« L’IA doit apporter une vraie valeur métier, pas seulement être ajoutée parce qu’elle existe »

Dans un secteur où la performance se joue à quelques points de production, l’entreprise mise sur un couplage étroit entre modèles physiques, optimisation numérique et intelligence artificielle.

Pour Timothée Perdrizet, COO de GreenWITS, l’IA ne vient pas remplacer l’ingénierie : elle doit l’augmenter. Machine learning pour réduire les temps de calcul, agents conversationnels pour faciliter l’usage et offrir de nouvelles fonctionnalités des logiciels métier, outils d’aide au développement pour accélérer la production logicielle… GreenWITS explore plusieurs niveaux d’intégration, avec une ligne directrice claire : identifier les cas où l’IA apporte une valeur industrielle réelle, sans céder à l’effet de mode.

Techniques de l’Ingénieur : GreenWITS est né d’IFP Energies nouvelles, avec un socle très fort en modélisation physique. Comment l’intelligence artificielle s’insère-t-elle dans cet héritage scientifique ?

Timothée Perdrizet : GreenWITS est effectivement issu d’un projet incubé au sein d’IFP Energies nouvelles à partir de 2022, avant la création de la société en juin 2023. Notre ADN repose sur des compétences très fortes en aérodynamique, dynamique des structures, calculs couplés, effets de sillage ou encore contrôle-commande. L’IA ne vient pas remplacer cette physique : elle vient plutôt l’accélérer, la compléter et rendre certains processus plus efficaces.

Dans nos métiers, la physique reste indispensable. Quand on parle de design de parcs, de chargements mécaniques ou de durée de vie des structures, nous avons besoin de modèles robustes, explicables, validables et auditables. L’IA intervient là où elle permet de réduire les temps de calcul, d’explorer plus rapidement des scénarios, d’assister l’utilisateur ou d’automatiser certaines tâches complexes.

Sur OptiWITS, votre solution d’optimisation de design de parcs éoliens, quelle est aujourd’hui la part réelle de l’IA ?

Il faut être précis : dans OptiWITS, les algorithmes d’optimisation du placement des turbines ne reposent pas aujourd’hui sur de l’IA générative. Ce sont des algorithmes d’optimisation numérique, développés spécifiquement pour cette problématique, avec des approches publiées et brevetées.

L’IA que nous introduisons dans OptiWITS concerne plutôt l’expérience utilisateur et l’automatisation de cas d’usage métier. Nous travaillons sur un agent conversationnel intégré au logiciel, capable d’aider les utilisateurs à manipuler des objets, analyser des schémas d’implantation, comparer des scénarios ou générer certaines opérations complexes sans passer par une interface dédiée ou par du scripting Python.

Par exemple, un utilisateur pourrait demander à l’agent de créer une zone à un kilomètre d’un polygone géographique, ou de générer une série de variantes de design avec certaines contraintes. Ce sont des usages difficiles à anticiper dans une interface classique, parce qu’ils demandent une certaine souplesse et parfois de la créativité. C’est là que les LLM peuvent apporter de la valeur.

Vous utilisez aussi du machine learning pour les sujets de performance, de monitoring structurel et de durée de vie. Quelle différence faites-vous avec l’IA générative ?

C’est une distinction importante. Aujourd’hui, beaucoup de gens assimilent l’IA à l’IA générative, mais dans nos métiers nous utilisons depuis longtemps des méthodes de machine learning, notamment pour la performance, le Structural Health Monitoring, la Lifetime Extension ou les calculs de durée de vie.

Un exemple très concret concerne les calculs de chargement sur une structure. Pour être exhaustif, il faudrait traiter une combinatoire environnementale très importante : conditions de vent, conditions de mer, paramètres mécaniques… Cela peut représenter des milliers, voire des dizaines de milliers de calculs.

Nous avons développé avec IFPEN des méthodes de plans d’expérience adaptatifs. À chaque itération, l’algorithme utilise des approches de type surface de réponse pour choisir les nouveaux points de calcul les plus pertinents. Résultat : on peut obtenir des résultats exploitables avec quelques centaines de calculs au lieu de plusieurs milliers. C’est un gain directement opérationnel.

Pourquoi ne pas basculer vers des approches purement data-driven ou du deep learning pur pour ces sujets de monitoring ?

Parce que les données terrain ne suffisent pas toujours et que ces approches nécessitent de grands volumes de données. Dans l’éolien, et en particulier dans l’éolien en mer, les données peuvent être bruitées, incomplètes, ou disponibles sur des séries temporelles trop courtes. Pour produire des indicateurs fiables de performance ou de durée de vie, il faut conserver un lien fort avec la physique. Un modèle physique permet aussi d’extrapoler au-delà du domaine d’apprentissage.

Notre approche consiste donc à combiner data science, modèles physiques et expertise métier. Cela permet de construire des indicateurs plus robustes et plus explicables. Pour un exploitant ou un propriétaire d’actifs, il ne suffit pas d’avoir un score fourni par une boîte noire : il faut comprendre ce qu’il signifie, comment il a été calculé et dans quelle mesure il peut être utilisé pour prendre une décision industrielle.

Vous évoquez aussi le wind farm control, notamment le wake steering. Jusqu’où peut aller l’IA dans le pilotage d’un parc éolien ?

Le principe du wake steering est de ne plus considérer chaque éolienne de manière isolée. Aujourd’hui, les turbines s’alignent individuellement face au vent. Or, lorsqu’une turbine est légèrement désalignée, elle modifie la direction du sillage derrière elle. En pilotant ce désalignement à l’échelle du parc, on peut réduire les pertes de sillage et augmenter la production globale. Sur certains parcs, les gains peuvent atteindre jusqu’à 3 % de production. C’est significatif à l’échelle d’un actif industriel. Aujourd’hui, cette technologie est encore en phase de qualification. Nous avons notamment un projet soutenu par l’Ademe, mais nous travaillons à réaliser des démonstrations sur site.

L’IA peut jouer un rôle dans l’optimisation et l’aide à la décision, mais nous restons prudents. Le contrôle autonome d’un parc soulève des questions de validation, de sûreté, de responsabilité et d’acceptabilité par les clients. Dans ce domaine, la supervision humaine et la qualification des modèles restent essentielles.

L’IA transforme-t-elle aussi vos processus internes, notamment le développement logiciel ?

Oui, très clairement. Tous nos ingénieurs et développeurs utilisent aujourd’hui des outils d’IA pour coder, relire, améliorer ou accélérer certaines tâches de développement. Cela permet des gains de productivité importants et contribue aussi à produire du code plus propre.

Cela dit, nous ne sommes pas dans une logique où 90 % du code serait généré automatiquement par l’IA. Le développeur reste indispensable pour garantir la cohérence, la maintenabilité et la maîtrise du code. Certains retours montrent d’ailleurs que l’IA peut parfois modifier trop de choses ou proposer des changements difficiles à contrôler. Il faut donc mettre des garde-fous.

Nous avons aussi testé des outils d’IA pour l’UX et le design de nos logiciels, notamment sur ScanWITS et OptiWITS. Pour une petite équipe comme la nôtre, qui n’a pas toujours des ressources UX internes, cela peut être un levier très puissant pour moderniser rapidement une interface ou générer des idées de conception.

Vous dites que l’IA devient presque incontournable. Est-ce une pression concurrentielle, une opportunité technologique, ou les deux ?

Les deux. Nous suivons ces technologies de très près depuis longtemps, notamment pour le développement logiciel. Mais entre ce que l’on pouvait faire il y a un an et ce que l’on peut faire aujourd’hui, le saut est énorme. Cette progression très rapide nous a convaincus qu’il fallait prendre ce virage.

Nous sommes dans un environnement concurrentiel. Nos concurrents et nos clients vont aussi intégrer l’IA dans leurs produits et leurs processus. Mais cela ne veut pas dire qu’il faut mettre de l’IA partout sans discernement. La vraie question est : où est la valeur ? Où l’IA apporte-t-elle quelque chose à nos équipes ? Où apporte-t-elle quelque chose à nos clients ?

Il y a aussi une dimension environnementale et économique. Utiliser le plus gros modèle disponible pour une tâche simple n’a pas forcément de sens. Certaines fonctions pourront être traitées par des modèles plus petits, moins coûteux et moins consommateurs d’énergie. C’est un sujet important pour nous.

La confidentialité et la souveraineté des données sont-elles des freins à l’intégration de l’IA dans vos produits ?

Ce sont des sujets majeurs. Nos clients manipulent des données sensibles : données de production, caractéristiques de parcs, informations industrielles confidentielles. Quand nous intégrons un agent IA dans un produit comme OptiWITS, nous devons donc prendre en compte la confidentialité dès la conception.

Plusieurs options existent : anonymisation des données, recours à des modèles hébergés en Europe, utilisation de modèles européens, ou hébergement de modèles open source sur des infrastructures européennes. Nous regardons notamment des modèles comme Mistral, mais aussi différentes solutions d’hébergement.

Notre preuve de concept sert aussi à tester la sensibilité de nos clients sur ces sujets pour définir les bonnes offres industrielles. Certains n’ont pas d’aversion particulière vis-à-vis des modèles américains, mais d’autres peuvent avoir des exigences plus fortes en matière de souveraineté. L’objectif est d’avoir une gradation de solutions techniques pour s’adapter à ces besoins.

À plus long terme, quelle rupture l’IA pourrait-elle introduire dans vos métiers ?

Nous pensons que l’IA va profondément transformer les processus métier de l’éolien. Demain, on peut imaginer plusieurs agents travaillant automatiquement sur différents scénarios de conception de parcs, les comparant, les critiquant, les améliorant. Cela pourrait accélérer considérablement les phases d’ingénierie et d’optimisation.

Mais il y aura toujours des limites. La physique, l’ingénierie et le jugement humain resteront centraux. L’IA peut accélérer, suggérer, automatiser, explorer. Mais lorsqu’il s’agit de valider un design, de garantir la durée de vie d’une structure, d’engager la production d’un actif industriel ou de contrôler un parc en opération, l’expertise humaine reste irremplaçable.

Pour GreenWITS, l’enjeu n’est donc pas de faire de l’IA un argument marketing. L’enjeu est de l’intégrer là où elle améliore réellement la performance, la productivité, la fiabilité et l’expérience utilisateur. C’est cette approche pragmatique qui guide aujourd’hui nos développements.

Propos recueillis par Pierre Thouverez