Foehn

L’exposition à court terme aux particules fines (PM_2.5) est responsable d’environ un million de décès par an. Les prévisions opérationnelles utilisent des mailles de plusieurs dizaines de kilomètres, qui masquent la pollution que respirent chaque jour près de deux cents millions de personnes. Foehn est un modèle génératif qui apprend à partir d’estimations mondiales des PM_2.5 à l’échelle du kilomètre, et qui calcule d’où vient l’air : il prévoit les concentrations journalières de PM_2.5 à 1 km sur toutes les terres habitées, jusqu’à une semaine à l’avance, sous la forme d’un ensemble calibré.

Foehn repose sur deux idées. FLEXGREEN suit l’air à rebours dans la prévision météorologique en trois dimensions et transforme les origines de cet air en cartes de transport, sans aucun paramètre appris. Un réseau entraîné par flow matching prévoit ensuite des fenêtres de la taille d’un continent en une seule passe, sans raccords entre tuiles, en générant des futurs possibles plutôt que leur moyenne floue.

Sur un an de prévisions rétrospectives (2022), évaluées sur des milliers de stations de mesure qui n’ont jamais servi à entraîner ni à sélectionner le modèle, Foehn a été, pour trois stations sur quatre, plus précis que la prévision opérationnelle émise au même moment, et sa moyenne d’ensemble a détecté les extrêmes locaux de pollution à quatre jours d’échéance aussi bien que la prévision opérationnelle à un jour. J’ai mené le développement de la méthode, les expériences et la rédaction ; la prépublication, cosignée avec Michael Boy et Zhi-Song Liu, est disponible sur arXiv (2610.25941).