Utiliser l'IA pour maximiser la résilience des infrastructures

Note de la rédaction: il s'agit d'une version rédigée des commentaires de Kevin Scarborough sur le podcast Energy Beat. Vous pouvez écouter les entrevues complètes des podcasts ici.

Chez Siemens, nous sommes conscients qu'il y a une transition énergétique mondiale en cours. Nous sommes convaincus de cette observation parce que nous basons notre stratégie à long terme sur cinq mégatendances mondiales: évolution démographique, urbanisation, glocalisation, changement environnemental, efficacité des ressources et numérisation. Chacun de ces éléments aura un impact significatif sur l'énergie (à savoir comment nous la générons, la distribuons et l'utilisons). Et comme nous le savons tous, les entreprises donnent la priorité aux énergies renouvelables, à l'efficacité énergétique et à l'électrification de leurs actifs.

Nous savons également que cette transition met à rude épreuve les infrastructures énergétiques et immobilières existantes. Cela nécessite une transformation rapide pour maintenir la fiabilité et la durabilité de ces systèmes complexes.

Le secteur du bâtiment représente environ 40 % de la demande mondiale d'énergie et la quantité d'espace utilisable dans les bâtiments à travers le monde devrait doubler d'ici 2060. Cela représente une superficie considérable qui est sur le point d'être construite, ce qui fait pression sur nos ressources. C'est l'une des raisons pour lesquelles la demande d'électricité devrait tripler d'ici 2050. Ainsi, comme notre PDG de Smart Infrastructure Matthias Rebellius l'a récemment déclaré dans son article pour Reuters Plus, « un approvisionnement énergétique résilient a gagné en importance pour devenir la priorité numéro un en matière d'infrastructure. »

Siemens y voit opportunité majeure pour que les infrastructures bâtiment et l'infrastructure de construction et d'énergie deviennent plus intelligentes avec l'IA, afin de créer ce type de technologie à l'épreuve du temps à laquelle nous aspirons.

Nous exploitons et menons des recherches sur l'IA au sein de ce que nous appelons notre écosystème Building X pour améliorer le reporting de données, ce qui à son tour apporte une meilleure efficacité énergétique et des résultats opérationnels pour les clients. Un exemple de ceci serait l'utilisation de l'IA générative pour aider à identifier l'historique des ordres de travail pour un actif afin de hiérarchiser les interventions de maintenance et de répondre plus rapidement aux besoins en la matière. Nous utilisons également l'apprentissage automatique pour optimiser les systèmes de traitement de l'air et les climatiseurs des salles d'ordinateur.

En termes simples, nous demandons à l'IA de penser à la consommation d'énergie dans les bâtiments et sur les bâtiments eux-mêmes. Mais comme tout dans ce nouveau paysage, il y a des défis et des opportunités, soulignés par un énorme besoin de données pertinentes.

Défis de l'intégration de l'IA dans les industries de l'énergie et des services publics

Les trois plus grands défis pour intégrer l'IA dans les industries de l'énergie et des services publics sont la sécurité des données, la gouvernance des données et la dépendance excessive à l'IA.

La sécurité des données liées à l'IA est en grande partie non réglementée, c'est donc un domaine à la fois d'opportunités et de risques. Des opportunités pourraient émerger si des associations industrielles comme l'American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE) se réunissaient pour créer les meilleures pratiques d'utilisation de l'IA dans l'industrie. Les risques potentiels liés à la sécurité des données incluent l'utilisation malveillante de l'IA par des acteurs mal intentionnés (piratage informatique, par exemple). Les secteurs industriels doivent faire évoluer rapidement leur approche en matière de sécurité des données, pour pouvoir relever ces défis. Les données et les décisions doivent être vérifiables, et il doit y avoir un contrôle d'accès basé sur les rôles pour les algorithmes, afin d'empêcher les acteurs malveillants d'impacter le « cerveau » du moteur d'IA utilisé.

En matière de gouvernance des données, pour que le secteur soit efficace dans l'obtention de résultats, l'IA doit avoir un rendement uniforme, en particulier avec l'IA générative. La gouvernance des données de qualité comprend des catégorisations de données standardisées, des mécanismes de reporting et des communications harmonisées, surtout si l'IA communique avec un système d'automatisation du bâtiment. La facilité de communication aide à prévenir la création de silos de données qui entravent le partage des données clés.

Il y a, cependant, un grand risque lié à la dépendance excessive à l'IA. Si nous comptons trop sur l'IA, nous perdons cette étincelle clé de créativité; tout sera basé sur — et limité à — ce qui est alimenté par le moteur de l'IA. Cela peut conduire à des biais et à une complaisance, en particulier avec l'IA générative. Les entreprises qui utilisent l'IA comme outil de créativité le font avec succès, uniquement avec l'apport et la supervision de l'esprit humain.

En fin de compte, un moteur d'IA sera seulement aussi intelligent que les données qui y sont introduites.

Utiliser les meilleures données pour tirer parti de l'IA dans les industries du bâtiment et de l'énergie

Dans tout type d'application d'IA dans les bâtiments et l'énergie, les données les plus importantes sont les données historiques précises, applicables , parce que pour prédire l'avenir, nous devons savoir comment les choses ont réagi ou fonctionné dans le passé à divers stimuli de ce système. Les données historiques peuvent inclure des images - vous introduisez des images d'une centrale, par exemple, dans un moteur d'IA pour qu'il vous aide à naviguer sur Internet à la recherche de renseignements de conception pour un appareil ou un moteur.

Avec l'IA générative, disposer de rapports sur les ordres de travail et un historique complet de maintenance sur un système spécifique pourrait donner à un spécialiste (un expert en optimisation de système) la capacité de se déplacer plus rapidement pour résoudre un problème complexe rencontré par un client. Avec l'apprentissage automatique, il est absolument essentiel de posséder un système d'automatisation du bâtiment qui utilise les bons capteurs et formaté avec les données de tendance et les mesures correctes.

La précision des données et une quantité de données vraiment fiable sont essentielles pour optimiser l'IA. Par exemple, les données météorologiques peuvent être utilisées pour prendre des décisions en temps quasi réel pour un plan d'opérations centralisé, ou pour un système de traitement de l'air utilisant l'apprentissage automatique, dans le but de calculer les économies potentielles à réaliser. Cela fait référence à l'utilisation d'une interface de programmation d'applications (API), un intermédiaire numérique entre deux applications qui permet à un programme de demander des données ou des fonctionnalités à un autre sans avoir à savoir comment fonctionne l'autre système. Les gestionnaires de système peuvent créer des API qui peuvent être intégrées à l'IA en cours d'utilisation, ce qui se traduit par une plus grande évolutivité, des fonctionnalités améliorées et une flexibilité accrue, avec la possibilité de personnaliser les résultats pour répondre aux besoins spécifiques des utilisateurs.

Déterminer la quantité adéquate de données historiques pour l'IA

Comment déterminez-vous l'étendue des données historiques dont vous avez besoin? Cela dépend de ce qui s'est réellement passé, disons, au cours des trois dernières années. Est-ce suffisant ou avez-vous vraiment besoin de plus?

Dans mon parcours d'ingénieur en énergie, la plupart des gestionnaires voudraient disposer de deux à trois ans de données de consommation. Mais si vous m'aviez dit pendant la pandémie de COVID que vous vouliez trois ans de données sur la consommation, je vous aurais dit que 2020 et 2021 n'étaient pas vraiment des années pertinentes pour prévoir à quoi ressemblera l'avenir parce que les bâtiments étaient inoccupés à cette époque.

La quantité de données historiques dont vous avez besoin dépend également du système du bâtiment, du bâtiment lui-même et de ce que vous essayez de réaliser sur le plan opérationnel. Exemple: vous avez un appareil de traitement d'air de salle de conférence qui a besoin de données. S'il y a une réunion par jour dans cette salle de conférence, je pourrais probablement me contenter d'environ deux semaines de données. Si la température extérieure était représentative d'une plus grande quantité d'heures à une certaine température, cela devrait constituer des données suffisantes.

De nombreux aspects concernant les données historiques dépendent de l'application, mais les gestionnaires de l'énergie doivent sérieusement regarder le passé et comment les événements mondiaux ont pu façonner la qualité réelle de données dont ils disposent.

Utilisation de l'IA pour gérer la charge et la flexibilité de la demande

Le secteur de l'énergie apprend à tirer parti de l'apprentissage automatique et de l'IA pour les questions clés de l'optimisation et du dimensionnement judicieux de la charge sur le réseau et les systèmes. La technologie de jumeau numérique joue également un rôle majeur à cet égard. Un jumeau numérique peut permettre d'augmenter la durée de vie des actifs électriques en détectant les défauts de ces systèmes avant qu'ils ne deviennent un problème. L'IA peut alimenter ce jumeau numérique en traitant les grands ensembles de données nécessaires à la création de jumeaux de ces actifs.

Une autre technologie qui peut entrer en jeu pour la distribution d'énergie est une offre au sein de la plateforme Siemens Xcelerator: Electrification X. Cette offre, élaborée sur la base de services cloud, est conçue pour gérer, optimiser et automatiser les infrastructures d'électrification en fournissant une vue holistique des sous-stations et autres actifs. Un ensemble de fonctionnalités d'Electrification X, appelé Electrification X Asset Management, utilise l'analyse des données de capteurs pour permettre aux propriétaires et aux opérateurs d'actifs d'augmenter la disponibilité et la fiabilité, de réduire les dépenses opérationnelles et de renforcer la cybersécurité.

Siemens a une autre offre appelée Gridscale X, qui fournit un logiciel modulaire facile à déployer pour la gestion du réseau de bout en bout et qui exploite l'IA pour analyser de grandes quantités de données réseau. À l'intérieur de cette offre se trouve Gridscale X DER Insights, qui utilise l'IA pour découvrir les ressources énergétiques distribuées (RED) situées en aval du compteur et pour évaluer leur comportement et leur impact sur les équipements réseau. Cela aide à prévoir, analyser et extraire des informations utiles et à les transformer en mesures concrètes. Cette fonctionnalité est précieuse, parce qu'elle aide les clients à optimiser les opérations RED, à comprendre leurs performances et leur fonctionnement et à maximiser la résilience de l'entreprise et du réseau.

Garder une longueur d'avance sur les grandes tendances de l'IA

Les responsables du secteur doivent garder un œil sur les réglementations en matière d'IA qui arrivent aux États-Unis et dans le monde, car elles auront sûrement un impact sur la façon dont l'IA se développe à l'avenir. Cela signifie que ce que nous faisons maintenant avec l'IA va évoluer. Nous devons également être à l'affût des nouvelles capacités et technologies d'IA dès leur mise en ligne. Les responsables du secteur doivent apprendre rapidement comment ces nouveaux éléments peuvent s'appliquer aux opérations de construction et d'énergie afin que leur valeur ajoutée puisse être un atout pour les entreprises et pour les clients.

En fin de compte, nous devons tous avoir l'esprit ouvert sur ce que l'IA peut faire. Accueillons les changements à venir et affirmons le rôle de l'humain dans l'IA. Nous pouvons être prudents, mais nous ne devrions pas avoir peur. Tout le monde peut s'appuyer sur l'IA en apprenant tout ce que vous pouvez à ce sujet et en essayant de développer votre activité, en l'utilisant là où elle ajoute de la valeur ajoutée, améliore les opérations et profite aux clients.

Publié le 30 décembre 2025