132
L’IA un acteur clé de la mutation de l’écosystème énergétique
L'Intelligence artificielle, qui a pour but de permettre à un ordinateur d’exécuter une tâche complexe,
par apprentissage des données observées ou grâce à un modèle formel, représente un levier important
pour faire face à la complexité des nouveaux problèmes rencontrés, notamment :
- optimiser les processus et réaliser des économies d’énergie (ex: maintenance prédictive,
optimisation du plan de production, adaptation en temps réel des paramètres opératoires,
etc.)
- planifier et piloter la transition énergétique grâce à des décisions guidées par la donnée (ex:
simulation fiable des problèmes d'intermittence sur le réseau lorsque la pénétration des ENR
augmente).
Problème 1: Efficacité et flexibilité de la demande
Dans un système électrique local avec un fort taux de pénétration de sources de production
intermittentes, la valeur de prévision de l’offre et d’adaptation de la demande électrique en fonction de
la production disponible, est démultipliée. Néanmoins, l’usage, l'expérience (quelle qu’elle soit,
industrielle, commerciale, mobile, résidentielle, via des objets connectés, etc.) ne doivent pas être
impactés, pour permettre et garantir une adoption massive.
De plus, les nouveaux usages qui se développent (notamment la mobilité, les bâtiments intelligents, les
“prosumers”) apportent leur lot de contraintes bien sûr mais donnent aussi plus de flexibilité au
système.
Problème : Comment révéler et activer l’efficacité et la flexibilité de la demande, sans impacter
l’usage, voire en l’améliorant?
C’est une des priorités de la transition énergétique aujourd’hui. Et de même que l’on demande aux
citoyens de recycler leurs déchets, on peut les inciter à participer à la flexibilité pour des raisons qui ne
sont pas uniquement économiques. Il y a un vrai gisement de “valeur sociale” dans la production
collective du “bien commun”.
L’IA comme élément de solution :
Il existe de nombreuses efficacités et flexibilités à exploiter. La première étape consiste à sélectionner
les données ciblées, abondantes (big data) d’usage croisés, typiquement :
- Résidentiel: Chauffage, Machine à laver, Froid, Eclairage…
- Ville: mobilité, sécurité, services municipaux prioritaires…
- Industrie: demande client, fiabilité, logistique…
L’IA peut permettre de dégager des profils de consommation efficace et flexible voire d’activer
certaines consommations, sans “dégrader” l’usage :
- SmartHome et Bâtiments intelligents : améliorer la gestion énergétique des bâtiments grâce à
l’IA (pilotage, effacement, optimisation des consommations, automatisation GTB)
- Eco-mobilité et optimisation des réseaux de transports : faciliter les déplacements et limiter
la congestion urbaine (bus ou voitures électriques, gestion des bornes de recharge et de
L’IA un acteur clé de la mutation de l’écosystème énergétique
L'Intelligence artificielle, qui a pour but de permettre à un ordinateur d’exécuter une tâche complexe,
par apprentissage des données observées ou grâce à un modèle formel, représente un levier important
pour faire face à la complexité des nouveaux problèmes rencontrés, notamment :
- optimiser les processus et réaliser des économies d’énergie (ex: maintenance prédictive,
optimisation du plan de production, adaptation en temps réel des paramètres opératoires,
etc.)
- planifier et piloter la transition énergétique grâce à des décisions guidées par la donnée (ex:
simulation fiable des problèmes d'intermittence sur le réseau lorsque la pénétration des ENR
augmente).
Problème 1: Efficacité et flexibilité de la demande
Dans un système électrique local avec un fort taux de pénétration de sources de production
intermittentes, la valeur de prévision de l’offre et d’adaptation de la demande électrique en fonction de
la production disponible, est démultipliée. Néanmoins, l’usage, l'expérience (quelle qu’elle soit,
industrielle, commerciale, mobile, résidentielle, via des objets connectés, etc.) ne doivent pas être
impactés, pour permettre et garantir une adoption massive.
De plus, les nouveaux usages qui se développent (notamment la mobilité, les bâtiments intelligents, les
“prosumers”) apportent leur lot de contraintes bien sûr mais donnent aussi plus de flexibilité au
système.
Problème : Comment révéler et activer l’efficacité et la flexibilité de la demande, sans impacter
l’usage, voire en l’améliorant?
C’est une des priorités de la transition énergétique aujourd’hui. Et de même que l’on demande aux
citoyens de recycler leurs déchets, on peut les inciter à participer à la flexibilité pour des raisons qui ne
sont pas uniquement économiques. Il y a un vrai gisement de “valeur sociale” dans la production
collective du “bien commun”.
L’IA comme élément de solution :
Il existe de nombreuses efficacités et flexibilités à exploiter. La première étape consiste à sélectionner
les données ciblées, abondantes (big data) d’usage croisés, typiquement :
- Résidentiel: Chauffage, Machine à laver, Froid, Eclairage…
- Ville: mobilité, sécurité, services municipaux prioritaires…
- Industrie: demande client, fiabilité, logistique…
L’IA peut permettre de dégager des profils de consommation efficace et flexible voire d’activer
certaines consommations, sans “dégrader” l’usage :
- SmartHome et Bâtiments intelligents : améliorer la gestion énergétique des bâtiments grâce à
l’IA (pilotage, effacement, optimisation des consommations, automatisation GTB)
- Eco-mobilité et optimisation des réseaux de transports : faciliter les déplacements et limiter
la congestion urbaine (bus ou voitures électriques, gestion des bornes de recharge et de