La météo devient une donnée opérationnelle : ce qu'un modèle de prévision à 5 kilomètres change pour votre planning

Le 3 septembre 2026, Google DeepMind et Google Research ont annoncé WeatherNext 3, présenté comme leur modèle météorologique mondial le plus avancé et le plus précis à ce jour. La nouveauté n'est pas qu'il prévoit la météo, ce que l'on fait depuis des décennies, mais qu'il produit des prévisions pour chaque heure de la journée, avec une résolution spatiale atteignant 5 kilomètres pour les variables de surface comme la température et l'humidité, contre 25 kilomètres auparavant.

Pour un chef d'entreprise, cette différence n'est pas une note de bas de page scientifique. L'écart entre une prévision couvrant un carré de 25 kilomètres et une prévision couvrant un carré de 5 kilomètres, c'est l'écart entre savoir que la région sera pluvieuse et savoir que votre chantier le sera. Et dès lors que la prévision est horaire et non plus établie toutes les six heures, la question n'est plus de savoir si vous travaillez demain, mais à quel moment précis vous travaillez demain. C'est une question de planification, pas une question de météo.

Ce que Google a réellement annoncé

Les chiffres tels que publiés dans l'annonce officielle :

• La résolution varie selon la variable. Cinq kilomètres pour les variables de surface comme la température et l'humidité, dix kilomètres pour les autres variables de surface, et vingt-cinq kilomètres pour les variables atmosphériques comme la vitesse du vent. La résolution n'est pas un chiffre unique ; elle dépend de ce que vous cherchez à savoir.
• Des prévisions horaires. Google le présente comme le premier modèle météorologique mondial à produire des prévisions pour chaque heure de la journée.
• La précision des précipitations s'améliore jusqu'à 50 % pour une planification à un jour ou plus, mesurée par le CRPS, un score standard de qualité des prévisions probabilistes.
• La source des données a changé. Le modèle apprend directement à partir des données satellitaires géostationnaires en temps réel et des observations des stations, au lieu de s'appuyer uniquement sur les résultats de la prévision numérique du temps traditionnelle.
• Où il apparaît. Google Search, l'application Gemini, Google Maps, l'API Weather de Maps Platform, ainsi que Google Earth Engine et BigQuery pour les usages analytiques.

Ce dernier point est le plus important pour quiconque construit des systèmes : une prévision précise disponible dans une API et dans BigQuery est une donnée que vous pouvez brancher sur votre propre système, et non un écran que l'on ouvre pour le regarder.

Pourquoi le calendrier compte particulièrement en Arabie saoudite

Le 15 septembre 2026, l'interdiction du travail en plein air à la mi-journée prend fin. Elle a commencé le 15 juin et interdit le travail dans les espaces ouverts au sein des établissements du secteur privé de 12 h à 15 h. Pendant trois mois, la planification du travail en extérieur a été régie par une règle fixe et connue : trois heures bloquées chaque jour.

Après le 15 septembre, toute la plage de jour redevient disponible, et avec elle la responsabilité revient à l'entreprise elle-même. Ce n'est plus la réglementation qui décide quand le travail s'arrête : ce sont la chaleur, le vent, la pluie et votre propre décision. C'est précisément là qu'une prévision précise cesse d'être une information pour devenir un outil de gestion. Une entreprise qui passe d'une règle fixe à l'absence de règle perd en discipline ; une entreprise qui passe d'une règle fixe à une règle fondée sur les données gagne une souplesse qu'elle n'a pas eue de tout l'été.

À noter : la fin de la période d'interdiction lève uniquement cette restriction horaire précise. Elle ne supprime pas les obligations générales de l'employeur en matière de santé et de sécurité au travail.

Où cela entre réellement dans les opérations

La météo entre dans les opérations par quatre portes, et toutes les quatre sont mesurables :

• BTP et travail en extérieur. Les coulages de béton, le travail en hauteur et la peinture sont tous sensibles au vent, à la pluie et à la chaleur. Une prévision horaire permet de fixer un créneau de travail le matin plutôt que de l'annuler à midi, et la différence entre les deux représente une journée de travail complète pour une équipe complète.
• Livraison et logistique. La pluie modifie la durée des trajets, le taux de livraisons échouées et le volume d'appels au service client. Savoir un jour à l'avance que trois heures de l'après-midi seront pluvieuses dans un quartier précis vous permet d'ajuster le nombre de livreurs et les promesses de livraison avant qu'elles ne soient rompues, et non après.
• Événementiel et commerce. La météo est l'un des plus puissants moteurs de fréquentation des centres commerciaux, des restaurants et des lieux en plein air. Relier la prévision au planning des équipes transforme l'effectif d'un nombre fixe en un nombre qui s'adapte.
• Agriculture, eau et gestion des installations. Les calendriers d'irrigation et la maintenance préventive des équipements exposés peuvent être décalés d'un jour ou deux sur la base d'une prévision probabiliste, au lieu d'être exécutés un jour qui ne leur convient pas.

Ce qu'aucun modèle ne change, aussi précis soit-il

C'est la partie que l'on saute habituellement. Le modèle vous donne une meilleure prévision ; il ne vous donne pas une décision. Une entreprise qui s'abonne à la source de données la plus précise du monde puis laisse la décision à l'improvisation quotidienne ne remarquera aucune différence.

• Les prévisions sont probabilistes, pas définitives. La qualité du modèle est évaluée de manière probabiliste, et 70 % de risque de pluie n'est pas une promesse de pluie. Quiconque fonde une décision binaire, travailler ou non, sur un chiffre probabiliste aura le sentiment que le modèle se trompe souvent : l'erreur est dans l'usage, pas dans le modèle.
• La résolution diffère selon la variable. Cinq kilomètres pour la température ne signifie pas cinq kilomètres pour le vent. Si votre activité est particulièrement sensible au vent, vous devez savoir que vous lisez des données à une résolution de vingt-cinq kilomètres.
• Les décisions exigent des seuils écrits. Tant que vous n'avez pas noté à l'avance la vitesse du vent à partir de laquelle le travail en hauteur s'arrête, et la probabilité de pluie à partir de laquelle un coulage est reporté, vous n'avez pas un système : vous avez un écran.
• Les organismes officiels restent irremplaçables. Les avertissements et alertes météorologiques officiels dans le Royaume sont émis par les autorités compétentes. Un modèle commercial est une donnée de planification, pas un substitut à une alerte officielle.

Comment en faire quelque chose d'opérationnel en deux semaines

• Choisissez un seul processus réellement affecté par la météo et dont vous pouvez mesurer le coût : une journée perdue sur un chantier, ou le taux de livraisons échouées un jour de pluie.
• Enregistrez une base de référence pendant un mois. Combien de journées de travail ont été perdues, combien de fois une tâche a été reprogrammée, et ce que cette reprogrammation a coûté.
• Écrivez vos seuils sur une seule page. Variable, chiffre, décision, et qui en est responsable. Trois ou quatre lignes suffisent pour commencer.
• Branchez la prévision sur le planning, pas sur la messagerie. Les données montrent leur valeur lorsqu'elles modifient automatiquement une équipe ou une tournée, ou alertent un superviseur dans le système qu'il utilise déjà, et non lorsqu'elles arrivent sous forme d'un message que quelqu'un lit de temps en temps.
• Faites le point après un mois sur les mêmes indicateurs. Si le chiffre n'a pas bougé, le problème se trouve dans les seuils ou dans la mise en œuvre, pas dans la source de données.

Le regard d'Origami

Origami est une société technologique, et nous lisons cette annonce comme un cas d'école d'un schéma récurrent : une capacité autrefois réservée à des institutions spécialisées descend au niveau d'une API que n'importe quel système de gestion peut consommer. Les entreprises qui en profitent ne sont pas les plus enthousiastes face à la technologie : ce sont celles qui disposent déjà d'un processus écrit qui attend de meilleures données.

C'est pourquoi, lorsqu'un client nous demande de connecter une source de données externe à son système, nous ne commençons pas par l'intégration technique. Nous partons d'une question plus simple : quelle décision change lorsque ces données arrivent, qui en est responsable, et à quel seuil ? Si la réponse n'est pas claire, l'intégration ajoute un nouvel écran et un nouveau coût sans ajouter de résultat. Si elle est claire, la construction elle-même est bien plus simple que ne l'imaginent la plupart des chefs d'entreprise.

Conclusion

WeatherNext 3 rend la prévision météorologique plus fine dans l'espace, plus dense dans le temps, et disponible dans des API et des outils d'analyse. En Arabie saoudite, il arrive quelques jours avant la fin de l'interdiction du travail à la mi-journée, le 15 septembre, c'est-à-dire précisément au moment où la responsabilité de la planification du travail en extérieur revient à l'entreprise elle-même. Traitez la météo comme une actualité et vous continuerez à reprogrammer après que la perte a eu lieu ; traitez-la comme une donnée assortie d'un seuil écrit et d'un responsable désigné et vous reprogrammerez avant. La différence entre les deux ne tient pas à la technologie dont elles disposent, qui est identique, mais à l'existence d'un processus pour la recevoir.

Sources

• Google, annonce officielle de WeatherNext 3, 3 septembre 2026, source des chiffres de résolution, des prévisions horaires, des améliorations de la précision des précipitations et des plateformes de disponibilité.
• Google DeepMind, page WeatherNext, pour le contexte technique de la famille de modèles.
• Ministère des Ressources humaines et du Développement social, interdiction du travail en plein air à la mi-journée, source de la période du 15 juin au 15 septembre 2026 et des horaires interdits de 12 h à 15 h.

Chiffres tels que publiés dans les sources ci-dessus, au 4 septembre 2026.