Orateur(s)
Thibaut Théate Candidat PhD (Institut Montéfiore, ULiège)
Geoffroy Jennes Senior Project Manager – Digital&Analytics (EQUANS BeLux)

Quand l’intelligence artificielle s’invite dans le monde de l'énergie

Résumé

Ce midi, nous nous intéressions à l’intelligence artificielle (IA) et à ses applications et potentialités dans le domaine de l’énergie.

Thibaut Théate (aspirant FNRS, Institut Montéfiore - ULiège) a souhaité débuter son intervention par un rappel de ce qu’on appelle « intelligence artificielle », en faisant référence notamment au test de Turing. En effet, à ses yeux, le terme « intelligence artificielle » est aujourd’hui galvaudé et utilisé à tort et à travers, en marketing par exemple.

Il a ensuite explicité et illustré les 3 principes sur lesquels repose le « machine learning » tout en soulignant leurs principales applications fructueuses :

  1. Supervised learning : qui fonctionne par imitation déduction (avec 2 types de problèmes particuliers : la classification et la régression) ;
  2. Unsupervised learning : qui fonctionne par inférence ou induction (avec 2 types de problèmes particuliers : le clustering - c-à-d créer des catégories, et la réduction – c-à-d filtrer) ;
  3. Reinforcement learning : qui fonctionne par récompense.
     

Après cette vue globale de l’IA pour en rappeler les bases et illustrer les différentes techniques existantes, Thibaut a exposé ses travaux reposant sur l’IA dans le domaine de l’énergie.

Sa recherche tend à répondre à la problématique de la désynchronisation entre l’offre et la demande en matière d’énergie dans le contexte du renouvelable.

Geoffroy Jennes (Senior Project Manager – Digital&Analytics chez EQUANS BeLux) a ensuite pris la relève de l’exposé pour illustrer comment les solutions IA peuvent être appliquées de façon optimale et pragmatique sur le terrain.

Il a commencé son intervention en plaçant les enjeux actuels dans le contexte de l’industrie 4.0. avec, comme pivot, l’IA comme outil d’aide à la décision.

Ce qui le motive dans le cadre de sa fonction chez Equans ? Démontrer qu’en appliquant un certain nombre de techniques issues de l’IA, l’entreprise va pouvoir atteindre différents enjeux fondamentaux (plus d’efficience, plus d’agilité, une réduction des coûts, une meilleure expérience clients…).

Exemple à l’appui, il a montré qu’à chaque étape du processus de production, il est possible de pratiquer de l’optimisation grâce à l’IA.

Mais pour ce faire, l’enjeu capital est de savoir quelle typologie de données injecter pour alimenter un algorithme d’IA. En effet, l’IA a besoin d’un carburant : la donnée.

Et pour nourrir de façon efficace un algorithme, Geoffroy Jennes présente un schéma en 8 V (volume, value, veracity, visualisation, variety, velocity, viscosity, virality).

Après avoir exposé « la philosophie d’approche de l’IA », il a partagé un cas concret d’application d’IA dans l’industrie, en insistant sur l’importance de la bonne mise en œuvre d’une telle démarche. En effet, les principes ne sont pas tout. Il s’agit de bien les développer. Et de ne pas négliger le facteur humain, clé dans les transformations en cours…

À deux voix, les intervenants de ce jour ont livré un bel exemple de rencontre entre une solution étudiée d’un point de vue académique et traduite sur le terrain, pour répondre aux enjeux business de demain.

Retrouvez ci-dessous les slides de la rencontre :

En quelques années, l’Intelligence Artificielle (IA) s’est progressivement installée comme le prochain concept disruptif dans des industries multiples.
Cependant, ce type de solution algorithmique reste souvent mal compris du grand public, en plus d’être promu de manière très approximative par le marketing de nombreuses entreprises.

Cette rencontre-conférence a pour but de démystifier l’approche dite « Apprentissage Machine » (Machine Learning), qui est un véritable pilier de l’Intelligence Artificielle à l’heure actuelle. Plus précisément, les techniques d’apprentissage supervisé (supervised learning), d’apprentissage non supervisé (unsupervised learning) et d’apprentissage par renforcement (reinforcement learning) seront brièvement abordées. Dans un second temps, quelques applications de l’Intelligence Artificielle concernant des problèmes réels rencontrés chaque jour dans le secteur de l’énergie seront discutés.