Microsoft uses machine learning to improve long-range weather forecastsMicrosoft verbetert weersvoorspellingen op lange termijn met machine learningMicrosoft améliore les prévisions météo à long terme grâce à l’apprentissage automatique
The Verge · 14 October 2026, at 22:32
So, Microsoft researchers have developed an open-source machine-learning tool designed to make weather forecasts two to six weeks ahead more accurate. Rather than building a new forecasting model, Probabilistic Bias Correction identifies and corrects systematic errors in existing models, and it can run on ordinary CPUs. In tests, it improved a leading European physics-based model on 98 percent of precipitation targets and 92 percent of temperature targets, while doubling the accuracy of a newer AI forecasting system. That lightweight approach could help farmers, emergency responders, and weather agencies with fewer resources plan further ahead.Microsoft-onderzoekers ontwikkelden een opensourcetool met machine learning die weersvoorspellingen voor twee tot zes weken vooruit nauwkeuriger moet maken. Probabilistic Bias Correction bouwt geen nieuw voorspellingsmodel, maar spoort systematische fouten in bestaande modellen op en corrigeert ze, en werkt gewoon op cpu’s. In tests verbeterde de methode een toonaangevend Europees fysisch model voor 98 procent van de neerslagdoelen en 92 procent van de temperatuurdoelen, en verdubbelde ze de nauwkeurigheid van een nieuwer AI-voorspellingssysteem. Dankzij die lichte aanpak kunnen boeren, hulpdiensten en weerdiensten met minder middelen verder vooruit plannen.Des chercheurs de Microsoft ont mis au point un outil open source d’apprentissage automatique destiné à rendre plus fiables les prévisions météo établies deux à six semaines à l’avance. Au lieu de créer un nouveau modèle de prévision, Probabilistic Bias Correction repère et corrige les erreurs systématiques des modèles existants, et peut fonctionner sur de simples processeurs. Lors des tests, la méthode a amélioré un modèle physique européen de référence pour 98 % des objectifs de précipitations et 92 % des objectifs de température, tout en doublant la précision d’un système de prévision par IA plus récent. Cette approche légère pourrait aider les agriculteurs, les services d’urgence et les organismes météo aux moyens limités à mieux anticiper.
