Le Monde de l’Énergie ouvre ses colonnes à Raphaël Savy, vice-président France et Europe du Sud d’Alteryx, pour évoquer avec lui la place de l’IA et du machine learning dans la réduction de consommation d’énergie des entreprises.

Le Monde de l’Énergie —Tant pour des raisons économiques que climatiques, les entreprises veulent maîtriser leur consommation énergétique. En quoi l’IA et le machine learning peuvent-ils aider à estimer cette consommation en temps réel, et faire des audits efficaces sur des plans de sobriété ?

Raphaël Savy —Aujourd’hui, toutes les entreprises (tous secteurs confondus) cherchent à exploiter et analyser efficacement les données dans le but d’optimiser leur performance. Le recours à des innovations data-driven, telles que l’Intelligence artificielle (IA) et le Machine Learning (ML), est désormais indispensable pour prévoir, anticiper et résoudre les imprévus, mais également pour accéder plus rapidement à l’information grâce à l’automatisation. Au cours des dernières années, le secteur de l’énergie s’est beaucoup développé pour tirer profit des innovations data-driven de l’IA ainsi que pour surveiller la consommation énergétique en temps réel en vue d’améliorer l’utilisation des ressources.

Outre l’automatisation de tâches « basiques », les algorithmes d’IA peuvent être adaptés au secteur de l’énergie afin de modéliser plusieurs scénarii capables de prédire les comportements en fonction des tendances et de fournir des informations précieuses pour la prise de décisions intelligentes et efficientes. Dans un contexte économique tendu, cette technologie est efficace pour prédire la consommation d’énergie ainsi que pour identifier les risques en termes de coûts et d’approvisionnement – notamment lors des pics d’activité.

L’explosion des données et la baisse des coûts informatiques ont créé un terrain fertile pour l’IA et le ML. L’IA a déjà révolutionné différents domaines tels que la robotique, les voitures autonomes, l’éclairage intelligent, la régulation de la température, etc. Au sein d’une entreprise, de nombreuses données peuvent être récoltées et analysées pour permettre de monitorer et de comprendre la meilleure façon d’optimiser l’utilisation de l’énergie.

Au-delà de prédire les évènements à venir, les techniques prédictives sont également fréquemment utilisées pour identifier et comprendre les facteurs de changement et ainsi permettre aux dirigeants de bénéficier d’avantages concurrentiels avant même de lancer quoi que ce soit. Par ailleurs, de plus en plus d’entreprises du secteur de l’énergie intègrent la Data Science et l’IA dans leurs offres et stratégies commerciales afin de prédire les résultats et accroître les perspectives d’une consommation d’énergie plus efficace.

Aujourd’hui, les entreprises peuvent accéder aux données relatives à leur consommation énergétique grâce à l’automatisation et à l’analyse des données, même lorsque celles-ci sont cloisonnées dans différents secteurs de l’entreprise et sous différents formats. En rassemblant plusieurs flux en un seul, elles collectent suffisamment de données pour effectuer une modélisation et une optimisation solides, nécessaires pour résoudre le problème du gaspillage énergétique.

Elles peuvent ensuite appliquer l’IA pour savoir où et pourquoi le gaspillage se produit. Ces informations permettent aux entreprises de prendre des mesures efficaces pour réduire ce gaspillage, le surveiller et garder le contrôle sur leur empreinte.

Le Monde de l’Énergie —Des outils d’IA peuvent-ils également accompagner l’optimisation de la consommation en temps réel ?

Raphaël Savy —Oui, les entreprises peuvent donner l’exemple en utilisant les données, l’IA et l’analytique pour réduire le gaspillage. Pour les entreprises disposant de divers centres de production, de chaînes d’approvisionnement complexes et de nombreux sites, l’énergie ne génère que des coûts auxquels on ne fait pas tout le temps attention. Ces couts étant extrêmement élevés, les entreprises énergivores essayent de réduire leur consommation en se procurant par exemple des machines plus efficaces ou en éteignant les lumières en fin de journée. Néanmoins, en ayant également recours à l’IA pour réduire leur consommation, ainsi que l’automatisation et l’analytique, les dirigeant seront capables d’optimiser leur efficacité énergétique à des niveaux qu’ils ne considéraient même pas jusqu’à présent.

Grâce à ces outils, les décideurs peuvent également accéder aux données de consommation énergétique de l’entreprise, même si elles sont stockées dans différents départements et sous différents formats. Il est même possible d’automatiser l’extraction de données à partir de fichiers PDF (factures d’énergie, les rapports relatifs à la consommation énergétique…) et de rassembler plusieurs flux provenant de différentes sources d’énergie en un seul ensemble de données qui peut être optimisé pour contribuer à résoudre le problème du gaspillage.

Ces données alimentent ensuite des tableaux de bord fiables donnant un aperçu en temps réel de la consommation énergétique de l’entreprise. L’IA peut alors être utilisée pour identifier les tendances, modéliser les résultats potentiels et identifier les sources du gaspillage. En plus de prendre des mesures efficaces pour réduire le gaspillage, ces informations permettent aux entreprises de surveiller les effets de leur activité en temps réel afin de trouver d’autres solutions pour continuer à progresser dans la réduction et l’optimisation de cette consommation énergétique.

Le Monde de l’Énergie —Pour quel type d’entreprise ces outils de mesure et d’aide au pilotage présentent-ils le plus grand avantage ? 

Raphaël Savy —En matière d’ESG, nous sommes passés de recommandations à de véritables règlementations à suivre et auxquelles les entreprises doivent se tenir et se conformer, notamment en matière environnementale. L’IA et les données fournissent des informations cruciales pour permettre aux entreprises d’optimiser leur consommation. On peut toutefois souligner que les grandes entreprises disposant de plusieurs sites de production, de chaînes d’approvisionnement complexes et d’opérations réparties sur plusieurs sites sont celles qui utilisent et gaspillent probablement le plus d’énergie. Le gaspillage pour la plupart de ces entreprises peut s’élever à un tiers de l’énergie pour laquelle elles paient. Il faut donc adapter à l’échelle l’usage de ces outils.

Le Monde de l’Énergie —Où en est le déploiement de ces technologies ? Quels sont les retours d’expérience ?

Raphaël Savy —Aujourd’hui, l’IA peut notamment être utilisée dans les secteurs d’activités suivants pour optimiser la consommation énergétique et réduire les coûts : 

• L’énergie dans les bâtiments et les usines :

L’IA aide à consolider les factures d’électricité et analyser la façon dont l’entreprise consomme l’énergie, permettant ainsi d’identifier les opérations ayant le plus d’impact ainsi que les pics de consommation d’énergie. Elle pourra alors répartir ces opérations sur des périodes plus calmes.  Par exemple, grâce à son projet DeepMind qui se base sur l’IoT et l’IA, Google a pu réduire de 40 % l’énergie nécessaire au refroidissement de ses data centers en se basant sur les données de température et en appliquant l’IA etl’analyse prédictive pour contrôler la climatisation. 

• La gestion des smart grids :

Si la stratégie énergétique d’une entreprise comprend le recours aux énergies renouvelables telles que le photovoltaïque et l’éolien, celle-ci devra tenir compte de leur nature imprévisible. L’IA permet d’améliorer les prédictions de consommation énergétique et, par conséquent, d’optimiser la capacité de stockage nécessaire. Par exemple, si en se basant sur les données météorologiques en temps réel, une forte diminution de la production photovoltaïque sur les toits est prévue au cours des trois prochains jours, l’entreprise pourra réagir rapidement en reportant la recharge du parcélectrique et en optant pour une autre source d’énergie. 

• Une gestion plus intelligente des transports :

Les grandes entreprises ont besoin de suivre en temps réel les transports de passagers et de marchandises. Bien que la plupart du temps, des systèmes intelligents d’économie d’énergie peuvent être utilisés, la gestion des transports nécessite de se concentrer sur différents facteurs tels que l’efficacité du carburant, le nombre de passagers, l’optimisation de la distance ou encore le type de véhicule. L’IA peut aider les entreprises à tirer le meilleur parti du transport.

• Gestion de la chaîne d’approvisionnement :

L’IA prédictive joue un rôle clé dans la gestion des chaînes d’approvisionnement, de par sa capacité à analyser les tendances pour anticiper la demande et l’offre. En se basant sur les données de production et d’inventaire, cette technologie peut prédire quand un fournisseur sera en rupture de stock d’un produit donné afin d’en relancer la production. L’IA peut également fournir des informations sur l’efficacité de la planification, ainsi que sur la conception et gestion d’un entrepôt intelligent en vue de réduire les dépenses globales. Du côté du consommateur, il peut avoir le choix de modifier sa commande ou d’attendre que le réapprovisionnement ait lieu. Par ailleurs, l’IA peut prévoir les pénuries de produits ou les changements de prix, ce qui permet aux consommateurs de faire des réserves.

• Gestion du réseau :

Plus une infrastructure est de taille importante, plus sa consommation énergétique l’est, mais il est néanmoins possible de l’optimiser. L’IA peut aider à rassembler les factures des services publics et à examiner l’utilisation de l’énergie, ce qui permet d’obtenir des informations sur les besoins et la consommation. Il sera donc possible de repérer les opérations qui consomment le plus d’énergie et d’identifier les pics. Déplacer ces opérations vers les périodes plus creuses et programmer des coupures d’électricité en dehors des heures de travail peut permettre de réaliser des économies considérables que ce soit sur la consommation énergétique ou sur le budget.

Le Monde de l’Énergie —Quelles sont les technologies émergentes sur ce front ? Que pourraient-elles apporter une fois qu’elles seront matures ?

Raphaël Savy —La Data Science et l’IA sont étroitement liées. Les technologies analytiques et d’automatisation sont un catalyseur de force – un moyen d’aider les entreprises à aller encore plus loin dans leur parcours d’adoption de l’IA et de de prospérer dans des environnements difficiles.

L’efficacité et l’impact d’une technologie dépendent de celui qui l’utilise. Les technologies telles que l’IA générative ne font pas exception. L’IA est un outil comme un autre : elle nous permet de faire plus avec moins. Il s’agit en fait de la capacité de prendre les connaissances d’un expert et de démocratiser son usage pour le rendre accessible à tout le monde dans l’entreprise.

Nous assistons déjà à une « consumérisation » de l’IA, car elle présente un énorme potentiel en termes d’efficacité, mais elle ne remplacera pas les humains pour autant. Elle remplacera les tâches qui ont un lien clair et direct entre les différentes variables (indépendantes et dépendantes), des tâches ayant un le même résultat spécifique, défini et qui se reproduit à chaque fois… plutôt qu’un résultat créatif.

Pour tirer parti de cette technologie évolutive et de plus en plus accessible, les entreprises doivent se préparer. Pour ce faire, les données, l’analytique et l’IA doivent constituer l’ADN (ou un élément essentiel) de toute stratégie d’entreprise. Les plateformes analytiques no-code/low-code en libre-service ouvrent le monde de l’analytique et de l’IA à l’ensemble des collaborateurs, et les informations automatisées offrent aux utilisateurs la confiance nécessaire pour prendre eux-mêmes des décisions basées sur les données.