Par Will Troppe, directeur principal des produits chez Power Factors
L'IA n'est pas une nouveauté. Le secteur des logiciels pour l'énergie propre est truffé d'entreprises qui, au cours de la dernière décennie, ont fait des promesses exagérées concernant leurs capacités basées sur l'IA et n'ont pas tenu leurs promesses. Certaines se sont réorientées avec succès, d'autres ont disparu.
C'est différent aujourd'hui. Au cours des dernières années, les grands modèles de langage (LLM) commerciaux et l'IA "agentique" ont changé la façon dont les gens traitent leurs données et utilisent leurs logiciels. On a l'impression que l'IA est en train de dévorer le monde.
Les opérateurs d'énergie propre, de plus en plus confrontés à la complexité du stockage de l'énergie, sont des sceptiques optimistes. Ils veulent bénéficier de solutions que la technologie rend désormais possibles, mais ils ont déjà été échaudés. Pourquoi en serait-il autrement cette fois-ci ?
Si elle est bien utilisée, l'IA peut rendre les activités liées à l'énergie propre beaucoup plus efficaces. Des flux de travail rationalisés, automatisés et agentiques qui vous permettent d'en faire plus. Des analyses accessibles qui permettent aux ingénieurs de performance d'effectuer des recherches approfondies et d'agir. Dans le cas contraire, les utilisateurs se heurtent à des boîtes noires déroutantes et à des analyses vides de sens et inopérantes dont ils se méfient.
La promesse est réelle - et mieux encore, elle est réalisable. Pour bien faire, l'IA nécessite des données propres et structurées, le bon outil d'IA pour la bonne tâche, et beaucoup de bonnes données et d'expérience. Plongeons dans le vif du sujet.
infonuagique Vérité et vérité de terrain
Trop souvent, les opérateurs peinent à agréger, contextualiser et comprendre leurs données à l'échelle. Le vieux cliché "garbage in, garbage out" s'applique aussi bien aux systèmes d'IA qu'aux plateformes de données.
Dans les systèmes de stockage d'énergie par batterie (BESS), les enjeux sont encore plus importants. Les opérateurs doivent réagir en temps réel pour protéger les batteries de la dégradation et profiter des opportunités de revenus. Mais si les données d'entrée sont inaccessibles, obsolètes ou non structurées, toute recommandation de l'IA est au mieux inutile, et au pire, dangereuse pour les actifs et la vie humaine.
Lorsque votre plateforme de données n'est pas à jour, il existe un décalage inhérent entre ce que le système dit et ce qui se passe réellement sur le terrain. Votre vérité infonuagique diffère de votre vérité terrain. Ce que vous voyez dans Windows ne correspond pas à ce que vous voyez par la fenêtre.
Votre équipe commence à poser des questions :
Cet événement est-il réel ?
Puis-je faire confiance à cet ICP dans mon rapport ?
Où puis-je faire des vérifications avant d'agir ?
Nous l'avons vu de nos propres yeux : les équipes de gestion des actifs passent plus de temps à manipuler les données qu'à les exploiter. Jusqu'à ce que vous établissiez une confiance dans les données propres et structurées, la plupart des IA ne font qu'ajouter du bruit à un flux de travail déjà surchargé.
Ce qui manque : Normalisation, transparence et traçabilité
Quelle est donc la solution ? Elle commence par l'adoption d'une plateforme de données conçue pour la confiance. Une plateforme qui remplit trois conditions :
Normalisation - Vos données doivent parler le même langage d'un système à l'autre. Des données propres, agrégées, normalisées et structurées de manière cohérente permettent d'obtenir des informations à grande échelle.
Transparence - Votre équipe doit comprendre comment et pourquoi une recommandation a été faite. Les plateformes doivent exposer la logique qui sous-tend chaque résultat, et non la dissimuler dans une boîte noire. Validez les résultats des calculs et des analyses de manière à ce que les utilisateurs humains puissent les comprendre : visuellement.
Traçabilité - Vous devez être en mesure de retracer chaque événement, idée, calcul, point de données ou anomalie depuis son origine sur le terrain et à travers chaque transformation de données en cours de route. Du signal brut à la recommandation, vous avez besoin d'une ligne de mire claire et immédiatement accessible.
Si vous devez faire de la rétro-ingénierie pour comprendre ce qui se passe en fouillant dans le code ou dans des dépôts de documentation volumineux, vous avez déjà perdu la confiance. Les plateformes doivent être dignes de confiance par défaut, et les problèmes doivent être signalés aux utilisateurs par exception, avec des intervalles de confiance clairs.
Lorsque ces principes fondamentaux sont en place, l'IA devient un outil sur lequel vous pouvez compter pour des alertes plus intelligentes, des diagnostics plus rapides, de meilleures prévisions et une optimisation en temps réel. Cela signifie des signaux plus clairs, des réponses plus rapides et la confiance nécessaire pour agir lorsque c'est le plus important.
Le bon outil pour le travail
L'IA peut être définie de manière générale : il s'agit d'un algorithme qui effectue une action qui serait autrement réalisée par un être humain. (Au lycée, j'ai construit une IA simple, basée sur des règles, contre laquelle je jouais au jeu de cartes "Uno". C'était plus facile que de rendre le jeu multijoueur).
Notre industrie dispose depuis des décennies d'outils d'analyse alimentés par l'IA. Les algorithmes pouvaient prédire intelligemment les défaillances des équipements en raison d'écarts historiques par rapport aux plages de performance acceptées ou créer des "jumeaux numériques" pour comparer les performances réelles par rapport aux performances théoriques afin de détecter les problèmes et de déclencher la nécessité de recalibrer les capteurs ou les modèles. Dans le monde de l'analyse, nous avons toujours utilisé le bon algorithme d'IA pour la bonne tâche, une pratique que nous poursuivrons même si la bibliothèque d'algorithmes d'IA disponibles s'élargit.
L'industrie du logiciel est de plus en plus obsédée par l'IA alimentée par les LLM. Comme l'a compris l'utilisateur le plus novice de ChatGPT, les LLM ne sont pas le meilleur outil pour toutes les tâches. Ils, et leur catégorie plus large, "l'IA générative", sont excellents pour certains objectifs, comme résumer un texte. Ils ne sont pas encore fiables ou adaptés à la production pour d'autres tâches, comme la structuration et le nettoyage de données ou l'extraction d'informations fiables et précieuses à partir d'ensembles de données dans tous les domaines.
Les utilisateurs de logiciels d'énergie propre s'attendent de plus en plus à ce que leurs applications intègrent des flux de travail agentiques, mais ils doivent faire preuve de prudence. Travailler avec des fournisseurs qui connaissent les forces et les limites de chaque technologie. Exploiter les méthodes éprouvées lorsqu'elles sont encore les meilleures. Complétez-les par de l'IA agentique.
Et lorsque vous vous sentirez à l'aise avec vos outils d'IA de nouvelle génération, allez-y à quatre pattes, puis marchez, puis courez. Attaquez-vous d'abord aux cas d'utilisation les plus impactants, les plus inefficaces et les plus fréquents. Considérez les cas d'utilisation qui sont soit subjectifs, soit faciles à déterminer. Les LLM hallucinent, ne les utilisez donc pas pour des cas d'utilisation qui ne peuvent pas tolérer l'hallucination et qui ont une faible tolérance pour les faux positifs et les faux négatifs. Exploitez les flux de travail humains dans la boucle pendant que vous affinez et avant d'automatiser. Ne demandez pas à vos ingénieurs les plus jeunes de tester les outils ; ciblez des utilisateurs plus mûrs, capables de détecter intuitivement les hallucinations.
L'importance de l'IA pour BESS
Le stockage sur batterie est un terrain d'essai pour l'IA dans les opérations.
Poussez trop fort et vous dégradez votre batterie. Jouez la carte de la sécurité, et vous manquez des opportunités de revenus. C'est pourquoi les opérateurs de BESS ne peuvent pas se permettre de prendre des décisions basées sur des données imprécises.
Lorsque les informations sont tirées de données normalisées, transparentes et traçables, l'IA peut enfin aider les opérateurs à trouver un équilibre entre performance, conformité et rentabilité.
Vous gagnez en confiance :
Vous pouvez vérifier la disponibilité pour la participation au marché
Vous pouvez prouver que la garantie est respectée
Vous pouvez comparer les performances des différents sites
Vous agissez sur des problèmes réels, pas sur de fausses alertes
Pour les opérateurs de BESS, des données claires et fiables font la différence entre la santé des actifs et des erreurs coûteuses.
L'IA n'est pas l'avenir sans données fiables
Dans le domaine de l'énergie propre, l'IA de nouvelle génération est bien placée pour renforcer la prise de décision humaine. Notre espace est encore truffé d'exemples d'actions manuelles nuancées et inefficaces qui exigent des opérateurs qu'ils s'adaptent de manière linéaire à la taille de la flotte, et l'IA peut servir de solution surpuissante.
Lorsque les fondations sont solides et que l'on a accès à des données fiables et stables, l'IA peut tenir ses promesses.
L'avenir, ce n'est pas seulement l'IA qui prend des décisions à votre place. C'est l'IA qui travaille avec vous, en vous apportant les bonnes informations au bon moment, afin que vous puissiez prendre la décision que seul un être humain peut prendre.
L'objectif n'est pas "plus d'IA". Il s'agit d'obtenir de meilleurs résultats.
Et cela commence par de meilleures données.
Téléchargez notre dernier e-book :
5 lacunes négligées dans votre stratégie BESS - et ce qu'elles vous coûtent
Will Troppe est directeur principal des produits chez Power Factors. Suivez-le sur LinkedIn pour en savoir plus sur la confiance dans les données, la gestion de la performance des actifs et les opérations d'énergie propre.