SharePlusSharePlus
FR ▼
WindBorne décroche un contrat de l'US Air Force pour ses ballons météo
Technologieby Tim FernholzLangue source: English

WindBorne décroche un contrat de l'US Air Force pour ses ballons météo

Points clés

  • WindBorne Systems a signé un contrat avec l'US Air Force d'une valeur maximale de 49 millions de dollars.
  • L'entreprise exploite une flotte mondiale d'environ 700 ballons météorologiques autonomes.
  • Les paiements s'effectuent selon les besoins, avec des commandes initiales de 1,7 million de dollars.
  • Les données alimentent directement les modèles de prévision météorologique par intelligence artificielle de la startup.

L'armée de l'air américaine a conclu un nouveau contrat important avec WindBorne Systems pour l'achat de données collectées par la flotte de ballons météorologiques autonomes de la startup. Cet accord pourrait atteindre près de 50 millions de dollars, constituant une étape majeure pour cette jeune pousse fondée en 2015 et basée à Redwood City, en Californie. WindBorne déploie actuellement environ 700 ballons météo à travers le monde, recueillant des données atmosphériques vendues à divers clients et directement intégrées dans ses propres modèles de prévision météorologique basés sur l'intelligence artificielle. Cette intégration directe de données empiriques dans des systèmes d'apprentissage profond représente une approche innovante en météorologie.

Bien que WindBorne ait collaboré par le passé avec des agences gouvernementales américaines telles que le National Weather Service et la marine, cet accord constitue le plus grand contrat jamais signé par l'entreprise. Le plafond du contrat est fixé à 49 millions de dollars, mais l'US Air Force règle ses commandes en fonction de ses besoins opérationnels précis. Plutôt que de verser la totalité de la somme à l'avance, elle commande des données pour des régions et des périodes spécifiques. Les commandes initiales s'élèvent à 1,7 million de dollars, et les dirigeants s'attendent à de nouvelles acquisitions.

Selon Andrey Sushko, cofondateur et directeur technique de WindBorne, ce contrat sert principalement de mécanisme de financement pour soutenir la croissance continue de la flotte de ballons et financer la recherche et le développement. Le contrat a été attribué sans appel d'offres concurrentiel, ce qui témoigne selon Sushko de la reconnaissance par le gouvernement que WindBorne est la seule entreprise capable de fournir cette capacité de collecte mondiale selon leurs exigences. En août, la startup a également levé une série B de 37 millions de dollars.

Plus tôt cet été, l'entreprise a publié la dernière version de son modèle de prévision, WeatherMesh 6, qui surpasse selon elle les modèles traditionnels basés sur la physique du Centre européen de prévision météorologique à moyen terme. L'émergence des architectures de transformateurs et de vastes ensembles de données historiques a transformé la prévision météorologique par IA en l'une des applications les plus productives de l'apprentissage profond.

Historiquement, les météorologues dépendaient de superordinateurs coûteux exécutant des équations physiques complexes. Aujourd'hui, les modèles modernes de machine learning peuvent ingérer des décennies de données d'observation pour générer des prévisions rapides. Bien que l'IA météorologique reste un domaine en évolution où les méthodes traditionnelles conservent un rôle de validation, les nouveaux modèles gagnent en précision. Par exemple, les outils de prévision des cyclones de Google DeepMind jouent un rôle central dans la gestion des tempêtes.

WindBorne a également démontré des capacités opérationnelles uniques dans des conditions extrêmes. En août, l'entreprise est devenue la première à envoyer un système de vol non motorisé directement dans l'œil du typhon Dolphin. En ajustant son altitude ou en libérant du lest, la startup navigue avec précision au cœur des phénomènes météorologiques complexes, s'imposant à l'avant-garde de la technologie.

Recommended for you

Tools and services we trust to boost productivity and content workflows.

Browse picks
Source originale →