Après un long sommeil, l'intelligence artificielle a soudainement resurgi au tournant de la décennie 2010. La raison ? Le succès fulgurant du Machine learning et de son dérivé le Deep Learning. Élaborée depuis de nombreuses années, cette approche a non seulement bénéficié de progrès en algorithmie, mais aussi de l'amélioration des puissances de calcul et surtout de la disponibilité de données en masse largement issues du web. Indispensable pour l'IA, la présence de nombreuses données est aussi l'une des caractéristiques du groupe EDF. Que ce soit en matière de production, d'équilibrage du système ou bien encore de distribution, il est pour lui vital de collecter ces données et de les structurer. En l'espace de seulement quelques années, l'intelligence artificielle est donc devenue le principal outil pour valoriser ce flot de data. Et le groupe EDF n'a pas manqué de prendre ce virage technologique.
 

Performance et sécurité au service du salarié

Selon Stéphane Tanguy, de forts enjeux se dressent en effet derrière ce renouveau de l'IA : « Ils concernent l'ensemble des métiers du groupe EDF. Nous voyons d'abord l'intelligence artificielle comme un outil pour améliorer la performance dans un milieu complexe… Aussi bien au niveau de la production, pour des systèmes critiques notamment, que pour le commerce ou à des fins d'optimisation. Augmenter la performance, c'est être capable de répondre à des dizaines de milliers d'appels et de mails sur des sujets variés. C'est aussi assurer de l'équilibre offre-demande dans un système qui intègre la gestion d'énergies renouvelables, la déréglementation du secteur ou encore l'ouverture à la concurrence ». L'objectif : performer davantage grâce à l'intelligence artificielle, mais en la plaçant toujours au service des collaborateurs. Dans un milieu complexe, les opérateurs en production ou encore les responsables clientèle sont souvent contraints d'agir rapidement. L'IA doit constituer pour eux un outil précieux d'aide à la décision. Les autres enjeux liés au succès des systèmes autonomes ? Une sécurité renforcée, une expérience client et salarié personnalisée, mais aussi le développement de nouveaux services.
 

La recette d'un succès…

Si ces enjeux sont plus que jamais d'actualité, beaucoup d'avancées ont été accomplies depuis plus d'une décennie. Sous l'impulsion de la R&D d'EDF, les différents métiers du groupe se sont massivement approprié l'utilisation de l'IA. Une culture qui s'est aussi répandue au sein même de la R&D : « Il y a quelques années, nous avons fondé le Data innovation Lab qui a un rôle de coordinateur. Il diffuse l'utilisation des nouvelles méthodes et favorise le partage entre nos différents départements. Nous avons rassemblé une cinquantaine de projets au sein d'un seul et même moyen informatique intitulé Data management for innovation. Piloté par notre département R&D ICAME, il a un rôle majeur car sans plateforme de calcul, il n'y a pas d'intelligence artificielle possible » rappelle Stéphane Tanguy.
 

Susciter la confiance

Ces différents projets ne sauraient être plus variés. Et pour cause. Si l'intelligence artificielle fait désormais partie de notre quotidien, de nombreux verrous technologiques restent, selon Stéphane Tanguy, à lever : « L'IA de confiance est par exemple un thème primordial pour la R&D d'EDF. Beaucoup d'intelligences artificielles fonctionnent encore trop en système de boite noire. Or, nos métiers sont très régulés. Nous avons besoin d'expliquer les décisions que nous prenons aux différents organismes de certification. Que ce soit pour la production, le trading, le management de l'énergie, nous devons rendre cette IA explicable et interprétable ». Autre préoccupation de la R&D : l'IA embarquée. Le stockage des données, dans des clouds éloignés, peut en effet générer des latences, particulièrement problématiques dans le monde industriel. L'idée consiste dès lors à distribuer l'intelligence au plus près de la donnée…
 

Anticiper…

Parmi les grands travaux de la R&D d'EDF, citons également la simulation. On utilise ici l'IA pour créer des modèles appris lorsque la physique devient trop difficile à gérer. Un domaine de recherche riche qui a abouti au développement de jumeaux numériques : « Nous comptons beaucoup sur eux car ils vont nous permettre d'entraîner des opérateurs à des situations complexes comme des opérations de maintenance. Mais nous voulons aussi nous servir de ces jumeaux pour optimiser la conception de générateurs de vapeur, d'alternateurs ou encore de pales d'éoliennes ».

D'autres sujets novateurs sont à l'étude à l'image du new learning. Cette approche utilise de nouveaux algorithmes, parfaitement adaptés aux systèmes de prévision. Ils prennent en effet en compte des phénomènes rares qui seront amenés à se multiplier dans les prochaines années. Parmi eux : les phénomènes climatiques bien sûr, mais aussi les crises sanitaires qui ont montré récemment leur capacité à bouleverser nos schémas de prévisions traditionnels…
 

… les challenges de demain

Le futur du groupe EDF se situe-t-il aussi dans son passé ? L'un des challenges de la R&D d'EDF consiste en effet à réaliser de la web sémantique : « Le groupe EDF dispose de larges bases historiques de textes à l'image de rapports de maintenance. Nous devons mieux les valoriser en effectuant pour cela un travail ontologique. C'est-à-dire en concevant des sortes de dictionnaires qui s'inscrivent tout à fait dans ce qu'on appelle l'intelligence artificielle symbolique ».

Mais dessiner l'avenir de l'intelligence artificielle revient aussi à préparer l'arrivée des ordinateurs quantiques. Le sujet est d'importance. On estime en effet que le Quantum machine learning pourrait être une solution aux problématiques de smart charging. Ce type d'algorithmes aiderait ainsi le système à recharger des millions de véhicules en même temps.

Enfin, dernier sujet et non des moindres : l'IA responsable. Comment rendre l'intelligence artificielle plus éthique mais aussi plus sobre en matière énergétique ? Voici les questions fondamentales que se posent les équipes de la R&D d'EDF. Le défi ? Construire une IA au service de l'homme et non l'inverse.

Pour une IA au service de l'humanité

Présentée en 2018 par le Président de la République, le plan « AI for humanity » vise à faire de la France, au sein de l'Europe, un leader en matière d'intelligence artificielle. Cette stratégie est nourrie du rapport produit sur le sujet cette même année par Cédric Villani. Marc Schoenauer, directeur de recherche à l'INRIA, a fait partie des six experts accompagnant le député. Il a accepté pour la R&D d'EDF de revenir sur quelques-unes des réflexions menées dans le cadre du rapport. 

Pendant plusieurs mois, Marc Schoenauer a participé aux interviews de plus de 400 personnes menées pour sonder un vaste panel représentant la société française. De nombreux sujets ont pu ainsi être abordés : de la recherche à la définition de secteurs stratégiques en passant par des sujets plus sociétaux comme le rapport entre IA et le travail ou encore l'écologie. L'objectif : faire de la France une locomotive en termes d'intelligence artificielle, tout en veillant à ne laisser personne de côté sur la route. Des discussions passionnantes qui ont soulevé, selon Marc Schoenauer, un besoin impérieux : «  Il y a une nécessité de transparence. Or, même si l'intelligence artificielle ne se limite pas à l' apprentissage profond, les récents progrès qui ont relancé l'IA depuis une dizaine d'années leur sont essentiellement dus. Mais ces systèmes profonds sont aujourd'hui totalement opaques : ils obtiennent des résultats remarquables, mais même les chercheurs fondamentaux ont parfois du mal à comprendre comment ils fonctionnent et ce qu'ils apprennent réellement. Cela pose des problèmes au niveau de l'éthique, pour ce qui est des biais ou de leur possible certification par exemple » .

Quelle IA pour la France et l'Europe de demain ?

Les pistes avancées pour dessiner une IA plus responsable sont de deux natures. La première est naturellement scientifique en concevant des systèmes moins biaisés et plus compréhensibles. La deuxième concerne selon Marc Schoenauer la régulation : «  On ne pourra jamais résoudre les problèmes éthiques qui se posent grâce aux seules avancées scientifiques. Il faut une régulation, comme cela existe d'ores et déjà sur les données d'ailleurs avec le Règlement général sur la protection des données (RGPD). Si on ne doit pas limiter l'intelligence artificielle à la science des données, les avancées récentes de l'IA autour de l'apprentissage profond sont grandement fondées sur les énormes quantités de données aujourd'hui disponibles dans de nombreux domaines. Le RGPD est donc une première couche de régulation intéressante mais d'autres projets de lois européennes concernant directement les systèmes d'IA sont en ce moment même à l'étude.  »

Quid du monde industriel ?

Marc Schoenauer

Directeur de recherche INRIA

@evomarc

Marc Schoenauer est directeur de recherche Inria depuis 2001. Ancien élève de l’Ecole Normale Supérieure, il a passé ensuite 20 ans comme chargé de recherche au CNRS, au Centre de Mathématiques Appliquées de l’Ecole Polytechnique, où il a également été enseignant à temps partiel. Il travaille depuis la fin des années 80 en Intelligence Artificielle, à la frontière entre optimisation stochastique et apprentissage automatique, et, en 2003, il a créé avec Michèle Sebag l’équipe-projet TAO (Thème Apprentissage et Optimisation), commune entre Inria, CNRS et Université Paris-Sud — aujourd’hui partenaires de l’Université Paris-Saclay. Il est co-auteur de plus d’une centaine d’articles, dirige ou a co-dirigé 35 doctorants et a été président de l’AFIA (Association Française pour l’Intelligence Artificielle) de 2002 à 2004.