Pour moi, c’est un enjeu majeur, et surtout un enjeu commun. Si l’on peut être indécis devant une nouvelle technologie, louper le virage de l’IA sera une faute majeure. De surcroît, elle sera naturelle intégrable dans l’outil informatique qu’est la supervision.
Cette technologie pleine de promesses, peut nous permettre de passer d’un domaine qui s’est pourtant automatisé ces 40 dernières années, mais qui stagne, à un domaine vertueux, dont les enjeux environnementaux demandent plus que ce que nous sommes capables aujourd’hui.
En effet, la plupart des process sont connus et maîtrisés, mais n’évoluent quasiment plus. Alors qu’il y aurait des économies d’énergies, et de matières premières, très importantes à faire. Et pour ce faire, il faut exploiter plus finement l’ensemble des données issues du terrain. Or, à ce jour, ces données, même traitées par un modèle prédictif, demandent un traitement humain trop important, voire impossible à grande échelle. La seule solution pour dépasser cette limite, c’est l’IA intégrée ou couplée à la supervision.
Elle peut apprendre et travailler 24/24h, mais pour cela, elle a besoin de deux choses. De beaucoup de données et d’un datascientist.
Les données, nous en avons plein dans les bases de données de supervision, même chez de petits exploitants. Si elles peuvent servir à l’apprentissage d’une IA, il est reconnu que plus il y en a, plus le résultat de l’apprentissage sera bon. Cela pose donc la question d’une mise en commun de données. Pour moi, c’est un des premiers enjeux.
Pour ce faire, il faut que les données soient fournies au même format, et donc qu’il y ait une harmonisation dans la programmation des données. Cela sera une première étape nécessaire. Pour information, nous qui travaillons dans le métier de l’énergie, nous avons vu une évolution à ce niveau avec la mise en relation des différents acteurs via des associations fédératrices, desquelles sont sorties des normes de programmations communes, qui ont permis les premiers programmes d’apprentissages d’IA d’économie d’énergie.
L’autre enjeu, c’est les Datascientist, qui sont les chefs d’orchestre et vont permettre l’écriture des programmes d’apprentissages, qui donneront à terme, le programme spécialisé dans une tache précise, qui pourra être intégré à la supervision. Or, c’est un investissement financier très important, voir rédhibitoire à petite échelle.
Là encore, la seule solution est de fédérer les acteurs. Le souci, c’est que la logique d’une entreprise, quelle qu’elle soit, est prendre de l’avance sur la concurrence, et donc de ne pas mettre en commun la R&D. Quand on parle d’IA, il faut vraiment faire tomber ce dogme. Si on peut comprendre les intérêts de chacun, l’enjeu pour le client final doit devenir le seul moteur. En fait, le programme d’apprentissage n’est pas la clef, c’est la donnée le Graal. C’est le plus dur à avoir, c’est là que les entreprises, et notamment les grands groupes, pourront se distinguer, en ayant le plus de données possibles à mettre dans le programme d’apprentissage. Le programme spécialisé résultant sera lui leur valeur ajoutée.
Il faut donc comprendre que la mise en commun des moyens pour la recherche sur un programme d’apprentissage sera nécessaire à l’évolution de notre métier, et que chacun à son niveau doit envisager la mise en commun des moyens humains et financiers.
Je rappelle que les Américains appellent les grands volumes de données, the new oil (le nouveau pétrole). A mon sens, c’est un enjeu très important. En effet, j’estime aujourd’hui que nous n’avons pas assez de données enrichies issue des systèmes locaux. Ces données pourraient servir à améliorer les modèles, mais aussi de valeur marchande pour d’autres utilisateurs ou domaines connexes. Cela permettra de financer cette évolution, et certainement de générer des profits complémentaires.
Enfin, je mettrai en garde les autres acteurs. Dernièrement, j’ai perdu un marché public d’intégration d’une supervision au profit d’un opérateur téléphonique national par sa branche IOT. J’en ai tiré la conclusion, que le besoin de volume de données et de leur transport, allait amener des acteurs extérieurs au domaine à venir proposer des solutions techniques, déjà très avancées avec de l’IA, là où nous nous posons encore trop de questions. Ne loupons pas cette évolution de l’IA dans notre métier, et nos outils de supervision.
Vincent Hemery, HTTP
