Intelligence Artificielle et Apprentissage Automatique : Quels usages pour les acteurs de l’énergie ?

L’intelligence artificielle (IA) et l’Apprentissage Automatique (AA) seront probablement à l’épicentre du prochain séisme numérique. Ils sont prêts à transformer les métiers d’une manière que nous n’avons pas vue depuis la révolution internet, en réinventant fondamentalement la façon dont les entreprises fonctionnent, concurrencent et prospèrent.

Que sont l’IA et l’AA ?

Ces termes sont parfois utilisés avec beaucoup de liberté. En 2016, lorsque AlphaGo de Deepmind(1) a affronté le maître coréen Lee Sedol, les médias ont utilisé indifféremment les termes IA, apprentissage automatique et apprentissage profond, comme s’ils voulaient tous dire la même chose.

L’intelligence artificielle est le terme le plus large. Il fait référence à la capacité des machines à faire preuve d’intelligence humaine. Les capacités actuelles se réfèrent principalement à l’IA faible, capacité de la technologie à simuler l’intelligence humaine pour une tâche spécifique seulement, comme jouer aux échecs. Nous sommes encore loin d’avoir créé une IA générale, qui aurait une intelligence informatique au niveau de l’intelligence humaine capable d’effectuer toute une série de tâches.

L’IA englobe donc plusieurs technologies et systèmes différents dont l’apprentissage automatique en est un. D’autres incluent le traitement du langage naturel, la vision par ordinateur et la reconnaissance vocale.

L’apprentissage automatique fait référence à la pratique consistant à utiliser des algorithmes pour analyser de grands volumes de données, en tirer des leçons, détecter des modèles et prendre des décisions ou des prédictions basées sur ces modèles.

L’apprentissage en profondeur est une sous-catégorie de l’apprentissage automatique. Il est basé sur des réseaux de neurones et est une technique de mise en œuvre de l’apprentissage automatique qui s’est récemment révélée très efficace. Encore une fois, il dépend de jeux de données massifs pour « s’entraîner ». 

L’auto-apprentissage fait référence à des types d’algorithmes capable d’apprendre par eux-même, sans l’aide de l’expérience humaine. Dans un système réglé et bien défini comme le jeu de Go, Alpha Go Zero(2), la dernière version de Deepmind a pu développer ses propres stratégies de jeu en jouant des parties contre un alter-ego. Cette approche ouvre des perspectives intéressantes dans la recherche sur l’IA générale.

Ainsi, plutôt que d’utiliser la méthode traditionnelle d’utilisation du codage conditionnel pour capturer tous les scénarios possibles et les actions requises, la machine a la capacité d’apprendre comment effectuer la tâche.

Pourquoi l’IA décolle-t-elle maintenant ?

L’IA a connu des hauts et des bas au cours des décennies qui ont suivi sa conception, mais maintenant nous voyons de réels progrès et sommes en train de vivre une transformation de notre monde. Les principales raisons en sont :

• La puissance de calcul massive est maintenant disponible à faible coût et peut être provisionnée très rapidement dans le cloud. Les améliorations de la conception des GPU (maintenant avec des milliers de cœurs, donc parfaitement adaptés aux charges de travail parallèles) ont augmenté la vitesse de formation des algorithmes d’apprentissage en profondeur de 50x en trois ans .
• Le Big Data – il y a eu une explosion de la quantité de données que nous créons tous, associée à une capacité de stockage presque illimitée. Des ensembles de données volumineux et diversifiés fournissent un meilleur matériel pour les phases d’apprentissage des algorithmes.
• Les algorithmes permettent maintenant de trouver des modèles dans les océans de données, et les plates-formes d’IA et d’apprentissage automatique d’utilisateurs tels que Google, IBM et Microsoft facilitent grandement le développement d’applications. L’investissement dans l’IA – en particulier, l’apprentissage automatique et l’apprentissage en profondeur – se développe rapidement. Les machines sont déjà aussi bonnes ou meilleures que les humains pour certaines tâches, par exemple, jouer à des jeux tels que les échecs, transcrire des données audios, analyser des images et diagnostiquer des maladies.

Cependant, l’adoption reste faible. Les chefs d’entreprise restent incertains dans ce que l’IA peut faire pour eux ; comment obtenir des applications alimentées par IA et les intégrer dans leurs entreprises. En fin de compte, la valeur de l’IA ne se trouve pas dans les modèles eux-mêmes, mais dans la capacité des entreprises à les exploiter.

Quand devriez-vous envisager l’apprentissage automatique ?

L’apprentissage automatique est adapté aux problèmes d’entreprise pour lesquels la décision ou la prévision à faire est complexe ; par exemple, détection de visage, reconnaissance de la parole, filtres anti-spam ; vous avez des données de haute qualité, propres et récentes, étiquetées (idéalement) pour permettre à l’algorithme d’avoir un sens ; une marge d’erreur doit être acceptable.

Quelques cas usages de l’IA pour les acteurs de l’énergie :

Le secteur de l’énergie offre un grand potentiel dans l’adoption de l’intelligence artificielle dans les années à venir. Voici quelques exemples :

• Prévision de charge : Les prévisions de charge à court terme sont vitales pour les acteurs de l’énergie. L’apprentissage automatique pourrait être utilisé pour prévoir l’offre et la demande en temps réel et optimiser la répartition des charges économiques. Au Royaume-Uni, DeepMind de Google s’est associé à National Grid pour prédire les pics de l’offre et de la demande et espère réduire la consommation d’énergie nationale de 10%.
• Optimisation du rendement : Avec l’IA, les producteurs d’énergie peuvent optimiser l’efficacité de la génération en ajustant en temps réel leurs actifs. Le concept « Digital Wind Farm » de GE Renewable Energy(4) comprend un logiciel qui surveille et optimise la turbine lorsqu’elle fonctionne, augmentant ainsi la production d’énergie jusqu’à 20%.
• Maintenance prédictive : Elle peut être renforcée avec des drones pour les inspections de biens, remplaçant les inspections manuelles fastidieuses et risquées. Les drones sont formés en utilisant des algorithmes d’apprentissage en profondeur pour identifier automatiquement les défauts et prévoir les défaillances sans interrompre les opérations. Depuis 2011, RTE expérimente l’utilisation de drones (5) pour contrôler ses infrastructures, réduisant ainsi la pénibilité de certaines interventions et offrant « un œil déporté et très maniable » aux équipes opérationnelles.
• La gestion de la demande peut être automatisée et rendue plus intelligente grâce à l’apprentissage automatique. Au Royaume-Uni, Upside Energy utilise l’apprentissage automatique pour gérer un portefeuille d’actifs de stockage pour soutenir le réseau, tandis que Open Energi contrôle les appareils avec une flexibilité dans leur consommation d’énergie pour faire évoluer la demande en temps réel. On estime que l’apprentissage automatique pourrait aider à débloquer jusqu’à 6 GW de flexibilité de la demande, qui peut être déplacée pendant le pic de la soirée sans affecter les utilisateurs finaux.
• Le vol d’énergie est un énorme problème dans certains pays en développement, comme le Brésil, où le vol représente jusqu’à 40% de l’électricité distribuée. L’IA peut être utilisé pour détecter les modèles d’utilisation, l’historique des paiements et d’autres données client susceptibles de signaler un comportement irrégulier.

Du côté fournisseurs, l’IA peut libérer les marchés et transformer l’expérience de l’utilisateur :

• Connaissance du client : Les applications d’apprentissage automatique pourraient permettre aux fournisseurs d’élaborer des prix de l’électricité qui maximisent leurs marges tout en minimisant le taux de désabonnement des clients. L’IA pourrait être utilisé pour créer des offres individuelles et des services pour aider les fournisseurs à conserver leurs clients les plus rentables .
• Échange d’énergie :  Avec l’émergence de l’auto-consommateur, générant sa propre énergie renouvelable et renvoyant l’excédent dans le réseau, des plateformes émergent pour permettre le commerce de pair à pair entre les producteurs et les consommateurs. Comme l’offre et la demande fluctuent continuellement, l’IA peut être utilisée pour rapprocher plus rapidement les producteurs des consommateurs. Aux Pays-Bas, Vandenbron connecte les consommateurs avec des fournisseurs d’énergie renouvelable.
• Agents virtuels : Les agents virtuels ou chatbot révolutionneront les centres d’appels, étant en mesure de répondre aux demandes des consommateurs et de fournir une assistance instantanée. Ils seront en mesure de segmenter automatiquement les consommateurs en fonction de l’historique de services ou encore de fournir un avertissement précoce sur les créances douteuses. Le développement des technologies du langage naturel finira par libérer la capacité d’automatiser entièrement le service à la clientèle.

Les consommateurs peuvent également bénéficier de l’IA :

• Choix du fournisseur : L’apprentissage automatique peut aider les clients à choisir leur fournisseur d’énergie en connaissant leurs préférences, telles que le type de production d’énergie, le montant qu’ils sont prêts à payer et leurs habitudes de consommation, puis en analysant les offres les plus adaptées.
• Informations sur la consommation : Les données des compteurs peuvent être analysées pour extraire les profils de consommation des appareils les plus gourmands d’un foyer et estimer leur contribution respective à la facture énergétique. Bidgely va encore plus loin. Leur algorithme de désagrégation universelle utilise l’apprentissage automatique et une base de données de plus de 50 milliards de courbes de compteurs intelligents pour étendre le profilage des appareils aux foyers sans compteurs intelligents.

L’IA ouvre un large éventail de possibilités intéressantes pour les acteurs de l’énergie, mais les changements ne seront pas simples. Les premières preuves suggèrent que l’IA peut apporter une réelle valeur ajoutée aux adoptants sérieux, mais l’adoption actuelle en dehors du secteur technologique reste faible. Peu d’entreprises l’ont déployé à grande échelle.