Prévoir sans entraînement : Google TimesFM-3 défie les modèles classiques

Google a publié TimesFM-3, un modèle qui, selon l'entreprise, prévoit vos ventes, vos stocks et vos revenus sans jamais s'entraîner sur vos données. L'affirmation est audacieuse : le tableau du mois prochain avec zéro entraînement sur vos propres enregistrements. La vidéo met cette affirmation à l'épreuve sur des données de ventes quotidiennes d'une entreprise de glaces.

TimesFM n'est pas un modèle de langage mais un modèle de fondation pour séries temporelles. La logique est familière : là où Gemini devine le mot suivant à partir d'une demi-phrase, TimesFM regarde un graphique qu'il n'a jamais vu et trace ce qui vient ensuite. La première version est arrivée en 2024, nourrie de 100 milliards de points temporels : recherches de tendances, pages vues, trafic, météo, ventes et données synthétiques.

La nouvelle version augmente deux choses : 330 millions de paramètres et un corpus d'entraînement dépassant mille milliards de points. La vraie rupture est le périmètre : les versions antérieures lisaient un seul signal, tandis que TimesFM-3 utilise conjointement les ventes de produits liés, le trafic passé en magasin et des informations futures connues telles que les prévisions météo, les jours fériés et les promotions planifiées.

Pour pousser le modèle jusqu'à la rupture, le présentateur a écrit sa propre application : 156 jours d'historique de ventes de glaces, les 128 premiers jours comme contexte et les 28 derniers comme horizon de prévision. Les colonnes contiennent les boules vendues, les ventes de cornets et de sirop, un indicateur de promotion, la température et le trafic du magasin. Les scores sont suivis avec MAPE, MAE et WAPE, et l'impact sur le revenu de chaque fonctionnalité supplémentaire est calculé.

Avec les signaux de promotion, de météo et de trafic désactivés, le modèle se stabilise autour de 4,6 à 4,7 MAPE. Le graphique semble correct mais rate les pics marqués des promotions à la mangue. Les ventes passées seules ne peuvent pas expliquer les semaines de campagne.

Activer le signal de promotion change la donne : le modèle attrape les pics de campagne, le MAPE baisse visiblement, et la contribution des promotions au revenu apparaît. Ajouter la météo et le trafic déplace à nouveau la prévision, et le présentateur note comment le froid de septembre-octobre freine les ventes de glaces. Les signaux combinés battent clairement n'importe lequel d'entre eux pris isolément.

Dans le duel, TimesFM en zéro-shot obtient un MAPE de 4,73 tandis que Holt-Winters atterrit à 8,89 et la méthode naïve saisonnière à 6,72. Les écarts sont nets : 4,16 points de mieux que Holt-Winters, 1,99 de mieux que le naïf. Et une seule prévision arrive en 203 millisecondes, avec zéro entraînement.

L'intérieur de la boîte a droit à sa visite : au lieu de lire jour par jour, le modèle compresse 128 jours en quatre blocs de 32 jours grâce à une technique appelée continuous patching. L'analogie est parlante : lire phrase par phrase au lieu de lettre par lettre. Les fluctuations quotidiennes bruitées sont filtrées, la tendance générale s'avance au premier plan, et c'est de là que vient la vitesse.

L'architecture repose sur une attention bidirectionnelle : d'abord chaque ligne n'étudie que son propre passé, mathématiquement empêchée de jeter un œil en avant, et c'est ainsi que la référence organique est apprise. Puis l'attention se tourne vers le bas de la colonne : alors que les ventes de septembre sont encore vides, la remise promotionnelle planifiée et les prévisions météo remontent depuis la même colonne et soutiennent la prévision. Le cycle se répète vingt fois à travers la pile de transformeurs — le présentateur le compare à un planificateur qui lit les graphiques passés, puis jette un coup d'œil au calendrier des campagnes posé sur le bureau.

Le verdict reste équilibré : pour une entreprise sans équipe de prévision, c'est plus qu'une mise à niveau — c'est la différence entre avoir des prévisions et ne pas en avoir. Mais là où un demi-point d'erreur coûte des millions, les grands distributeurs continueront d'entraîner des modèles sur mesure, car les contraintes d'approvisionnement, la cannibalisation de produits et la stratégie tarifaire restent invisibles pour ce modèle. Notes pratiques : le code est sur GitHub, les poids sont livrés sous une licence non commerciale, et la voie commerciale passe par l'intégration BigQuery.