Wavestone Energie Et Intelligence Artificielle
Wavestone Energie Et Intelligence Artificielle
Wavestone Energie Et Intelligence Artificielle
DANS L’ÉNERGIE
POURQUOI ET COMMENT LES ACTEURS DE
L’ÉNERGIE DOIVENT-ILS - URGEMMENT -
S’APPROPRIER LEUR INTELLIGENCE
ARTIFICIELLE ?
CYRIL VERON
Et pendant ce temps-là, les énergéticiens historiques sont encore, pour la plupart, dans un
cyril.veron@wavestone.com
vrai déni de la réalité. Ils bataillent pour protéger leurs rentes, optimisent leurs processus pour
gagner en efficience, lancent des initiatives digitales intéressantes mais loin de l’industriali-
sation, sans imaginer réellement un monde différent... un monde où ils perdront le contrôle
de leur marché. Une perte de contrôle non pas au profit de robots brillants, mais bien de
nouvelles organisations qui – elles – ont saisi la puissance de la donnée et de l’Intelligence
Artificielle (IA). Comment appréhender cette nouvelle réalité et prendre en main les choses ?
C’est l’objet de cette publication.
L E S E NJ EUX prédictibles… qui vont devoir s’équiper intervenir, la planification des recharges
d’une intelligence « temps réel » adaptée de véhicules électriques pour éviter
DE LA « NEW ENERG Y » à cette complexité croissante et capable des appels de puissance simultanés
nocifs… ;
La New Energy peut se résumer en trois d’auto-apprendre des comportements des
assets (moyens de production, équipements // des territoires intelligents étendant ces
révolutions profondes : Cleaner, Closer,
solutions urbaines aux espaces ruraux
Smarter… que certains ont tendances à réseaux, boîtiers smart-home…) et des
environnants et à leurs moyens de pro-
découper en un mouvement environnemen- « consommacteurs » constituant ce système
ductions et de stockage (Power2Gaz…)
tal (COP21…), une tendance sociétale (éco- énergétique élargi. à plus grande échelle ;
nomie collaborative) et des progrès dans
Comme le décrit le schéma ci-dessous, en // des plateformes d’échange et de mar-
l’automatisation du pilotage de systèmes ché à tous les échelons augmentés
se projetant un peu dans le temps, on peut
énergétiques (smart grids). par des mécanismes de gestion de la
imaginer bien des choses :
confiance (blockchain…) ;
La réalité est plus complexe, et c’est en fait
// des maisons intelligentes avec des // des réseaux intelligents permettant
un tout qu’il faut prendre en compte avec, outils d’auto-apprentissage de vos ha- de limiter au maximum les interven-
d’une part, des systèmes de production bitudes pour adapter confort, sécurité tions grâce à la maintenance prédic-
énergétiques de plus en plus diffus (et sou- et services automatiquement (Amazon tive mais aussi grâce à des essaims
vent intermittents) qui nécessitent un pilo- Alexa/Echo, Google Nest…) ; d’objets connectés, et interconnectés,
tage beaucoup plus fin, et de l’autre, des // des quartiers (et villes) intelligent(e)s permettant de surveiller et d’agir sur les
gérant automatiquement l’équilibre en réseaux de façon coordonnée, ciblée et
citoyens qui souhaitent se réapproprier
temps réel des réseaux. Cela implique prédictive ;
l’énergie dans une démarche engagée et
des prédictions de consommation et // des « workforces augmentées »
collaborative.
de production, une activation auto- (équipes d’intervention terrains) ayant
matique des moyens de stockage col- la capacité à avoir des informations en
Ces deux tendances impliquent des sys-
lectifs et individuels, la connexion aux temps réel sur leurs assets et/ou clients,
tèmes énergétiques de plus en plus plateformes de marché (d’énergie, des tournées recalculées et optimisées,
locaux, imbriqués, interdépendants, peu d’effacement et de capacité) pour y un métier enrichi et diversifié…
Maison
Quartier / Ville
Pays / continent
2
L’INTELLIGENCE ARTIFICIELLE DANS L’ÉNERGIE
• DALKIA
• SCHNEIDER SERVICES ÉNERGÉTIQUES • DEEPKI • GOOGLE DEEPMIND
SERVICES RÉINVENTÉS PAR DES • GRID EDGE • METRON
• ENGIE ACTEURS NATIFS DE LA
ENERGÉTIQUES • HONEYWELL • ENERGIENCY
DONNÉE ET DE L’IA ?
• SIEMENS
3
COM M ENT LES ÉNERGÉ T IC IE N S // Prendre réellement et rapidement le D’après les experts Wavestone, seule la
virage de l’intelligence artificielle pour première option semble réellement per-
HI STO RIQUES DO IVEN T- ILS apprendre vite mais surtout pour « gar-
tinente. Et si cette option semble, de
PRE N DRE LE NO UVEAU V IRAG E der la main » à terme.
prime abord, effrayante, la marche est
DE L’ I A? // Ne pas se saisir fermement du sujet (ou franchissable dès lors qu’on adopte une
uniquement par des partenariats tac-
démarche volontariste et pragmatique.
Les projections ci-dessus posent la ques- tiques court terme) et devenir progres-
sivement un partenaire équipementier, Cette démarche « Comment se lancer dans
tion de la stratégie des acteurs de l’énergie,
mainteneur ou facturier énergétique de l’Intelligence Artificielle ?» est détaillée ci-
qui peut se résumer à deux options prin-
nouveaux acteurs (Nest, Transactive dessous autour de 10 points-clés :
cipales :
Grid, « BlablaNRJ »…).
1 Mobilisez le COMEX sur le sujet de l’IA avec des démons- 6 Utilisez les lessons learning concrets de ces PoC pour
trations explicites de l’urgence de la situation (être lucide alimenter le cercle vertueux de mise en qualité et de
sur le fait que 90% de la culture « Big-Data » des membres gouvernance de la donnée… plutôt que de lancer de
du COMEX est issue des discours des grands éditeurs / grands programmes « top down » qui échoueront dans
intégrateurs…pas forcément ou totalement objectifs). 99% des cas.
5 Traitez ces cas d’usage en mode « lean startup » : PoCs 10 Ces applications vous appartiennent… pourquoi ne pas en
saisonnalisés aux résultats rapides, cycles de décision tirer de la valeur pour de nouveaux marchés (smart cities,
raccourcis, acceptation de l’échec et apprentissage du accompagnement d’acteurs internationaux…).
« pivot »… pour pouvoir identifier rapidement les gise-
ments de gains (opérationnels ou business) en fonction
de vos priorités stratégiques et de vos données.
4
L’INTELLIGENCE ARTIFICIELLE DANS L’ÉNERGIE
CON CRÈTEMENT, CO MME N T Comme indiqué ci-dessous, seule une enjeux stratégiques et tactiques de l’en-
démarche centrée sur les cas d’usages treprise. On pourra néanmoins s’inspirer
I DE NTIFIER ET PRIO RIS E R LE S C AS métiers concrets permet d’avancer effi- et se challenger par des visions a priori
D’ USAGES ? cacement. Ces cas d’usages sont bien sûr des grandes familles de cas d’usages
à identifier et prioriser relativement aux envisageables.
1 6 10 15 20
RH / Intranet scrapping pour Asset management optimisé Ciblage marketing Home Energy assistant Equilibreur demand /response
KPI « Bien être au travail » vs Maintenance prédictive individualisé (conquête, auto-apprenant micro-grids (campus, quartier,
(unités de production, parc segmentation, up & cross sell, ville…)
éolien, Réseaux…) détection, rétention)
2 16
RH / Moteur de Gestion dynamique Home 21
7 11 Area Network (production, Fournisseur de plateforme et
recommandations recrutemt
ou mobilité interne Optimisation des opérations Chatbots stockage, conso…) services de données urbaines
(CRC, ‘’tournées’’ fieldforces,
supply-chain…)
3 12 17 22
Finance / Moteur prédictif Moteur de recommandation Eclairage urbain : capteur de Opérateurs de mobilité et
8 conseiller client ou self-care la smart-city (analyse vidéo…) de recharge des véhicules
Chiffre d’Affaire
Moteur prédictif pour le électriques
« Revenue Management »
4 13 18
Prédiction de l’efficacité des Prédictif : utilisation des 23
Cybersécu. / Modèle prédictif
9 actions commerciales bornes de recharges des Diversification des activités
indices-based pour prévention
des cyberattaques Audit terrain automatisé via véhicules électriques de proximité des fieldforces
l’analyse d’images (drônes…) ‘’digitalisées’’
14
19
5 Scrapping rés. sociaux pour
KPI écoute client ESCO 4.0 : services énergé- 24
SI / Maintenance prédictive
parc SI tiques boostés par l’IA Fournisseur de plateformes
collaboratives Energie /
Blockchain
5
L’idée n’est pas de vouloir embrasser tous PoC dans une logique de Smart lab agile, Ce Smart lab doit aussi devenir le lieu
ces domaines simultanément, mais de les permettant par exemple de saisonnaliser physique fédérateur et inspirant, connu
prioriser via des grilles de criblages simples les résultats (dans une logique de sprint), de tous, et cœur battant de l’Intelligence
(valeur pressentie, faisabilité technique et avec 5 à 10 PoC par saison… étant bien Artificielle de l’entreprise ; c’est par ailleurs
règlementaire, gains court terme, contri- entendu que certains se révèleront d’of- ici que les décisions doivent se prendre !
bution stratégie d’entreprise…). Wavestone fice infructueux, certains mériteront d’être
préconise de cadencer le delivery de ces industrialisés, d’autres enfin nécessiteront
une réflexion plus approfondie.
#1 #3
30 min 3 0 m in
#2 #4
1h 3 0 m in
1 - Creadesk : asset de Wavestone proposant une équipe d’experts des méthodologies et un lieu dédié pour stimuler la créativité, générer des idées innovantes et fonctionner de façon plus agile.
POUR QUO I PARLER DE des données font des progrès chaque jour (python, C++…) et des solutions hardware
et apportent de nouvelles opportunités pouvant l’optimiser. Il doit aussi et surtout
« M ACHINE LEARNIN G » E T PAS dont nous n’imaginons pas encore tout le être absolument « agnostique », les mathé-
DE DATA-ANALYTICS COMME TOU T potentiel. matiques (NoFreeLunch theorem) ayant
L E M O NDE ? démontré explicitement qu’il n’y a pas de
Pour construire les algorithmes d’Intel-
bon algorithme a priori (même pour des
Les « analytics » font référence aux dis- ligence Artificielle maximisant le poten-
cas métier proches, et ce, quelle que soit
ciplines historiques de la BI et des statis- tiel de valeur, un bon data-scientist doit
la capacité auto-apprenante de cet algo-
tiques. C’est une base intéressante mais qui donc être connecté, de plus près avec
rithme)… mais bien une combinaison opti-
recouvre une infime partie des nouvelles la recherche fondamentale de cette dis-
misée pour chaque couple jeu de données
disciplines que constituent le Machine cipline, savoir récupérer les dernières
disponible / question métier posée.
Learning et le Prédictif. Les modèles bibliothèques (souvent disponibles en
mathématiques, la puissance du hardware open-source), savoir utiliser le potentiel Ceci justifie l’absolue nécessité pour les
et des algorithmes d’analyse numérique du développement scientifique optimisé acteurs de s’approprier cette Intelligence
6
L’INTELLIGENCE ARTIFICIELLE DANS L’ÉNERGIE
7
ÉNERGÉTICIENS : 3 CLÉS POUR SE LANCER DANS
L’AVENTURE DE L’INTELLIGENCE ARTIFICIELLE
Énergéticiens : l’intelligence n’est plus une time-to-market promis est alléchant et que ces 3 – NE PAS MISER UNIQUEMENT SUR LES
option, c’est un impératif. Il est urgent (et derniers vous éviteront de vous lancer dans
encore temps), pour les énergéticiens, de la difficile constitution d’une compétence IA
OUTILS DU MARCHÉ
prendre le train de l’Intelligence Artificielle interne… quel en sera le prix ? Ces sous-trai- La majorité des acteurs de l’énergie sou-
en marche pour continuer à exister dans un tants ou partenaires resteront seuls proprié- haitent, à court ou moyen terme, faire des
secteur qui entame sa profonde mutation… taires des algorithmes de Machine learning qui, fonctionnalités basées sur l’IA de vrais diffé-
Attention cependant aux fausses bonnes progressivement, vont constituer la majeure renciateurs stratégiques.
idées et aux partenariats potentiellement partie de la valeur ajoutée de vos services ; ils
fatals. vont contribuer à détruire vos emplois, et tous Cependant, pour cela, il faut garder en tête
les nouveaux postes autour de la valorisation que la logique même des progiciels (vendus
Plusieurs autres secteurs ont ouvert la voie : par de gros acteurs IT qui proposent d’équi-
de la donnée seront à leur main ; ils utiliseront
investir fortement dans l’IA est devenu une per la majorité des acteurs du marché) est
votre nom et vos cas d’usages pour revendre
nécessité. L’ensemble des métiers et fonc- intrinsèquement incompatible avec cette
cette solution sur de nouveaux marchés (là ou
tions des acteurs de l’énergie sera rapide- ambition. En effet, comment vous distingue-
vous auriez pu le faire).
ment touché par cette vague ; il est néces- rez-vous en termes de relation client lorsque
saire de le prendre comme une opportunité Il faut donc avoir conscience de ce risque, tout tous vos concurrents auront la même « racine
mais de bien choisir sa stratégie. en étant réaliste sur l’effort que cela repré- » de module chatbot ou les mêmes moteurs
sente. Une start-up de quelques personnes, de targeting clients que vous ? Quand les évo-
1 - PERTE D’EMPLOIS OU DISPARITION DU aussi brillante et inspirante soit elle, ne peut lutions applicatives seront mises à disposition
pas (ou ne devrait pas) avoir une avance irrat- de votre entreprise mais aussi, simultané-
PAYSAGE ?
trapable sur vos équipes : alors pourquoi ne ment, de ses principaux concurrents ?
L’une des raisons souvent avancées pour ne pas se donner les chances de construire la
même chose en interne ? Si ce véritable putsch technologique est
pas s’y engager de façon volontariste est la
aujourd’hui rendu possible, c’est bien souvent
potentielle destruction d’emplois que peut
Attention, l’idée n’est pas non plus de fermer parce que machine learning et IA font peur :
induire cette transformation ; la question
la porte aux partenariats (acteurs du digital combien de fois avons-nous entendu « nous
est centrale et sa réponse complexe. Mais
et start-ups innovantes) qui peuvent vous ne sommes pas Google ! ».
en ne prenant pas le virage de l’Intelligence
permettre de traiter certains cas d’usage
Artificielle, les énergéticiens prennent le
moins stratégiques, mais aussi vous servir Et il est vrai que cette nouvelle discipline
risque de totalement disparaître du marché.
d’accélérateurs sur les sujets stratégiques… regorge de complexité, de codes, de besoins
Il est donc indispensable d’anticiper et de
Il faudra dans ce cas être très vigilant quant de compétences totalement nouvelles… Mais
de s’organiser pour maîtriser son destin, au
aux termes et conditions de ce partenariat refuser ce challenge, c’est refuser le monde
risque de ne devenir qu’un simple « gestion-
(propriété intellectuelle, évolutions des algo- tel qu’il se présente ; l’accepter, c’est entrer
naire d’actifs » pour le compte des acteurs de
rithmes, clause de rachat…) et lucides sur le dans cette nouvel ère ou chaque industriel ou
l’Intelligence Artificielle !
fait que ceci ne constitue qu’un report d’in- acteur de service historique doit reprendre la
vestissement qu’il faudra plus tard consentir main en devenant aussi, en quelques sortes,
2 – RESTER MAÎTRE DE SA DATA (pour racheter l’entreprise ou la Propriété un « éditeur de logiciel ». Il est encore temps,
Intellectuelle), sans doute à des prix bien mais ne tardez pas.
Pour la même raison, sous-traiter des pans
supérieurs à ce qu’aurait été l’investissement
entiers de son Intelligence Artificielle à des
initial.
acteurs du digital semble, sauf cas parti-
culier, une erreur stratégique criante. Si le
www.wavestone.com
Wavestone est un cabinet de conseil, issu du rapprochement de Solucom et des activités européennes de Kurt Salmon (hors
consulting dans les secteurs retail & consumer goods). Il figure parmi les leaders indépendants du conseil en Europe.
La mission de Wavestone est d’éclairer et guider ses clients dans leurs décisions les plus stratégiques en s’appuyant sur une triple
expertise fonctionnelle, sectorielle et technologique.
8
2017 I © WAVESTONE