieurs sources, notamment les stations météo des aéroports, des services publics ou des transports. Les systèmes opérationnels traditionnels comme le modèle Weather Research and Forecasting ou le système de prévision intégré du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) combinent ces observations avec des approximations numériques pour estimer les schémas météorologiques futurs. Parfois, les stations météo ont des problèmes à cause, par exemple, de défaillances d'instruments ou de mises à niveau d'équipement. Ceux-ci peuvent être détectés soit en temps réel (par vérification et correction), soit rétroactivement. Les systèmes de prévision traditionnels disposent également d'une protection intégrée appelée assimilation de données : chaque mesure entrante est pondérée par rapport à ce que le modèle physique dit qu'il devrait se produire et par rapport aux relevés des stations voisines. Ensemble, ces mécanismes aident à maintenir la fiabilité des observations météo et la robustesse des prévisions.

Mais de nouvelles menaces mettent en danger la précision des observations. Plus tôt cette année, des médias ont rapporté que la station météo de l'aéroport Paris Charles de Gaulle (CDG) avait été manipulée pour enregistrer des pics de température suspects les 6 et 15 avril 2026. Les autorités soupçonnent qu'un sèche-cheveux ou un briquet portatif aurait pu être utilisé. Quoi qu'il en soit, cela a conduit à d'importants gains pour les parieurs des marchés de prédiction en ligne qui avaient parié qu'il ferait 22 °C (71,6 °F) les jours où la moyenne réelle était d'environ 18 °C (64,4 °F). Une personne a gagné 20 000 $. Heureusement, la falsification d'une seule station comme celle-ci peut généralement être détectée par une surveillance humaine ou par les méthodes statistiques actuelles. Dans ce cas, des membres d'une association climatique française à but non lucratif ont remarqué les anomalies par hasard et ont donné l'alerte.

Mais que se passe-t-il s'il n'y a pas de systèmes de surveillance humaine en place ? Et qu'en est-il des autres types de manipulation ? Et si, au lieu de trafiquer une seule station, quelqu'un modifiait à distance les relevés de nombreuses stations à la fois – rendant chaque changement suffisamment petit pour paraître plausible individuellement ? Les contrôles de qualité existants ont du mal à détecter ce type de manipulation coordonnée. Et le temps joue contre nous ; des vérifications minutieuses des données et des métadonnées prennent des heures ou des jours, mais les prévisions doivent être publiées à l'heure, quel que soit le temps qu'il fait.

Le passage à l'intelligence artificielle dans les prévisions météo augmente les enjeux. Ces méthodes sont encore plus dépendantes d'observations météo précises et fiables ; en fait, on les appelle des « modèles basés sur les données ». Par exemple, les chercheurs de l'ECMWF explorent si des prévisions météo de haute qualité peuvent être produites directement à partir d'observations brutes, en sautant l'étape d'assimilation qui sert actuellement de contrôle de qualité.