Open-Meteo AI est une plateforme API de données météorologiques open source de haute précision qui regroupe plus de 30 modèles de prévisions météorologiques numériques à travers le monde (ECMWF, NOAA GFS, DWD ICON, etc.) et fournit plus de dix API météorologiques, y compris les données de réanalyse ERA5, les prévisions sur 16 jours de 1940 à aujourd'hui, les archives de prévisions historiques, la qualité de l'air, les océans, les inondations, etc. Formation IA/ML, prévision énergétique, analyse agricole, recherche climatique et autres scénarios. Prend en charge l'auto-hébergement Docker et le code adopte l'accord open source AGPLv3.

Open-Meteo AI : infrastructure de données météorologiques open source et gratuite de haute précision

Paramètres et statistiques de base

Open-Meteo AI est l'une des API de données météorologiques gratuites et open source avec la couverture la plus large au monde. Ses paramètres de base déterminent ses limites applicables dans la formation AI/ML, les prévisions énergétiques, l'analyse agricole et d'autres scénarios.

Dimensions des paramètres	Spécifications Open-Meteo AI
Nombre de modèles météorologiques	Plus de 30 modèles provenant de plus de 15 offices météorologiques nationaux (ECMWF, NOAA, DWD, Météo-France, JMA, KMA, KNMI, UK Met Office, etc.)
Résolution spatiale	1 à 2 km pour les modèles régionaux, 9 à 11 km pour les modèles globaux
Durée prévue	Prévisions horaires jusqu'à 16 jours
Couverture des données historiques	Réanalyse ERA5 de 1940 à nos jours, heure par heure, sans aucune couverture mondiale manquante
Archive des prévisions historiques	Compatible avec le format de l'API Live Forecast à partir de 2021
FRÉQUENCE DE MISE À JOUR	Toutes les 6 heures pour les modèles globaux, toutes les 1 à 3 heures pour les modèles régionaux haute résolution (ICON-D2, HRRR, AROME)
Temps de réponse	Prévision d'un point unique <10 ms, décennies de requête historique <100 ms
Accès API	HTTP GET, retour JSON pur, aucune clé API ni enregistrement requis
Licence de données	CC BY 4.0 (pour usage commercial, attribution requise)
Licence serveur	AGPLv3 (peut être auto-hébergé)
Limite d'appels quotidienne	Utilisation non commerciale 10 000 fois/jour
Appels mensuels pour les forfaits payants	Standard 1 million de fois Professionnel 5 millions de fois Entreprise 50 millions de fois+
Auto-hébergé	Prend en charge le déploiement Docker en un clic, adapté au haut débit ou à l'isolation

Interprétation de la signification des paramètres : La principale compétitivité d'Open-Meteo réside dans la densité d'agrégation du modèle : il ne s'agit pas d'un modèle météorologique auto-construit, mais d'un accès unifié aux données ouvertes de plus de 15 bureaux météorologiques nationaux à travers le monde, un traitement normalisé et une sortie via une API unifiée. Ce modèle « d'agrégateur de données » lui confère une étendue de données bien plus grande qu'un fournisseur de modèle unique. Pour la formation en IA, cela signifie que des sorties historiques parallèles de plusieurs modèles peuvent être obtenues grâce à un ensemble d'API, ce qui facilite la construction d'ensembles de modèles ou l'analyse comparative multi-sources. Une résolution régionale de 1 à 2 km répond déjà aux besoins de précision de la plupart des scénarios agricoles, énergétiques et logistiques ; et plus de 80 ans d'enregistrements continus de la réanalyse ERA5 à partir de 1940 fournissent de rares données d'étiquettes à long terme pour les prévisions climatiques et les modèles ML à long terme.

Reconnaissance des utilisateurs et du marché

Adoption côté C et communauté

Open-Meteo jouit d'une large reconnaissance dans la communauté open source et la communauté des développeurs. Le référentiel GitHub a reçu 5 900+ étoiles, compte 82 contributeurs et a publié un total de 23 versions. Sa page d'affichage officielle répertorie plus de 40 applications bien connues construites sur Open-Meteo, notamment :

• Home Assistant (la plateforme open source pour maison intelligente la plus populaire) intègre Open-Meteo comme intégration météo officielle
• Breezy Weather (application météo Android open source conçue par Material You)
• WeatherAI (application météo complète sur Google Play)
• Precip (application météo hyperlocale multiplateforme)
• Slideshow Digital Signage (application d'affichage numérique commerciale)

Il existe également un certain nombre d'outils CLI, de widgets de terminal, de plug-ins Raycast et de projets intégrés Arduino construits sur Open-Meteo.

Côté B et adoption commerciale

Les clients commerciaux d’Open-Meteo couvrent les domaines des énergies renouvelables, de la technologie agricole, de la répartition logistique et de l’assurance actuarielle**. Ses forfaits payants offrent un point de terminaison de domaine dédié (« customer-api.open-meteo.com »), un SLA de disponibilité de 99,9 % et un support dédié. Les scénarios commerciaux typiques incluent :

• Prévisions PV/énergie éolienne : modèles de prévision de puissance de train utilisant des résultats d'ensemble multimodèles et des archives historiques pluriannuelles
• Avertissement en cas de catastrophe agricole : combinez l'API d'inondation et l'API de prévisions saisonnières pour les alertes d'inondation et de sécheresse.
• Décisions de trading d'énergie : utilisez l'API Single Runs pour revenir sur des instantanés de prévisions historiques et des stratégies de trading backtest.

Analyse comparative du secteur

Par rapport à des services de données météorologiques similaires, les principales différences d'Open-Meteo sont le seuil gratuit et la transparence open source :

Dimensions comparatives	IA Open-Météo	Météo.com (IBM)	Demain.io	Pile météo	Traversée visuelle
Quotas gratuits	10 000 fois/jour, aucune inscription requise	Gratuité limité, inscription obligatoire	500 fois/jour	1 000 fois/mois	1 000 fois/jour
Source ouverte	✅ Code source complet du serveur AGPLv3	❌	❌	❌	❌
Données historiques	✅ ERA5 de 1940	❌ Payant uniquement	✅ Payant	❌	✅ Payant
Nombre de modèles	30+	1–2	1–2	1	1–2
Auto-hébergé	✅ Déploiement Docker	❌	❌	❌	❌
Licence de données	CC BY 4.0 Utilisation commerciale autorisée	Propriétaire	Propriétaire	Propriétaire	Propriétaire

**Identification clé : Open-Meteo n'est pas une alternative peu coûteuse aux API météorologiques commerciales, mais entre sur le marché en tant qu'« infrastructure de données ouvertes ». Son quota gratuit (10 000 fois/jour) a dépassé le niveau d'entrée payant de la plupart des produits concurrents, ce qui en fait le premier choix pour la vérification de prototypes et la recherche universitaire. Pour les scénarios à haut débit liés à la production, le prix des forfaits payants est également nettement inférieur à celui des API commerciales de même niveau (telles que les forfaits d'entreprise IBM Weather ou Tomorrow.io).

Avantage de coût

La structure de coûts d'Open-Meteo doit être décomposée en trois niveaux : les développeurs d'API côté C et les entreprises.

Utilisateurs individuels côté C

• Entièrement gratuit : aucun frais pour les utilisateurs individuels, les développeurs amateurs, les étudiants et les chercheurs. Aucune clé API, aucune carte de crédit, aucune inscription requise.
• Quota gratuit assez généreux : 10 000 appels API par jour, largement suffisant pour les besoins de trafic de la plupart des projets personnels. Un utilisateur typique d'une application météo actualise 10 à 20 fois par jour, et un quota de 10 000 fois/jour peut prendre en charge 500 à 1 000 utilisateurs actifs.
• Payant pour une utilisation commerciale : l'offre gratuite est expressément limitée à une utilisation non commerciale. L'utilisation commerciale nécessite l'achat d'un abonnement (à partir de 49 €/mois).

Développeurs d'API et petites équipes

Le niveau gratuit peut déjà prendre en charge la plupart des étapes de vérification de prototype et MV P. Lorsque le volume d'appels dépasse le quota gratuit ou qu'une licence commerciale est requise, vous pouvez vous abonner sur une base mensuelle :

Planifier	Appels mensuels	Limite de fréquence	Licence commerciale	Gamme API disponible	Prix ​​(spéculé, sous réserve d'officialisation)
Gratuit	~300 000 fois/mois	10 000 fois/jour	❌	API de base (hors historique, climat, collections)	0 €
Norme	1 million de fois/mois	Aucun	✅	API de base	Inédit
Professionnel	5 millions de fois/mois	Aucun	✅	Toutes les API (y compris historique/climat/ensemble/rayonnement satellite)	Inédit
Entreprise	50 millions de fois +/mois	Aucun	✅	Toutes les API + plans personnalisés	Contact professionnel requis

Remarque : Le site officiel d'Open-Meteo n'a pas divulgué les prix spécifiques de Standard et Professional. Cela indique seulement qu'ils peuvent être obtenus après un abonnement via Stripe. L'annotation « non divulguée » ci-dessus est conforme aux règles anti-illusion. Le prix réel est soumis à la page de tarification officielle IA Open-Météo.

Comparaison des coûts : En prenant comme exemple un projet commercial de taille moyenne avec une moyenne de 500 000 appels API par jour, le coût annuel d'utilisation du forfait Open-Meteo Professional est estimé à plusieurs milliers d'euros ; tandis qu'un abonnement annuel de même taille pour IBM Weather ou Tomorrow.io se situe généralement entre 20 000 et 50 000 USD. L'avantage en termes de coût d'Open-Meteo vient de son architecture open source : les utilisateurs paient en réalité pour un « service hébergé » plutôt que pour les données elles-mêmes.

Déploiement entreprise/privé

Pour les scénarios avec un volume d’appels extrêmement important (des centaines de millions d’appels par mois) ou des exigences strictes en matière de souveraineté des données, Open-Meteo propose une troisième voie :

• Auto-hébergement Docker : Le code complet du serveur est open source sur GitHub et peut être déployé en un clic via les packages Docker ou Ubuntu. Les instances auto-hébergées ne sont soumises à aucune restriction d'appel.
• Structure des coûts : Le coût de l'auto-hébergement concerne principalement le matériel du serveur (disque NVMe, suffisamment de mémoire) et la bande passante. Selon la documentation officielle, une instance complète traitant des données globales nécessite plus de 2 To de stockage.
• AWS Open Data Sponsorship : La base de données météo Open-Meteo est distribuée via le programme AWS Open Data Sponsorship, qui élimine les frais de stockage et de transfert de données pour les utilisateurs AWS.

Conseil sur les coûts cachés : bien que l'auto-hébergement n'entraîne aucun frais d'API, la complexité de l'exploitation et de la maintenance ne peut être ignorée. Le pipeline de téléchargement de données multimodèle traite plus de 2 To de données GRIB brutes par jour, ce qui nécessite des ressources réseau et informatiques stables. Pour les petites équipes manquant d’expérience en matière d’exploitation et de maintenance, il est plus rentable d’utiliser directement la solution d’hébergement.

Fonctions principales

Open-Meteo propose plus de dix catégories de points de terminaison d'API, couvrant l'ensemble du spectre, depuis la météo en temps réel jusqu'aux prévisions climatiques du millénaire.

1. API de prévisions météorologiques (API de prévision)

Fournit des prévisions météorologiques sur 16 jours, heure par heure, pour n'importe quel endroit dans le monde. Prend en charge la correspondance automatique du meilleur modèle (« best_match »), ou vous pouvez spécifier manuellement un modèle météorologique spécifique. Les variables renvoyées incluent la température, les précipitations, la vitesse et la direction du vent, la pression atmosphérique, l'humidité, la couverture nuageuse, la visibilité, la température et l'humidité du sol, le rayonnement solaire et des dizaines d'autres dimensions.

Tâches applicables : application météo mobile, plateforme de planification d'activités de plein air, aide à la décision d'itinéraire logistique.

2. API météo historique

Les données horaires de la grille globale sont fournies du 1er janvier 1940 à nos jours, sur la base des données de réanalyse ECMWF ERA5 et ERA5-Land. Résolution spatiale de 9 à 25 km, temps continu, aucune valeur manquante. Une seule requête peut renvoyer des décennies de séries chronologiques en 100 ms.

Tâches applicables : analyse de référence climatique, formation de modèles ML en série à long terme, références de détection d'anomalies, ingénierie des fonctionnalités des modèles de prévision du rendement agricole.

3. API d'archives de prévisions historiques (API de prévisions historiques)

Archivage continu des données horaires initiales pour chaque mise à jour du modèle à partir de 2021, dans un format entièrement cohérent avec l'API de prévisions en temps réel. Cela permet d'utiliser directement les données de prévision historiques pour la correction des biais et la formation du pipeline de post-traitement.

Tâches applicables : Former des modèles de post-traitement de prévisions (tels que la réduction d'échelle statistique MOS) et évaluer les biais systématiques des modèles dans différentes saisons/régions.

4. API des exécutions précédentes

Fournit des données de séries chronologiques continues avec un décalage de délai fixe (1 à 7 jours). Par exemple, chaque valeur de la série _previous_day2 est issue d'une prévision initialisée 48 heures à l'avance. Disponible à partir de janvier 2024.

Tâches applicables : analyse systématique des biais de prévision, construction d'un ensemble de données de formation ML stratifié par délai, notation des compétences du modèle.

5. API d'archive à exécution unique (API à exécution unique)

Accédez aux exécutions de modèles individuels archivés selon l'heure d'initialisation exacte (paramètre run=). L'ECMWF IFS HRES sera disponible rétroactivement à partir de mars 2024 et entièrement archivé à partir d'avril 2026. Chaque élément de données couvre une période de prévision complète (7 à 10 jours).

Tâches applicables : formation ML sans biais d'anticipation (chaque échantillon de formation est une seule paire prévision + observation de vérification), backtesting des décisions de trading d'énergie, comparaison croisée des modèles au niveau de l'exécution.

6. API de prévision d'ensemble (API Ensemble)

Fournit des prévisions d'ensemble multicentriques telles que ECMWF IFS ENS, GFS ENS, ICON EPS, GEM EPS, etc., avec un maximum de 51 membres et une période de prévision maximale de 35 jours. Renvoie la sortie indépendante de chaque membre et prend en charge le calcul de distribution de probabilité.

Tâches applicables : alerte précoce probabiliste de conditions météorologiques extrêmes, prévision d'ensemble hydrologique et prévision probabiliste de la charge énergétique.

7. API de qualité de l'air

Sur la base du service Copernicus de surveillance de l'atmosphère (CAMS), des prévisions horaires des PM2,5, PM10, NO₂, O₃, SO₂, CO, de l'indice UV des poussières et du pollen (herbe, bouleau, aulne) sont fournies.

Tâches applicables : gestion des risques sanitaires, application d'alerte aux allergies au pollen, évaluation de la qualité de l'air en matière d'urbanisme.

8. API de météo marine (API marine)

Fournit des prévisions de la hauteur, de la période et de la direction des vagues pour les océans mondiaux et les zones côtières.

Tâches applicables : optimisation des itinéraires de navigation, évaluation de la sécurité des opérations offshore, application de surf/voile.

9. API d'inondation

Basé sur le système mondial d'alerte aux inondations (GloFAS), il fournit des prévisions globales du ruissellement des rivières du monde entier sur une période pouvant aller jusqu'à 30 jours.

Tâches applicables : alerte précoce en cas d'inondation, prise de décision en matière de lutte contre les inondations agricoles, évaluation des risques d'assurance.

10. API de prévisions saisonnières

Basé sur le système de prévisions saisonnières ECMWF SEAS5, des prévisions saisonnières jusqu'à 9 mois et des prévisions subsaisonnières (EC46) jusqu'à 6 semaines sont fournies avec une résolution de 36 km et 51 membres d'ensemble.

Tâches applicables : planification des plantations agricoles, répartition des ressources en eau et planification énergétique à long terme.

11. API sur le changement climatique

Basé sur les résultats du modèle climatique CMIP6, réduit à une résolution de 10 km et corrigé statistiquement des biais (référence ERA5). Des données quotidiennes sont fournies pour 1950-2050, couvrant plusieurs scénarios d'émissions.

Tâches applicables : Évaluation des risques climatiques, planification des infrastructures à long terme, analyse de scénarios climatiques pour le secteur des assurances.

12. API de rayonnement satellite

Données sur ondes courtes et rayonnement direct extrapolées à partir d’images satellitaires géostationnaires. Les sources incluent EUMETSAT CM SAF SARAH3 (Europe/Afrique/Amérique du Sud, à partir de 1983), JMA Himawari-9 (Asie/Australie, à partir de 2015), DWD MTG (Europe/Afrique, à partir de février 2026), résolution 2,5-5 km, intervalles de 10-30 min.

Tâches applicables : analyse de la capacité des centrales solaires, évaluation des écarts de prévision et reconstruction des données historiques de rayonnement.

13. API de géocodage et API d'élévation

Analysez les noms de lieux en coordonnées WGS84 (y compris les informations sur le pays, le fuseau horaire et l'altitude) et interrogez l'élévation du terrain via les coordonnées (DEM de résolution de 90 m, 100 ensembles de coordonnées par lots).

Tâches applicables : recherche de localisation, application cartographique, intégration de système d'information géographique.

Point de vue de l'expert : synergie cachée entre les fonctions

Les plus de dix types d'API d'Open-Meteo ne sont pas des îlots de données isolés. Il existe de fortes synergies entre eux :

• prévisions + archives de prévisions historiques + exécution précédente forment un système complet de « prévision-vérification-analyse des écarts ». Les développeurs peuvent utiliser le même ensemble de formats de paramètres pour obtenir simultanément des prévisions en temps réel (API Forecast) et les archives de prévisions historiques correspondantes (API Historical Forecast), calculer directement les écarts du modèle et créer des pipelines de prédiction auto-calibrés.

• Réanalyse ERA5 + Changement climatique fournit une chronologie continue des « Références des 80 dernières années + Projections des 30 prochaines années ». Pour les modèles ML qui nécessitent des caractéristiques climatiques à long terme (telles que la prévision du rendement des cultures, l'évaluation LCOE des énergies renouvelables), cette continuité des données signifie que l'acquisition de données de formation et l'acquisition de données d'inférence peuvent être réalisées au sein d'un ensemble de systèmes API, sans avoir besoin d'une coordination multiplateforme.

• La combinaison de prévisions d'ensemble + prévisions saisonnières permet aux utilisateurs de passer en douceur de la « distribution de probabilité pour les 16 prochains jours » à la « tendance saisonnière pour les 9 prochains mois », ce qui est extrêmement important pour le commerce de l'énergie, l'assurance agricole et d'autres scénarios qui nécessitent différentes échelles de temps.

• Radiation satellite + Qualité de l'air + Météo La liaison de trois API peut prendre en charge une prévision affinée de l'énergie solaire : le rayonnement satellite fournit une "irradiation réelle historique", la prévision de la qualité de l'air fournit "l'effet d'atténuation des aérosols sur l'irradiation" et les prévisions météorologiques fournissent "le blocage de l'irradiation par la couverture nuageuse". La combinaison des trois peut générer une prévision de puissance photovoltaïque plus précise qu’un modèle unique.

Evolution du modèle et de la version

Depuis qu'il est devenu open source en 2022, le code du serveur d'Open-Meteo a évolué d'une « requête météo de base » à une « infrastructure de données météorologiques multimodèles ».

Contexte de la version

Version	Date de sortie	Changements fondamentaux
v1.0.0	2023-03	Première version officielle : API de prévision, API météo historique, API de géocodage, API d'élévation
v1.1.0	2023-08	Ajout de l'API de qualité de l'air, de l'API marine et de l'API Ensemble ; introduit le routage multi-région GeoDNS
v1.2.0	2024-01	Ajout de l'API Flood, de l'API de prévisions saisonnières ; prend en charge les requêtes multi-emplacements à requête unique
v1.3.0	2024-06	Ajout de l'API de prévisions historiques et de l'API des exécutions précédentes ; pipeline de fusion de données optimisé
v1.4.0	2024-12	Modifications majeures du format de fichier (optimisation des performances); nouvelle API de rayonnement satellite ; pipeline de traitement ERA5 amélioré

Évolution de l'accès au modèle

L’intégration du modèle météorologique d’Open-Meteo a connu trois étapes d’expansion :

1. Étape préliminaire (v1.0 – v1.1) : accédez aux trois modèles mondiaux principaux du modèle régional ECMWF IFS, NOAA GFS et DWD ICON + MET Norvège.
2. Mi-parcours (v1.2-v1.3) : étendre à JMA, KMA, KNMI, DMI, MétéoSuisse, UK Met Office, BOM, CMA, etc., pour atteindre une couverture de plus de 15 bureaux météorologiques ; introduisez également des prévisions d’ensemble et des modèles professionnels tels que la qualité de l’air et l’océan.
3. Actuel (v1.4+) : continuer à optimiser le débit et l'efficacité de la compression du pipeline de données ; ajouter des données de rayonnement de télédétection par satellite ; Les archives uniques du CEPMMT IFS HRES commencent à être rendues publiques.

Écosystème du SDK client

La communauté Open-Meteo maintient également plusieurs bibliothèques clientes couvrant les principaux langages de programmation :

• Python : open-meteo/python-requests (officiel)
• TypeScript : open-meteo/typescript (officiel)
• Kotlin : open-meteo/open-meteo-api-kotlin (officiel)
• Dart/Flutter : neursh/open-meteo-dart (communauté)
• Go : HectorMalot/omgo (communauté)
• Rust : angelodlfrtr/open-meteo-rs (communauté)
• .NET/C# : colinnuk/open-meteo-dotnet-client-sdk (communauté)
• R : tpisel/openmeteo (communauté)

Ces SDK permettent aux développeurs d'obtenir des données météorologiques directement via des appels de fonctions natives du langage sans avoir à se soucier de l'épissage des requêtes HTTP.

Avantages techniques

Conception d'architecture : pipeline efficace de GRIB vers JSON

Le principal défi technique d'Open-Meteo est d'unifier les données brutes hétérogènes (GRIB2, NetCDF, BUFR et autres formats binaires, différents systèmes de grille, projections, résolutions, cycles de mise à jour) de plus de 15 bureaux météorologiques nationaux dans une API JSON à faible latence.

Son pipeline technique est divisé en quatre niveaux :

1. Niveau de téléchargement de données : plus de 2 To de données GRIB brutes sont téléchargées quotidiennement à partir de chaque point de terminaison FTP/HTTPS de chaque agence météorologique. Chaque pipeline de données s'exécute indépendamment et prend en charge la reprise des téléchargements et les mises à jour incrémentielles.
2. Conversion de format et couche de remappage de grille : interpolez les données de grille d'origine de chaque modèle dans une grille de latitude et de longitude WGS84 unifiée. Cette étape implique plusieurs transformations de projection (Lambert Conformal, Polar Stereographic, Rotated Pole, etc.) et constitue l’étape la plus complexe techniquement.
3. Couche de stockage séquentielle en colonnes : les données converties sont écrites sur le SSD NVMe dans un format de compression en colonnes personnalisé. Ce format est profondément optimisé pour les données de séries chronologiques météorologiques (une variable × un emplacement × temps continu), permettant d'effectuer des requêtes de prévision typiques en 10 ms. Il s'agit de la technologie clé permettant à Open-Meteo d'obtenir « une API gratuite mais des performances qui ne sont pas inférieures aux produits commerciaux ».
4. Couche de service API : service HTTP construit sur Swift (framework Vapor), acheminant les requêtes vers des clusters de serveurs en Europe ou en Amérique du Nord via GeoDNS. Toutes les API utilisent le versioning sémantique.

Pourquoi Open-Meteo reste gratuit et rapide ?

• L'Open source réduit les coûts d'infrastructure : Open-Meteo héberge la base de données météo à l'aide du programme AWS Open Data Sponsorship, AWS couvrant le coût du stockage des données et du trafic sortant. Cela réduit considérablement les coûts d’exploitation du niveau gratuit.
• Le stockage en colonnes élimine les calculs répétés : l'API météo traditionnelle extrait les données de l'emplacement cible de la sortie du modèle d'origine à chaque demande ; Open-Meteo termine le traitement de tous les points de la grille à l'avance et les stocke sous forme de colonnes. Une seule recherche d'index + une petite opération de décompression est requise pendant la requête. Cela rend le coût de calcul d’une seule requête extrêmement faible.
• Performances élevées de simultanéité de Swift : le serveur utilise Swift (langage compilé) au lieu de Python ou Node.js, qui peut prendre en charge 10 à 100 fois plus de connexions simultanées que les langages interprétés dans les mêmes conditions matérielles.

Assurance qualité des données

Open-Meteo ne produit pas directement de données météorologiques, mais obtient des prévisions numériques publiques auprès des bureaux météorologiques nationaux. Cela signifie :

• Source de données faisant autorité : les modèles numériques du CEPMMT, de la NOAA, du DWD et d'autres institutions sont vérifiés depuis des décennies et leur qualité est largement reconnue dans le monde entier.
• Validation croisée multi-modèles : les utilisateurs peuvent obtenir automatiquement le modèle de résolution la plus élevée via le paramètre best_match, ou spécifier manuellement plusieurs modèles pour une comparaison croisée.
• Surveillance en temps réel : status.open-meteo.com fournit l'état de santé en temps réel et la disponibilité historique de chaque pipeline de données.

Différences techniques avec les API météo commerciales

Dimension technique	IA Open-Météo	API météo commerciale typique
Accès au modèle	Agrégation de plus de 30 modèles, commutables à volonté	Habituellement, 1 à 2 modèles auto-développés ou en agence sont fournis
Format des données	Compression de synchronisation en colonnes, accélération NVMe	Généralement basé sur une base de données relationnelle ou une couche de cache
Archives historiques	ERA5 à partir de 1940 + Archives de prévisions à partir de 2021	Généralement, seul l'historique à durée limitée est conservé
Prévisions d'ensemble	Prend en charge 5 systèmes d'ensemble, 51 membres	Généralement non fourni ou nécessite un contrat séparé
Auto-hébergé	Le code source complet du serveur peut être déployé	Non disponible
Cohérence des API	Toutes les API utilisent le même format de paramètre	Les formats d'API peuvent être incohérents entre les gammes de produits

Comment utiliser

Démarrage rapide : appels API gratuits

Le seuil d'utilisation d'Open-Meteo est extrêmement bas : pas d'enregistrement, pas de clé API, pas de SDK requis, juste une requête HTTP GET pour commencer.

Obtenez la température et la vitesse du vent en temps réel à votre position actuelle :

boucle "https://api.open-meteo.com/v1/forecast、latitude=39.9042&longitude=116.4074&current=temperature_2m,wind_speed_10m"

Renvoyez un exemple JSON :

{
  "latitude" : 39,88,
  "longitude": 116,41,
  "actuel": {
    "time": "2026-07-18T14:00",
    "température_2m": 32,5,
    "wind_speed_10m": 4.2
  }
}

Obtenez des prévisions heure par heure sur 7 jours et spécifiez un modèle météo :

boucle "https://api.open-meteo.com/v1/forecast、latitude=52.52&longitude=13.41&hourly=temperature_2m,precipitation,soil_moisture_0_to_1cm&models=icon_seamless&timezone=auto"

Comparaison de chaque entrée

Méthode d'accès	Scénarios applicables	Si l'inscription est requise	Si le paiement est requis
API gratuite (api.open-meteo.com)	Prototypage, projets personnels, recherche académique	❌	❌ (non commercial)
API métier (customer-api.open-meteo.com, apikey=...)	Produire des projets d'affaires contextuels	✅ Abonnement requis	✅
Auto-hébergement Docker	Haut débit, exigences de souveraineté des données, isolation et isolation	❌	❌ (frais de votre propre serveur)
SDK client (Python/TS/Kotlin/Go, etc.)	Intégration linguistique native	Dépend de la méthode d'accès	Dépend de la méthode d'accès

Processus d'utilisation typique (gratuit → commercial → auto-hébergé)

1. Étape du prototype : appelez directement l'API gratuite pour l'exploration des données et la vérification des fonctions. Aucune étape d'inscription n'est requise et vous pouvez passer du curl au prototype de produit en 10 minutes.
2. Étape de lancement commercial : lorsque le produit entre en production et nécessite une licence commerciale, abonnez-vous au forfait payant via Stripe. Après votre inscription, vous obtiendrez automatiquement le nom de domaine indépendant « customer-api.open-meteo.com » et la clé API.
3. Phase de mise à l'échelle : si le nombre d'appels dépasse 50 millions de fois par mois ou si un contrôle complet de la souveraineté des données est requis, l'auto-hébergement Docker peut être utilisé. Voir l'exemple de configuration Docker Compose dans docs/getting-started.md.

Exemple de déploiement auto-hébergé

# docker-compose.yml
version : "3.8"
prestations :
  météo ouverte :
    image : ghcr.io/open-meteo/open-meteo:latest
    ports :
      - "8080:8080"
    tomes :
      - ./open-meteo-data:/app/data
    environnement :
      - OMP_URL=https://open-meteo.com/
    redémarrage : à moins d'être arrêté

Remarque : les instances auto-hébergées nécessitent une préparation préalable des fichiers de données (synchronisation initiale d'environ 2 To) et il est recommandé de configurer une bande passante et un stockage NVMe suffisants. Pour des documents de déploiement détaillés, veuillez vous référer au README du référentiel GitHub officiel.

Prix des produits

Modèle de tarification

Open-Meteo utilise un « système de frais mensuels échelonnés » plutôt qu'une base de « paiement à la séance ». Cela signifie que les utilisateurs paient des frais mensuels fixes pour obtenir un certain montant de budget d'appels API. L'excédent ne sera pas bloqué définitivement, mais déclenchera un rappel par email (80%, 90%, 100%).

Comparaison des différents plans

Forfaits	Quotas mensuels	Limites quotidiennes	Limites de taux	Licence commerciale	Gamme d'API disponibles	ANS	Coût mensuel typique
Gratuit	~300 000 visites	10 000 visites/jour	600 coups/minute	❌	Notions de base + Océan + Qualité de l'air + Géocodage + Altitude	Aucun	0 €
Norme	1 million de fois	Aucun	Aucun	✅	De base (hors rayonnement historique/climatique/d'ensemble/satellite)	99,9%	Non divulgué
Professionnel	5 millions de fois	Aucun	Aucun	✅	Toutes les API	99,9%	Inédit
Entreprise	50 M+	Aucun	Aucun	✅	Tous les forfaits API + personnalisés	99,9%	Contacter Entreprise

Principales différences entre les API gratuites et commerciales

• Niveau gratuit : accessible via api.open-meteo.com, pas de clé API, utilisation non commerciale uniquement, pas de SLA, tarif journalier limité (600/minute 5 000/heure 10 000/jour).
• Niveau commercial : accessible via customer-api.open-meteo.com, apikey=..., déployé sur un serveur dédié, disponibilité garantie à 99,9 %, aucune limite de débit, licence d'utilisation commerciale incluse.
• Différences de portée de l'API : L'API de météo historique, l'API de changement climatique, l'API d'ensemble, l'API de prévisions saisonnières et l'API de rayonnement satellite ne sont disponibles que pour les forfaits professionnels et supérieurs.

Conseils sur les coûts cachés

• Coût d'attribution des données : Tous les forfaits (y compris la version commerciale) nécessitent le respect des exigences d'attribution CC BY 4.0 - chaque affichage de données Open-Meteo doit être accompagné d'un lien "Données météo par Open-Meteo.com". Cela peut créer des frictions de conception si l’espace de l’interface utilisateur du produit est limité.
• Coûts d'exploitation et de maintenance auto-hébergés : bien que l'auto-hébergement permette d'économiser les frais d'API, la synchronisation initiale des données de plus de 2 To, le stockage NVMe du pipeline de téléchargement continuellement mis à jour et la main-d'œuvre d'exploitation et de maintenance doivent être inclus dans l'évaluation du coût total.
• Différence de latence régionale : les serveurs sont situés en Europe et en Amérique du Nord, les utilisateurs de la région Asie-Pacifique (comme la Chine et l'Asie du Sud-Est) peuvent connaître une latence réseau de 100 à 300 ms. Bien que GeoDNS effectue un itinéraire vers l'emplacement le plus proche lorsque cela est possible, il n'y a pas encore de nœuds de serveur dans la région Asie-Pacifique.

Scénarios d'application

Scénario 1 : formation et évaluation de modèles météorologiques AI/ML

Type de tâche : Formation du modèle de post-traitement des prévisions météorologiques, du modèle de prévision climatique, du modèle de détection des conditions météorologiques extrêmes.

Open-Meteo offre une commodité de données pour les tâches météorologiques ML que d'autres plates-formes ne peuvent égaler :

• Données de formation : l'API de prévisions historiques fournit des sorties de prévisions historiques cohérentes avec le format de prévision en temps réel à partir de 2021, qui peuvent être directement utilisées comme fonctionnalités d'entrée de modèle. L'API Single Runs fournit des données appariées (prévision → validation) sans biais d'anticipation.
• Données d'étiquette : les données de réanalyse ERA5 peuvent être utilisées comme étiquettes « quasi réelles » (vérité terrain) pour la formation d'apprentissage supervisé.
• Évaluation du modèle : grâce à l'API des exécutions précédentes et à l'API des exécutions uniques, une validation croisée stricte des séries chronologiques peut être créée pour éviter les fuites de données.
• Ensemble Learning : obtenez simultanément la sortie de plusieurs modèles météorologiques via l'API Forecast et utilisez-la comme entrée de l'apprenant de base du modèle intégré.

Avantages réels : Les données historiques multimodèles qui doivent traditionnellement être obtenues à partir des données des membres du CEPMMT (des dizaines de milliers d'euros/an) peuvent être obtenues à un coût nul, permettant ainsi aux petites et moyennes équipes et aux établissements universitaires de mener des recherches météorologiques en ML.

Scénario 2 : Prévision de la puissance des énergies renouvelables

Type de tâche : Prédiction de la production d'énergie photovoltaïque/éolienne, optimisation de la planification du stockage d'énergie.

• Prévision photovoltaïque : utilisez l'API de rayonnement satellite pour obtenir des données historiques d'irradiation réelles → Utilisez l'API de qualité de l'air pour obtenir le facteur d'atténuation des aérosols → Utilisez l'API de prévision pour obtenir des prévisions de couverture nuageuse → Intégrez les trois modèles ML d'entrée pour prédire la puissance de sortie à court terme.
• Prévisions d'énergie éolienne : utilisez l'API de prévision pour obtenir des prévisions de vitesse et de direction du vent à différentes altitudes (10 à 300 m) → Entraînez le modèle de courbe d'énergie éolienne sur la base des données historiques de production d'énergie réelle.
• Planification saisonnière : utilisez l'API de prévisions saisonnières pour obtenir les tendances des ressources éoliennes/lumière pour les 6 à 9 prochains mois afin de faciliter la planification annuelle de l'exploitation et de la maintenance.

Avantages réels : un ensemble d'API couvre toute la chaîne des exigences en matière de données : "étalonnage historique → prévisions à court terme → tendance à long terme", évitant ainsi le coût d'adaptation du format de données lié au basculement entre plusieurs fournisseurs de données.

Scénario 3 : Gestion agricole de précision et alerte précoce en cas de catastrophe

Type de tâche : Prédiction du cycle de croissance des cultures, optimisation de l'irrigation, avertissement de gel/inondation/sécheresse.

• Calcul des degrés-jours de croissance : sur la base des données de température à long terme de l'API météo historique + des prévisions à court terme de l'API de prévision, calculez le degré-jour de croissance (DJC) cumulé du stade de développement de la culture.
• Surveillance de l'humidité du sol : utilisez l'API Forecast pour obtenir des prévisions d'humidité du sol (0 à 1 cm, 1 à 3 cm, 3 à 9 cm, etc. de profondeur) et des précipitations, et combinez des données historiques pour former un modèle de décision d'irrigation.
• Avertissement en cas de catastrophe : l'API Flood fournit des prévisions probabilistes du ruissellement des rivières jusqu'à 30 jours ; L’API de prévisions saisonnières fournit des tendances de sécheresse à l’échelle saisonnière.

Avantages réels : du « jugement basé sur l'expérience » aux « décisions agricoles précises basées sur des données », réduisant le risque de perte de rendement causée par des conditions météorologiques extrêmes. Pour les zones où les stations météorologiques sont rares, comme l’Asie du Sud-Est et l’Afrique, les données de réanalyse à haute résolution sont particulièrement précieuses.

Scénario 4 : Évaluation des risques météorologiques extrêmes et assurance actuarielle

Type de tâche : Modélisation des risques de catastrophe, tarification des produits d'assurance, optimisation de la stratégie de réassurance.

• Analyse de fréquence historique : basée sur plus de 80 années de données continues ERA5 à partir de 1940, statistiques sur la distribution de fréquence et d'intensité des précipitations extrêmes, des températures élevées, des tempêtes et d'autres événements dans différentes régions.
• Déduction de scénarios futurs : l'API sur le changement climatique fournit des prévisions climatiques futures dans le cadre de scénarios multi-émissions CMIP6, prenant en charge l'évaluation des tendances des risques sur différentes périodes de temps.
• Modélisation de probabilité d'Ensemble : la sortie de probabilité à 51 membres de l'API Ensemble peut être utilisée pour construire des distributions de probabilité d'événements extrêmes afin de fournir une base statistique pour la tarification de l'assurance.

Avantages réels : les sociétés d'assurance peuvent réaliser la création d'un modèle d'évaluation préliminaire des risques sans acheter de produits commerciaux de données climatiques.

Scénario 5 : Ville intelligente et surveillance contextuelle

Type de tâche : Analyse de l'effet d'îlot de chaleur urbain, alerte sur la qualité de l'air, planification des installations publiques extérieures.

• Surveillance des îlots de chaleur : quantifiez l'intensité de l'effet d'îlot de chaleur urbain en comparant les températures historiques dans les villes et les banlieues à l'aide de l'API Historical Weather.
• ALERTES DE QUALITÉ DE L'AIR : les prévisions heure par heure PM2,5/PM10/O₃ de l'API de qualité de l'air peuvent être utilisées pour déclencher des alertes de santé publique.
• Planification municipale : combinez les prévisions météorologiques et les résultats de l'API sur la qualité de l'air pour optimiser les décisions de planification des opérations municipales telles que l'arrosage, la réduction de la poussière et le déglaçage des routes.

Avantages réels : remplacez les services commerciaux de données météorologiques par une infrastructure open source et réduisez les coûts de licence logicielle pour les projets de villes intelligentes.

Personnes concernées

✅ Noyau de groupe adaptable

1. Ingénieurs IA/ML et scientifiques des données

• Raison de l'adaptation : Une grande quantité de séries de données météorologiques à long terme et de haute qualité est nécessaire pour la formation et l'évaluation des modèles. Les réanalyses ERA5 d'Open-Meteo (de 1940 à aujourd'hui) et les archives de prévisions historiques (à partir de 2021) fournissent des volumes de données et des périodes difficiles à égaler avec d'autres plateformes gratuites.
• Utilisation : obtenez des étiquettes de formation via l'API Historical Weather, obtenez des fonctionnalités d'entrée de modèle via l'API Historical Forecast et créez une validation croisée de séries chronologiques via l'API des exécutions précédentes.
• Prérequis : Des capacités de base en matière de traitement des données et d'ingénierie des fonctionnalités sont requises ; l'auto-hébergement est recommandé pour les formations à très grande échelle afin d'éviter les restrictions de quotas du niveau gratuit.

2. Équipe des énergies renouvelables et du commerce de l'énergie

• Raison de l'adaptation : Les données météorologiques constituent l'entrée principale pour la prévision de l'énergie photovoltaïque et éolienne. Les résultats multimodèles, les prévisions d'ensemble et l'API du rayonnement satellite d'Open-Meteo couvrent toute la chaîne depuis « l'irradiation historique réelle → la prévision de la couverture nuageuse à court terme → la tendance saisonnière ».
• Comment utiliser : obtenez les caractéristiques des prévisions via l'API Forecast, obtenez les lignes de base d'irradiation historiques via l'API Satellite Radiation et obtenez les tendances à long terme via l'API Seasonal Forecast.
• Prérequis : L'utilisation commerciale nécessite l'achat d'un abonnement ; il est recommandé d'effectuer une correction locale (correction du biais) des écarts prévus.

3. Équipes produits SaaS de petite et moyenne taille

• Raison de l'adaptation : les équipes qui doivent intégrer des fonctionnalités météorologiques dans leurs produits mais ne peuvent pas se permettre les frais d'API commerciaux. Le niveau gratuit (10 000 fois/jour) peut déjà répondre aux besoins en fonctions météorologiques de centaines d'utilisateurs actifs.
• Comment utiliser : obtenez des produits intégrés de données météorologiques en temps réel via l'API Forecast ; mettre en œuvre la recherche de localisation via l'API de géocodage.
• Prérequis : Vous devez vous conformer aux exigences de signature CC BY 4.0 ; vous devez migrer vers un forfait payant après avoir dépassé le quota gratuit.

4. Entreprises Agritech et Insurtech

• Raison de l'adaptation : Les secteurs de l'agriculture et des assurances ont besoin de caractéristiques statistiques des données météorologiques à long terme pour entraîner des modèles de prévision et évaluer les risques. L'API du changement climatique et l'API des prévisions saisonnières d'Open-Meteo comblent le fossé entre les prévisions à court terme (16 jours) et les prévisions climatiques à long terme.
• Comment l'utiliser : obtenez des données à long terme pour l'évaluation des risques via l'API du changement climatique et l'API des prévisions saisonnières.
• Prérequis : seuls les forfaits Professionnel et supérieur peuvent accéder à l'API du changement climatique et à l'API des prévisions saisonnières.

5. Chercheurs et étudiants universitaires

• Raison de l'adaptation : Les chercheurs en météorologie, climatologie, agronomie, sciences de l'environnement et dans d'autres domaines ont généralement besoin de données météorologiques gratuites et de haute qualité. Les données Open-Meteo sont gratuites et ne nécessitent aucune inscription, ce qui abaisse considérablement le seuil de recherche.
• Comment l'utiliser : Obtenez des données d'observation à long terme pour une analyse statistique via l'API Historical Weather ; étudier l’incertitude des prévisions via l’API Ensemble.
• Prérequis : Gratuit pour une utilisation non commerciale ; les téléchargements à fort trafic peuvent être auto-hébergés.

❌ Ne s'applique pas à la foule

• Scénarios de trading haute fréquence nécessitant une latence ultra-faible (<5 ms) : le temps de réponse typique d'Open-Meteo est inférieur à 10 ms, mais après la transmission réseau, la latence réelle dépend de la distance réseau entre le client et le serveur (Europe/Amérique du Nord). Pour les scénarios de trading algorithmique nécessitant une latence inférieure à la milliseconde, il est recommandé de s'auto-héberger localement ou de choisir un service de données météorologiques en ligne dédié.
• Équipes de recherche scientifique qui ont besoin de modèles météorologiques hautement personnalisés : Open-Meteo regroupe les résultats de modèles prêts à l'emploi des bureaux météorologiques nationaux et ne prend pas en charge les paramètres de modèles personnalisés ni les grilles régionales imbriquées. Pour les équipes qui doivent exécuter des modèles numériques autonomes tels que WRF et COSMO, Open-Meteo est plus adapté comme source de données de vérification que comme plate-forme informatique.
• Entreprises centrales/agences gouvernementales ayant des exigences de conformité strictes en matière de souveraineté des données : bien qu'Open-Meteo prenne en charge l'auto-hébergement Docker pour résoudre le problème des données qui ne quittent pas le domaine, le serveur lui-même est maintenu par la communauté et ne dispose pas de certification de conformité au niveau de l'entreprise (telle que SOC2, ISO 27001). Pour les organisations ayant des exigences de conformité extrêmement strictes, il est recommandé de renforcer elles-mêmes la couche de sécurité sur la base de l’auto-hébergement.
• Utilisateurs individuels sans formation technique qui ont besoin d'une assistance client instantanée : le niveau gratuit d'Open-Meteo ne fournit pas d'assistance technique et la communauté communique principalement via les problèmes et discussions GitHub. Les utilisateurs sans formation technique peuvent avoir des difficultés à obtenir de l'aide à temps lorsqu'ils rencontrent des problèmes.

Résumé et Outlook

Compétitivité de base

Open-Meteo a établi un avantage presque générationnel dans le domaine des API de données météorologiques gratuites :

• Étendue des données : plus de 30 modèles météorologiques, plus de 15 services météorologiques nationaux, plus de 10 API professionnelles couvrant la chronologie complète de 1940 ERA5 aux projections climatiques CMIP6 2050. Ceci est inégalé par aucune API météo commerciale au même prix (gratuite).
• Open source et transparent : Le code source complet du serveur est open source sous AGPLv3. Les utilisateurs peuvent auditer la logique de traitement des données, s'auto-héberger et apporter des améliorations. Pour les universités et les entreprises axées sur la transparence des données, il s’agit d’une différence fondamentale par rapport aux API commerciales en boîte noire.
• Accès zéro friction : aucune inscription, aucune clé API, aucun SDK requis pour commencer. Cette barrière à l’entrée extrêmement faible en fait le premier choix pour le développement de prototypes, la recherche universitaire et les scénarios éducatifs.

Limites et incertitudes actuelles

• Disponibilité sans SLA : le niveau gratuit est proposé sous forme de service « au mieux » sans garantie de disponibilité. Bien que la page de statut officielle montre un bon historique (status.open-meteo.com), s'appuyer sur le niveau gratuit pour les applications de production critiques est risqué.
• Nœuds manquants dans la région Asie-Pacifique : les serveurs ne sont déployés qu'en Europe et en Amérique du Nord. Les utilisateurs de la région Asie-Pacifique (en particulier la Chine, l’Asie du Sud-Est et l’Australie) sont confrontés à une latence réseau élevée, ce qui affecte l’expérience des applications en temps réel.
• Les tarifs Business ne sont pas transparents : Les prix spécifiques des forfaits Standard et Professionnel ne sont pas divulgués sur le site officiel. Les entreprises doivent passer par le processus d'abonnement Stripe pour connaître les coûts réels avant d'acheter, ce qui complique l'évaluation du budget.
• Le pipeline de données repose sur l'amont : les données d'Open-Meteo reposent entièrement sur les données publiques publiées par les bureaux météorologiques nationaux. Si les organisations en amont modifient les politiques de données, chiffrent les données ou ferment les interfaces, les API associées peuvent être affectées. Bien que les politiques de divulgation des données des différents bureaux météorologiques soient relativement stables, il convient de prêter attention aux changements dans les conditions de licence des principales sources de données telles que l'ECMWF.
• Exigences d'attribution CC BY 4.0 : même pour les forfaits commerciaux payants, l'attribution de la source de données doit toujours être incluse dans l'interface utilisateur. Cela peut entraîner des contraintes de conception pour les produits qui recherchent des interfaces utilisateur minimalistes.

Évaluation des risques en matière d'approvisionnement et d'adoption

Open-Meteo convient comme infrastructure de données pour la vérification de prototypes, la recherche universitaire et les applications commerciales de petite et moyenne taille. Pour les achats au niveau de l’entreprise, les stratégies d’évaluation suivantes sont recommandées :

1. Démarrez le pilote avec l'offre gratuite : avant d'investir votre budget, utilisez l'offre gratuite pour compléter le PoC : vérifiez la qualité des données (comparaison croisée multimodèle des zones locales), les performances de l'API (latence réelle à partir des points d'observation des clients cibles) et la faisabilité de l'attribution CC BY 4.0 dans la conception.
2. Concentrez-vous sur le chemin de l'expansion : lorsque le volume d'appels approche de la limite du niveau gratuit (10 000 fois/jour), évaluez s'il convient de passer au plan Standard/Professionnel ou à l'auto-hébergement. Habituellement, lorsque le volume d’appels mensuel est inférieur à 5 millions, la solution d’hébergement est plus économique ; après cela, l’auto-hébergement présente un avantage en termes de coût.
3. Vérifiez les conditions du SLA : Le SLA de 99,9 % du forfait payant s'applique uniquement à la disponibilité des points de terminaison commerciaux. Il est nécessaire de confirmer si cet engagement couvre l'API utilisée (par exemple, le plan Professionnel inclut uniquement la couverture SLA de toutes les API).
4. Confirmation de conformité légale : Bien que CC BY 4.0 autorise une utilisation commerciale, il est recommandé que le service des affaires juridiques de l'entreprise confirme si les scénarios d'utilisation spécifiques (en particulier ceux impliquant des résultats de prédiction de ventes externes après formation du modèle) sont entièrement conformes.

Évaluation globale : Open-Meteo est un choix à faible risque et très rémunérateur pour les données météorologiques : le coût de départ est nul, la voie d'expansion est claire et l'architecture open source offre une « voie de sortie » (elle ne sera pas verrouillée par un fournisseur comme les API commerciales). Pour toute application d’IA nécessitant des données météorologiques, cela devrait être la première option évaluée.

Informations de version

• v1.4.0 ：Mise à jour importante : modifications majeures du format de fichier Open-Meteo, compression des données et performances de lecture optimisées ; nouvelle API de rayonnement satellite ; pipeline de traitement des données de réanalyse ERA5 amélioré （2024-12-31）
• v1.3.0 ：API de prévisions historiques ajoutée ; introduction de l'API des exécutions précédentes ; pipeline de fusion de données multimodèle optimisé （2024-06-15）
• v1.2.0 ：Ajout de l'API Flood et de l'API de prévisions saisonnières ; prise en charge améliorée des requêtes multi-emplacements à requête unique ; optimisation des performances et corrections de bugs （2024-01-20）
• v1.1.0 ：Ajout de l'API de qualité de l'air et de l'API marine ; introduction de l'API Ensemble pour prendre en charge la prévision de probabilité ; Routage GeoDNS optimisé （2023-08-10）
• v1.0.0 ：La première version officiellement publiée, prenant en charge l'API de prévision, l'API de météo historique, l'API de géocodage et l'API d'élévation. （2023-03-01）