HiRO-ACEv2 : Ai2 a mis en ligne 10,9 Go de poids de l’émulateur climatique et n’a prévenu personne

HiRO-ACEv2 n'est pas un modèle de langage, et c'est la première chose à bien saisir. Il s'agit d'un cadre d'émulation climatique en deux étapes de l'Allen Institute for AI, et le 12 octobre 2026 à 16 h 43 UTC, l'institut a créé un dépôt Hugging Face sous le nom allenai/HiRO-ACEv2 contenant environ 10,9 Go de checkpoints, de données de forçage et de conditions initiales. Deux jours plus tard, le 14 octobre à 13 h 15 UTC, le dépôt a reçu son dernier commit. Au moment où nous écrivons ces lignes, il compte un seul « j'aime », aucun téléchargement, aucun fil de discussion, aucune publication d'annonce de la part d'Ai2, aucun billet de blog et aucune couverture médiatique. La seule explication publique de ce que contient cette publication est un préprint apparu sur arXiv le 13 octobre, un jour après les poids.

Ce qui fait que cela mérite une page plutôt qu'un haussement d'épaules, c'est l'écart par rapport à la première génération. Ai2 a livré HiRO-ACE en janvier 2026, et il ne faisait qu'une seule chose : les précipitations à 3 km. HiRO-ACEv2 ajoute aux sorties les vents à 10 mètres vers l'est et vers le nord ainsi que la pression moyenne au niveau de la mer, en plus des précipitations, ce qui le fait passer d'un outil de descente d'échelle pour les précipitations à quelque chose de plus proche d'un générateur de champs atmosphériques exploitable à l'échelle de 3 km. Il s'agit là d'un véritable changement de capacités, et non d'une simple montée de version. Savoir s'il tient la route est une autre question, et une question à laquelle personne en dehors d'Ai2 n'a encore répondu.

Qu’y a-t-il dans le dépôt, fichier par fichier ?

C’est la partie qui est entièrement connaissable, c’est donc celle qui vaut la peine d’être lue attentivement. Tout ce qui suit a été relevé à partir de la liste des fichiers et des métadonnées du dépôt.

• HiROv2.ckpt — 1 376 737 727 octets, soit environ 1,28 Gio. Il s'agit du modèle de réduction d'échelle par diffusion lui-même, le composant que l'article appelle HiRO pour « High Resolution Output ».

• ACE2S-X-SHiELD.ckpt — 3 201 380 831 octets, soit environ 2,98 GiB. L’émulateur à basse résolution qui l’alimente : un modèle autorégressif de X-SHIELD, le modèle global à résolution d’orages, ramené à une résolution de 100 km.

• forcing_data/ — dix fichiers NetCDF, forcing_2014.nc à forcing_2023.nc, environ 609 Mo chacun. Neuf cent trente mégaoctets de cette fenêtre constituent l'entrée de conditionnement, et son étendue sur dix ans correspond exactement à la fenêtre d'entraînement à laquelle les deux checkpoints sont limités.

• initial_conditions/ — ic_2014.nc et ic_2023.nc, 118 253 505 octets chacun. Les deux extrémités de la période que la version est configurée à exécuter.

• Trois fichiers de configuration YAML et un script shell — ace2s_inference_config_global.yaml, hiro_downscaling_ace2s_global_output.yaml, hiro_downscaling_ace2s_pnw_output.yaml et run-hiro-ace.sh. La configuration du Nord-Ouest Pacifique se trouve aux côtés de la configuration globale, ce qui donne un bon indice sur la région que les auteurs ont utilisée comme exemple concret.

Le README fait 5 345 octets et se présente essentiellement comme une recette : télécharger le dépôt, pip install fme, pointer quatre champs de la configuration ACE vers vos chemins, pointer la configuration HiRO vers le répertoire de sortie de l'exécution ACE, exécuter le script shell. Le code réside dans le dépôt public climate-emulator d'Ai2 et le site de documentation annonce actuellement le paquet sous le nom fme v2026.5.1, avec un avertissement permanent précisant que la base de code est destinée à la recherche interne et que des modifications d'API non rétrocompatibles surviennent. Les poids sont sous Apache 2.0, les Responsible Use Guidelines d'Ai2 associant à la concession de licence une intention de recherche et d'éducation.

Ce que la prépublication affirme, et ce que la fiche du modèle ne dira pas à son sujet

La prépublication s'intitule « Événements extrêmes et statistiques dans un émulateur d'IA d'un modèle global de résolution des tempêtes », et sa première version a été mise en ligne le 13 octobre 2026 à 04:18 UTC dans la catégorie physics.ao-ph, avec dix membres de l'équipe climat d'Ai2. Presque tous les chiffres qu'un lecteur voudrait proviennent d'elle plutôt que de la fiche du modèle, et chacun de ces chiffres est propre aux auteurs et n'a été reproduit par personne d'autre.

L’affirmation phare porte sur le coût : l’article indique que l’inférence est plus de 300 fois moins chère que l’exécution d’un modèle numérique mondial conventionnel à résolution des orages. C’est le genre de chiffre qui détermine si une technique relève de la curiosité de recherche ou constitue un outil opérationnel ; il vaut donc la peine d’être précis sur ce qu’il représente. Il s’agit d’une comparaison d’un émulateur d’IA à une catégorie de simulation numérique, réalisée par les personnes qui ont conçu l’émulateur, sur du matériel et avec des paramètres qu’elles ont choisis. Aucun tiers ne l’a reproduite.

La deuxième affirmation porte sur les queues de distribution. HiRO-ACEv2 est décrit comme reproduisant les distributions de précipitations de référence et de vent près de la surface jusqu’au 99,9999e percentile, et comme suivant globalement la distribution de référence de l’intensité des cyclones tropicaux. Bien reproduire la queue lointaine est la partie difficile de ce problème et la raison même de l’existence de l’article — un émulateur qui capture parfaitement la moyenne mais rate les extrêmes est inutile précisément pour les questions que les gens veulent poser au sujet des cyclones tropicaux et des inondations. Le mécanisme décrit par les auteurs repose sur plusieurs débruiteurs au moment de l’inférence, ainsi que sur des modifications de l’échantillonnage des données, de l’échantillonnage du bruit et de la pondération de la perte pendant l’entraînement.

Ce que la fiche de modèle ne fait pas, c’est donner un chiffre de benchmark. Il n’y a pas de tableau, pas de score, pas d’entrée dans un classement. La fiche formule des affirmations qualitatives — la ligne du 99,9999e centile est le seul chiffre quantitatif qu’elle contient — puis énumère des limites avec une franchise inhabituelle. Les deux checkpoints ont été entraînés sur neuf années de X-SHIELD, de 2014 à 2022. Les sorties reproduisent X-SHIELD, et non des observations, elles héritent donc des biais de la simulation de référence plutôt que de ceux de l’atmosphère réelle. Le cadre n’est pas destiné à la prévision météorologique. Il n’est pas testé en dehors de la zone allant de 66°S à 70°N et ne peut pas fonctionner au-delà de 88°S ou 88°N. Le downscaling de régions plus grandes que le patch d’entraînement de 16 par 16, d’un degré, peut produire des discontinuités ou des artefacts de mélange aux limites des patchs. Et la fiche indique qu’ACE2S-X-SHIELD est testé de façon moins rigoureuse que la gamme ACE2-ERA5 antérieure.

Lus ensemble, ces deux paragraphes disent quelque chose de précis : il s’agit d’un artefact de recherche adossé à un article, diffusé avec ses limites jointes, et non d’un lancement de produit avec un tableau de benchmarks. C’est une façon normale et respectable de livrer de la science. C’est aussi autre chose qu’un modèle que l’on peut évaluer face à un classement public, et l’écart entre les deux est l’état honnête de cette publication.

Le vrai sujet, ici, c'est le delta par rapport à la v1.

HiRO-ACE, la version de janvier 2026, a généré des taux de précipitation en surface moyennés sur 6 heures à 3 km. C’était là toute la surface de sortie. Le cadre v2 ajoute des champs instantanés de vent zonal et méridien à 10 mètres et de pression au niveau de la mer à une fréquence de 6 heures, en plus des précipitations.

Cela compte en raison de ce qu’est la deuxième étape. HiROv2 est un modèle de diffusion qui prend des entrées à 100 km et produit des champs à 3 km ; l’article le décrit comme un système à deux étapes où un émulateur autorégressif génère X-SHIELD grossi à 100 km, et un modèle de diffusion entraîné séparément effectue une descente d’échelle régionale de cette sortie à 3 km. Étendre le modèle de descente d’échelle d’un simple champ scalaire à un champ multivarié — précipitations, deux composantes du vent et pression, qui doivent être physiquement cohérentes entre elles, et non simplement plausibles indépendamment — constitue l’ingénierie de cette version. Un vent et des précipitations qui se contredisent sont pires que l’un ou l’autre pris isolément.

Le dépôt v1 a seize mentions J’aime depuis janvier. Le dépôt v2 en a une, deux jours après son dernier commit. Cette différence n’est pas un commentaire sur la qualité ; c’est un instantané de la discrétion avec laquelle cette version particulière est sortie.

Ce qui ne peut pas être connu de l’extérieur, et ne le sera probablement pas avant un moment

Il n'existe pas de point de terminaison hébergé. Il n'y a pas d'API, pas de grille tarifaire, pas de prix par token, et aucune possibilité qu'il y en ait, car ce n'est pas un modèle de texte autorégressif. Il n'y a rien sur aucun classement de modèles, et il est peu probable qu'il y en ait un jour, car l'évaluation qui compte ici est la fidélité distributionnelle à une simulation de référence, et aucun classement public ne mesure cela. Il n'y a pas de reproduction indépendante, pas de benchmark tiers, et pas d'intégration à un framework au-delà du package Python d'Ai2 lui-même — les configurations font référence à la fme, une bibliothèque, ainsi qu'au dépôt ai2cm/ace, et à rien d'autre.

La conséquence pratique est que faire tourner HiRO-ACEv2 aujourd’hui signifie télécharger 10,9 GB et l’exécuter sur votre propre matériel. Il n’y a aucun appel que vous puissiez effectuer. Quiconque écrit que ce modèle est « disponible sur » une plateforme décrit un lien de téléchargement.

Donc, le résumé honnête de l’état de cette version est le suivant : les poids existent, la recette existe, l’article existe, et le fournisseur n’a rien dit. Si Ai2 suit le schéma de la version de janvier, une annonce pourrait suivre dans les jours à venir sans rien changer à l’artefact. Si ce n’est pas le cas, le modèle reste tel quel — posé dans un dépôt avec un README complet et sans public.

Où une couche de routage aide et n'aide pas ici

Être clair à ce sujet est plus utile que d’étirer une mention produit par-dessus : OrcaRouter n’a rien à router pour HiRO-ACEv2. Nous ne l’hébergeons pas, il n’apparaît pas dans notre catalogue, et il ne pourrait pas y apparaître sous sa forme actuelle, car il n’existe aucun endpoint facturé au token à mettre devant un appelant.

Ce qui est vrai, c’est que le travail autour d’un modèle comme celui-ci est du travail de modèle de langage. Les scripts qui pilotent un ensemble multi-décennal, le code qui lit les métadonnées NetCDF et vérifie la cohérence des formes de champs avant une exécution, la synthèse des statistiques de distribution sur une centaine de rollouts, la lecture d’un article pour en faire une liste de contrôle — cette couche relève de la génération ordinaire de texte et de code, et c’est la couche où appeler un modèle à chaque requête a du sens. C’est à cette couche que sert une clé API, et c’est pourquoi une seule clé devant plus de deux cents modèles, avec le prix catalogue du fournisseur répercuté et le basculement géré automatiquement lorsqu’un fournisseur se dégrade, vaut la peine d’être utilisée même lorsque le modèle scientifique au centre du pipeline tourne sur votre propre GPU.

Qu’est-ce qui changerait cette page ?

Trois choses, par ordre décroissant de probabilité. Une annonce d'Ai2 confirmerait que la version publiée est finalisée plutôt qu'un commit de préproduction, et donnerait au framework une cible de citation autre que la prépublication. Une exécution par quelqu'un d'extérieur à Ai2 — un groupe reproduisant sur son propre matériel l'affirmation d'une inférence 300 fois plus rapide, ou publiant une comparaison avec un GSRM numérique sur la même machine — ferait passer l'affirmation principale de l'article du statut de simple allégation à celui de preuve. Et un pipeline en aval qui ingère la sortie multivariée, les vents et la pression aux côtés des précipitations, serait le premier véritable test permettant de savoir si la cohérence physique de la seconde étape tient le coup lorsque quelqu'un d'autre que ses auteurs en dépend.

Aucun de ces éléments ne constitue une raison d’ignorer la publication. Qu’un domaine mature livre sa deuxième génération discrètement est normal, et c’est dans l’article qu’il faut regarder. C’est une raison d’être précis sur ce qui a été montré, ce qui, jusqu’ici, se résume à : les fichiers sont là, la recette est documentée, et les chiffres sont ceux des auteurs eux-mêmes.

Une sortie aussi discrète est aussi le moment de vérifier ce qui a mal tourné auparavant : les incidents d'IA documentés et les défaillances d'agents autour des modèles de cette classe sont rassemblés dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.