Le site
paraglidable permet d'aider à prévoir les journées volables ou crossables en utilisant des algorithmes d'intelligence artificielle dits de "deep learning". L'exemple classique des livres de deep learning, c'est le problème de reconnaissance d'un chien ou d'un chat sur une image. On donne un gros ensemble d'images de chiens et chats à un algorithme en disant si c'est des chiens ou des chats et l'algorithme "apprend tout seul" quels paramètres sont utiles pour distinguer un chat d'un chien, et quand on propose à l'algorithme une image qu'elle ne connaît pas, elle peut en principe reconnaître toute seule si il s'agit d'un chat ou d'un chien. Pour paraglidable, les programmeurs ont donné pour la phase d'apprentissage une grande base de données météo du passé (200 paramètres météo sur les 10 dernières années issus de modèles ECMWF, Météo-France et NOAA) avec les vols de parapente déclarés aux mêmes dates (2 000 000 de vols récoltés sur xcontest, la CFD, DHV-XC, XC-League), puis en donnant une prévision à l'algorithme (issue d'un modèle classique), ce dernier arrive à deviner si ce sera de bonnes conditions pour voler ou crosser, en donnant des pourcentages.