Développé sous la direction scientifique de Pierre Gentine, professeur à Columbia University et à l’École normale supérieure de Paris, également cofondateur de Celest.Science, legoESM a fait l’objet d’une publication scientifique le 8 octobre 2026. Son objectif est de revoir en profondeur la manière dont les modèles météorologiques et climatiques sont construits, utilisés et perfectionnés.
Des modèles climatiques devenus difficiles à faire évoluer
La compréhension du climat repose sur des modèles numériques capables de représenter les interactions entre les différentes composantes du système terrestre. Atmosphère, océans, glaces, végétation et échanges d’énergie sont intégrés dans des ensembles informatiques particulièrement complexes.
Ces modèles constituent des instruments essentiels pour étudier l’évolution du climat et anticiper ses conséquences. Leur conception, progressivement enrichie au fil des décennies, présente néanmoins certaines limites.
Les différentes composantes sont généralement étroitement liées. Modifier une partie du système peut nécessiter des interventions sur plusieurs autres éléments, ce qui complique les évolutions techniques et ralentit l’intégration de nouvelles connaissances scientifiques.
Le calibrage constitue une autre difficulté. Les modèles climatiques comportent de nombreux paramètres dont les valeurs doivent être ajustées pour reproduire au mieux les observations. Une partie importante de ces opérations demeure réalisée manuellement.
L’arrivée de l’intelligence artificielle dans les sciences du climat offre de nouvelles possibilités, mais son intégration dans les architectures traditionnelles reste difficile.
C’est précisément sur ces obstacles que les chercheurs à l’origine de legoESM ont concentré leurs travaux.
Une architecture modulaire qui associe physique et intelligence artificielle
La particularité de legoESM réside dans son organisation en modules interchangeables. Chaque composante peut être modifiée ou remplacée sans nécessiter une reconstruction complète du modèle.
Cette approche permet notamment de substituer à un module reposant sur des équations physiques un autre module utilisant des méthodes d’apprentissage automatique. Les chercheurs peuvent également expérimenter différentes représentations de l’océan ou de l’atmosphère tout en conservant les autres composantes du système.
L’intérêt est de pouvoir faire évoluer progressivement les outils de simulation, sans repartir de zéro à chaque modification importante.
L’intelligence artificielle intervient également dans l’ajustement des paramètres. Le modèle a été conçu pour apprendre directement à partir des observations et automatiser une partie du calibrage.
Cette capacité constitue une évolution notable par rapport aux méthodes traditionnelles, dans lesquelles les ajustements nécessitent encore de nombreuses interventions humaines.
La combinaison des approches physiques et des méthodes d’apprentissage doit permettre aux scientifiques de tester plus facilement différentes hypothèses et d’améliorer progressivement les représentations du système climatique.
Des performances de calcul qui réduisent les besoins informatiques
La puissance de calcul nécessaire représente une contrainte importante pour la recherche climatique. Les simulations mobilisent fréquemment des infrastructures informatiques lourdes, notamment lorsqu’elles portent sur de longues périodes ou nécessitent une résolution élevée.
legoESM a été conçu pour tirer parti des processeurs utilisés dans l’intelligence artificielle, en particulier les GPU et les TPU.
Selon les performances présentées par ses concepteurs, le modèle fonctionne 7,2 fois plus rapidement sur une seule carte graphique que sur un serveur classique équipé de 128 cœurs CPU.
Autre résultat mis en avant, il serait capable de simuler quatre années de climat en moins d’une heure sur un ordinateur portable.
Ces performances illustrent les possibilités offertes par une architecture informatique conçue dès l’origine pour exploiter les technologies de calcul modernes.
Elles pourraient faciliter l’accès à certaines simulations climatiques, jusqu’ici dépendantes de moyens informatiques importants.
Ces résultats doivent toutefois être considérés dans le cadre des configurations et des simulations présentées par les développeurs. Ils ne signifient pas que tous les modèles climatiques, quelles que soient leur complexité et leur résolution, peuvent désormais fonctionner avec des ressources informatiques aussi limitées.
Une approche qui couvre différentes échelles du système terrestre
Une autre caractéristique de legoESM concerne sa capacité à travailler sur des échelles spatiales très différentes.
Le modèle peut représenter des phénomènes atmosphériques à l’échelle de quelques mètres, notamment les turbulences, tout en permettant des simulations à l’échelle planétaire.
Ses concepteurs indiquent qu’il couvre des dimensions allant d’un mètre à 40 000 kilomètres.
Cette polyvalence doit notamment faciliter l’utilisation de simulations à haute résolution pour améliorer les représentations utilisées à plus grande échelle.
Dans les modèles traditionnels, l’étude de phénomènes locaux nécessite fréquemment le recours à des configurations régionales spécifiques, afin d’obtenir un niveau de détail suffisant sans mobiliser des ressources de calcul excessives.
L’approche proposée par legoESM cherche à simplifier les échanges entre ces différentes échelles.
Cette question présente un intérêt particulier pour l’étude des risques climatiques, dont les conséquences dépendent souvent de phénomènes localisés.
Un développement accéléré grâce aux agents d’intelligence artificielle
Le recours à l’intelligence artificielle ne se limite pas au fonctionnement du modèle. Il a également accompagné sa conception.
legoESM a été développé en neuf mois par une équipe de chercheurs utilisant des agents d’intelligence artificielle pour contribuer aux travaux de programmation.
L’ensemble représente environ 620 000 lignes de code.
Cette méthode de développement, conduite sous supervision scientifique, permettrait également de réaliser de nouveaux modules en quelques jours, alors que leur conception pouvait auparavant nécessiter plusieurs mois.
Le projet est issu d’une collaboration internationale réunissant 15 chercheurs appartenant notamment à Columbia University, Princeton University et au National Center for Atmospheric Research aux États-Unis, à l’université de Tübingen en Allemagne et à l’Institut des géosciences de l’environnement de Grenoble.
Le choix d’une diffusion open source vise à permettre à la communauté scientifique d’utiliser le modèle, de comparer différentes approches et de participer à son amélioration.
Cette ouverture doit également faciliter les expérimentations sur les interactions entre les méthodes traditionnelles de simulation et les nouveaux outils d’apprentissage automatique.
Des perspectives pour l’assurance et l’évaluation des risques climatiques
Au-delà des applications scientifiques, les travaux menés autour de legoESM concernent directement plusieurs secteurs économiques dont l’activité dépend des conditions météorologiques et de leurs évolutions.
L’assurance figure parmi les domaines susceptibles de bénéficier de ces progrès.
Les assureurs doivent évaluer leur exposition à différents événements naturels et tenir compte des conséquences possibles de l’évolution du climat sur les risques couverts.
La qualité des informations climatiques constitue donc un enjeu important pour l’analyse des expositions, la gestion des portefeuilles et l’appréciation des risques à moyen et long terme.
Une meilleure représentation des phénomènes climatiques pourrait contribuer à affiner certaines analyses, notamment lorsque les caractéristiques locales jouent un rôle déterminant dans l’exposition des biens et des activités.
Il convient cependant de distinguer la capacité à produire des simulations climatiques de la capacité à quantifier directement les pertes assurées. Cette dernière nécessite également des informations sur les biens exposés, leur vulnérabilité et les garanties contractuelles.
Celest.Science explore déjà les applications de legoESM auprès de ses clients, en particulier dans l’assurance, mais également dans l’énergie et l’agriculture.
Pour Pierre Gentine, l’enjeu est de pouvoir fournir aux entreprises une vision plus précise de leur exposition aux risques, tant dans les conditions climatiques actuelles que dans un environnement appelé à évoluer.
Une nouvelle étape pour l’adaptation au changement climatique
Créée en 2023 par Léo Lemordant, spécialiste de l’hydrologie et directeur général de l’entreprise, et Pierre Gentine, Celest.Science développe des modèles d’intelligence artificielle appliqués à l’anticipation des phénomènes météorologiques et hydrologiques extrêmes.
Ses outils portent sur des horizons allant de trois mois à plusieurs années, notamment dans des régions où les observations disponibles restent limitées.
La société cherche ainsi à apporter des informations utiles aux décisions des acteurs de la finance, de l’assurance, de l’énergie et de l’agriculture.
Avec legoESM, elle élargit son approche en s’appuyant sur un modèle du système Terre dont l’architecture permet d’associer plus directement les connaissances physiques et les capacités d’apprentissage de l’intelligence artificielle.
Le projet marque une évolution dans les méthodes de conception des outils climatiques. Sa portée opérationnelle dépendra toutefois des développements futurs, de la validation scientifique des simulations et de leur adaptation aux besoins des utilisateurs.
Pour les assureurs, les perspectives sont importantes. Dans un contexte où la compréhension des phénomènes climatiques devient une composante majeure de la gestion des risques, l’amélioration des modèles constitue un levier potentiel pour mieux apprécier les expositions et préparer les stratégies d’adaptation.
L’intérêt de legoESM réside ainsi autant dans ses performances informatiques annoncées que dans la possibilité de faire évoluer plus rapidement les connaissances et les méthodes de simulation. Une démarche qui pourrait progressivement modifier la manière dont les risques climatiques sont étudiés et intégrés aux décisions économiques.