- Bennis Noufissa
Intelligence Artificielle et Industrie Pétrolière
Dernière mise à jour : 28 mars
Le pétrole reste encore aujourd’hui l’une des ressources les plus prisées du secteur de l’énergie. Cependant, les préoccupations environnementales étant de plus en plus persistantes, les sociétés recherchent activement de nouvelles approches innovantes leur permettant de réduire leur impact sur l’environnement tout en optimisant les profits. De plus, depuis les crash des prix du pétrole de 2014 les compagnies d’énergies, et notamment pétrolières, ont été forcées de réduire leurs dépenses et se tournent donc de plus en plus vers les nouvelles technologies.
L’industrie pétrolière a donc considérablement changé et rapidement évolué ces dernières années avec notamment l’intégration de l’intelligence artificielle afin de relever les défis imposés par la nouvelle ère du numérique.
L’intelligence artificielle s’impose donc progressivement dans l’industrie, bien que tardivement comparée à d’autres secteurs, comme un outil essentiel et nécessaire afin d’assurer l’avenir de la filière. Les grands groupes pétroliers ont d’ores et déjà pris les devants et rivalisent d’ingéniosité pour exploiter au mieux cette nouvelle technologie. Les différents chercheurs s’accordent en effet à dire que sa mise en œuvre permettrait, à long terme, de considérablement améliorer l’efficacité de diverses opérations, allant de la recherche à la production ou encore à la commercialisation. Les investissements sont donc de plus en plus nombreux et de plus en plus importants, permettant ainsi aux différentes équipes d’ingénieurs de développer des outils toujours plus innovants et qui pourraient bénéficier au secteur industriel tout entier.
Nous pouvons dès lors nous interroger sur l’étendue de l’application de l’intelligence artificielle à l’industrie pétrolière, ses utilisations actuelles ainsi que ses perspectives d’évolutions.
Dans une première partie nous étudierons l’application de l’intelligence artificielle aux différents volets de l’industrie à travers les diverses utilisations et leurs objectifs ainsi que les innovations majeures déployées par certains grands groupes du secteur. Puis, dans une seconde partie, nous nous intéresserons au futur de l’intelligence artificielle, aux défis auxquels doit répondre cette technologie, en nous intéressant notamment aux problématiques environnementales.
Une technologie applicable sur différents volets
Les différentes utilisations possibles et objectifs de l’Intelligence Artificielle au sein de l’industrie
L’intelligence artificielle, bien qu’arrivée tardivement dans l’industrie pétrolière, se montre de plus en plus efficace notamment en apportant de meilleures réponses à certains problèmes que des outils plus classiques n’étaient pas en mesure de traiter de façon aussi efficace et aussi rapide. Ainsi, les différentes technologies sont utilisées à des fins différentes et poursuivent des objectifs tout aussi divers.
On dénombre deux utilisations majeures de l’Intelligence Artificielle au sein de l’industrie: data science et machine Learning. Ces technologies permettent aux différentes entreprises d’examiner les différentes composantes des opérations de façon plus efficace et de donner des solutions et alternatives plus performantes que des opérateurs humains, ou bien même des technologies plus classiques, n’auraient pas été capables de mettre en lumière.
Les géants de l’industrie utilisent notamment l’intelligence artificielle pour le forage. Le but est ici d’avoir une précision maximale et optimale en collectant de multiples données comme la pression, la température, l’activité sismique de la zone en temps réel, etc. L’intelligence artificielle permet aussi de mieux maîtriser le taux de pénétration, la vitesse d’avancement du forage optimisant ainsi considérablement cette étape essentielle. Un des autres objectifs liés au forage est bien entendu de prévoir tout incident possible en identifiant les divers risques liés à l’activité en sous-sol, diminuant ainsi nettement les coûts de forage.
Ensuite, les entreprises cherchent également à optimiser au mieux leur production pétrolière en la rendant plus efficace pour maximiser les profits. Cet objectif peut-être réalisé à l’aide de l’intelligence artificielle et de sa capacité d’analyse. En effet, les systèmes d’intelligence artificielle peuvent développer des modèles d’estimation et de prévision grâce aux différentes données collectées via les technologies énoncées au cours de la précédente partie. Les zones d’inefficacité étant écartées, cela permet aux entrepreneurs de développer des stratégies plus ciblées et donc rentables.
L’intelligence artificielle dans l’industrie pétrolière peut aussi aider en termes de contrôle et d’inspection. Ainsi les systèmes vont identifier les anomalies via un logiciel de reconnaissance ayant préalablement assimilé des données et rapports de problèmes antérieurs. Les entreprises peuvent également utiliser des drones équipés d’intelligence artificielle qui patrouillent sur les différents sites pétroliers et le long des oléoducs (pipeline) pour détecter des fissures, brèches ou fuites, détectables une fois encore grâce aux données préalablement assimilées. Ainsi, le contrôle et le suivi peuvent se faire sans interruption et sans mettre en danger les agents et techniciens qui, anciennement se déplaçaient sur le terrain et étaient donc exposés à divers risques potentiellement mortels. L’intégration de l’intelligence artificielle dans le secteur Page 4 sur 14 pétrolier peut donc sauver des vies et améliorer ainsi les conditions de travail en réduisant fortement les risques d’exposition à des situations dangereuses voire mortelles propres à l’industrie telles que les fuites de gaz toxiques.
On peut également intégrer cette technologie au niveau des stations d’essence, lieux à hauts risques, en installant des caméras capables de détecter des cigarettes allumées, des sorties de fumées, etc pour prévenir des accidents graves. Ces caméras doivent alors être en mesure de réagir à l’identification d’un risque en prévenant le personnel présent sur la station de l’éventuel risque ou bien, dans le cas où un incendie aurait déjà débuté, de prévenir les secours.
L’intelligence artificielle poursuit donc là un but de sécurisation des différents lieux d’activité.
Comme nous avons pu le voir, l’intelligence artificielle peut être exploitée sur différentes phases de production mais il ne s’agit pas là de la seule étape impactée par l’intégration de cette technologie. De fait, l’intelligence artificielle possède également une importance cruciale en termes de commercialisation. Les compagnies pétrolières développent des chatbots dotés d’intelligence artificielle leur accordant donc des capacités de traitement du langage naturel. Ces chatbots peuvent alors interagir avec les clients et les aider à trouver les produits qu’ils recherchent en analysant les mots- clés pour sélectionner un catalogue relativement précis de produits préalablement enregistrés dans une base de données. Cette amélioration considérable du service client vise bien entendu à maximiser les profits. En enregistrant les données, les robots intelligents peuvent également par la suite proposer des produits similaires ou bien en lien avec les précédentes demandes influençant ainsi les acheteurs.
Les possibilités d’utilisation de l’intelligence artificielle au sein de l’industrie pétrolière sont donc très vastes et touchent des étapes très diverses allant des processus de production à ceux de commercialisation. Les géants du secteur ayant bien saisi tout l’enjeu de l’intégration de cette technologie, ils rivalisent d’ingéniosité pour être les pionniers dans ce secteur et maximiser leur efficacité ainsi que leur rendement.
Les innovations au sein des grands groupes
Robots intelligents: l’exemple du Robot Argos du groupe pétrolier Total
En décembre 2013, le groupe Total a lancé une compétition internationale, le Challenge ARGOS (Autonomous Robot for Gas & Oil Sites), conduite en partenariat avec l’Agence Nationale de la Recherche et destinée à concevoir et construire en open innovation un robot autonome de surface destiné aux sites pétroliers et gaziers. Cette compétition se justifie par le fait que jusque-là aucun robot ne répondait aux besoins spécifiques du groupe pétrolier, à savoir opérer de manière autonome sur les différentes installations à des fins d’inspection ou de gestion de situations d’urgence. Total est, grâce à cette initiative, devenu e leader dans le développement et l’utilisation de la robotique terrestre autonome, et donc de l’intelligence artificielle, au sein de l’industrie pétrolière.
D’après le site officiel du groupe Total, grâce à son intelligence artificielle, le Robot Argos doit non seulement lire et enregistrer les valeurs des différents instruments, mais aussi être capable d'analyser toute incohérence et gérer de manière autonome des situations inattendues. Il doit être en mesure de détecter si les valeurs lues sont dans une plage de fonctionnement normale ou non, si le terrain correspond à la carte graphique 3D du site, et ce en prenant en compte la norme ATEX (atmosphère potentiellement explosive), c'est-à-dire être en mesurer opérer en toute sécurité dans des environnements potentiellement dangereux et explosifs. La sécurité était une exigence essentielle de la compétition. Le robot doit de fait servir à rendre les opérations plus sûres en réduisant l’exposition du personnel à des situations à hauts risques.
La compétition a par ailleurs été remportée par la start-up autrichienne Taurob Gmbh et le groupe de recherche SIM de l’Université Technique de Darmstadt en Allemagne. Voici le profil technique de leur robot nommé ARGNONAUTS :
Ce robot permet de mener des missions d’inspection à distance dans des atmosphères dangereuses et ce en totale autonomie ou en téléopération.
Data Science : Exemple du groupe pétrolier Repsol
Repsol et Google Cloud ont eux annoncé en Juin 2018 un projet d'optimisation en des performances et de l’efficacité de la raffinerie Tarragona située en Espagne, sur le côté Est du pays près de Barcelone, à l’aide du big data et de l'intelligence artificielle.
Cette initiative utilisera la dernière génération de technologie numérique de Google Cloud comme outil pour les travailleurs des raffineries. L’objectif est ici de maximiser l’efficacité tant en termes de consommation d'énergie que de consommation d’autres ressources, et d'améliorer les performances sur l’ensemble des opérations de la raffinerie. Ainsi Google Cloud mettra à la Page 6 sur 14 disposition de Repsol sa puissance de calcul, l'expérience de ses équipes ainsi que son outil d'apprentissage machine Cloud ML Engine, qui utilisera l'algorithme d'intelligence artificielle TensorFlow.

Les technologies du géant du numérique Google serviront à analyser des centaines de variables qui mesurent notamment la pression, la température, les flux ou encore les taux de traitement de la raffinerie. Le groupe espagnol Repsol espère grâce à ce projet augmenter ses marges de 30 cents (USD) par baril, ce qui sur le long terme pourrait revenir à un gain de 20 millions USD par an pour la raffinerie de Tarragona à elle seule. Repsol affirme que l’intégration de l’intelligence artificielle au sein de ses raffineries permettrait sur le long terme d’augmenter ses revenus annuels de 100 millions USD. Le groupe prévoit, si cela est un succès, de déployer cette technologie dans cinq autres de ses raffineries.
Néanmoins ce projet doit relever un défi de taille puisque jusqu’à maintenant, le plus grand nombre de fonctions digitalement intégrées dans une installation industrielle n’excède pas trente variables tandis que la gestion d’une raffinerie en impliquent à peu près 400. Un haut niveau de capacité de calcul est alors requis ainsi qu’une grande précision dans le contrôle des données. Il s’agit donc là d’un challenge sans précédent dans l’industrie pétrolière.
Chatbots: La Royal Dutch Shell et son assistant virtuel
En Août 2015 le groupe Shell a annoncé être le premier groupe du milieu pétrolier à lancer Page 7 sur 14 un assistant virtuel doté d’intelligence artificielle pour ses clients. Prenons l’exemple d’un client à la recherche de lubrifiants; celui-ci doit classiquement naviguer à travers une large base de données des différents produits afin de trouver le produit désiré ce qui peut l’amener à passer des heures sur le site voire à se perdre dessus. L’assistant virtuel proposé par Shell, composé de deux avatars nommés Emma et Ethan, a pour but de guider les clients et les aider à trouver le produit recherché et ce en utilisant un langage naturel. La compagnie a déclaré que son assistant virtuel gère plus de 100 000 fiches techniques pour 3 000 produits différents, fournit des informations sur 18 000 tailles d’emballages différentes, comprend 16 500 caractéristiques physiques de lubrifiants, et compare les produits vendus par Shell à plus de 10 000 produits de compagnies concurrentes.
Cet assistant virtuel n’est cependant pour l’instant disponible qu’aux États-Unis et au Royaume-Uni.

Le future de l’IA au sein de l’industrie: une révolution qui doit répondre à d’importants défis
Les perspectives de développement
L’introduction de l’intelligence artificielle au sein de l’industrie pétrolière sonne donc le début d’une nouvelle ère à la fois pour les industriels et les consommateurs. Cette technologie, qui montre des résultats très positifs, pourrait à long terme réduire les coûts totaux de 10 à 20%, estime l’Agence internationale de l’Énergie. Néanmoins l’industrie doit développer davantage les différentes utilisations possibles de l’intelligence artificielle. En effet les grands groupes pétroliers investissent principalement l’analyse de données avec des supercalculateurs mais ils n’exploitent qu’une fraction des données qu’ils collectent. Ainsi, avec les techniques traditionnelles, 60 à 80% du pétrole d’un puit reste sous terre, alors qu’avec une application plus consciencieuse de ces technologies ce chiffre pourrait être réduit à 30%, estime une équipe de chercheur dans un rapport publié dans la revue scientifique « Philosophical Transactions of the Royal Society ».
Il y a donc là pour l’industrie pétrolière un grand défi à relever en termes de développement et d’efficacité des technologies relatives à l’Intelligence artificielle. Les industriels doivent donc investir massivement dans ce secteur mais peu sont prêts à le faire pour le moment et ils n’accordent principalement qu’une faible, voire infime, partie de leur budget à la recherche.
Un autre défi à relever est celui des sources d’énergie à bas carbone que les technologies utilisant l’intelligence artificielle permettent de développer de plus en plus.

Les performances des éoliennes ou des panneaux solaires ont considérablement augmenté et cela a même permis de porter le coût moyen des énergies renouvelables en dessous de celui des énergies carbonées. Néanmoins, si l’industrie pétrolière prédomine encore c’est principalement dû au fait de l’incertitude liée aux énergies vertes. En effet, les sources d’énergie renouvelables induisent un surcoût lié au fait qu’elles ne fournissent pas d’énergie au moment où les consommateurs en ont besoin. L’intelligence artificielle doit donc être développée pour permettre d’anticiper au mieux les besoins et les pics de production. Dans ce cas de figure, l’intelligence artificielle et son développement représentent une sorte de danger pour l’industrie pétrolière car en améliorant les performances des énergies vertes celle-ci offre des alternatives de plus en plus nombreuses et efficaces à celles proposées par l’industrie.
Un autre défi important est lié à l’internet des objets (Internet of things/ IoT). Ce terme désigne l’interconnexion entre le réseau internet et des objets ou lieux, environnements physiques. On peut prendre l’exemple de l’entreprise WellAware, spécialisée dans l’Internet des objets industriel et aide les sociétés pétrolières et gazières, ainsi que les fournisseurs de services du domaine à réduire leurs dépenses opérationnelles et leur temps d’arrêt. WellAware aide également à garantir la conformité de ces sociétés à la sécurité et à la réglementation, en leur fournissant des outils de collecte de données fiables, de surveillance basée sur les exceptions et d’analyse exploitable.
Il y a donc de nombreux volets de l’industrie qui peuvent être développés par l’intelligence artificielle et ce en respectant d’une part les exigences matérielles de l’industrie mais également les exigences gouvernementales et les normes imposées. Le potentiel de développement est donc comme nous l’avons vu considérable mais freiné par de nombreux facteurs, notamment l’importance donnée à l’investissement dans la recherche. Cependant un défi majeur lié à l’industrie demeure: celui de la protection environnementale.
Problématiques environnementales
L’industrie pétrolière est une des plus polluantes et a un impact environnemental considérable avec de fortes productions de gaz à effet de serre et d’autres polluants atmosphériques comme les oxydes d’azote, le dioxyde de soufre ou encore les métaux lourds. L’intelligence artificielle possède un impact double sur ce volet de l’industrie. D’un côté celle-ci peut contribuer à augmenter cet impact environnemental mais d’un autre elle peut aussi aider à le réduire, tout dépend donc de son utilisation.
Un récent rapport d’octobre 2018 de la « Intelligent Transportation Society of America » a déclaré que l’intelligence artificielle rendant les voitures autonomes possibles, permet également la réduction de 2 à 4% dans la consommation de carburant et donc dans l’émission de gaz à effet de serre par an. L’intelligence artificielle n’est donc pas toujours profitable à l’industrie pétrolière, elle peut permettre de réduire les émissions de carbone certes mais utilisée de cette façon elle représente un réel danger pour l’industrie. De plus, l’intelligence artificielle est activement utilisée dans la recherche d’énergies alternatives au pétrole et montre des résultats de plus en plus satisfaisants mettant ainsi toujours plus en péril l’industrie de cette ressource pourtant déjà fossile d’elle-même.
Néanmoins, de nos jours les techniques utilisées par les grands groupes pétroliers énoncés en première partie ne font qu’augmenter les émissions de carbone. En effet les grandes entreprises d’intelligence artificielle commercialisent de manière active leurs services à forte densité de carbone et qui permettent également d’optimiser et d’accélérer la production de pétrole et l’extraction des ressources. On peut prendre l’exemple d’Amazon qui attire les grands groupes de l’industrie pétrolière avec des programmes aux intitulés attrayants tel que « Predicting the Next Oil Fields in Seconds with Machine Learning » ou encore de Microsoft qui tient « Empowering Oil and Gas with AI ». Le problème de cette technologie est son impact environnemental car les ordinateurs utilisés pour les mettre en œuvre ainsi que les lieux de stockage de données demandent eux-mêmes des quantités considérables et non négligeables d’énergie. L’introduction de l’intelligence artificielle au sein de l’industrie pétrolière pourrait alors résulter à un véritable désastre écologique. Les initiatives qui visent à réduire les émissions de gaz à effet de serre de la part des grands groupes pétroliers sont trop peu nombreuses et aucune de grande envergure n’est connue à ce jour.
On peut néanmoins évoquer le PEMS (portable emissions measurement system), un système de mesure des émissions embarqué sur un véhicule et qui analyse tout le flux des gaz d’échappement. Un boîtier, relié au tube d’échappement et comportant trois capteurs, est placé sur une plate-forme fixée sur l’attelage du véhicule à tester pour permettre l’analyse des flux. Ce dispositif est complété par: une sonde atmosphérique enregistrant la température et l’hygrométrie de l’air, une sonde fixée sur la roue arrière enregistrant l’accélération et la vitesse du véhicule et une balise GPS positionnant le véhicule. Ce système permet donc de calculer les émissions des véhicules en circulation réelle et a pour objectif de répondre aux nouvelles normes environnementales notamment celles imposées par l’Union Européenne. Les données sont transférées à la fois à l’organisation régionale mais également aux constructeurs automobiles et peuvent engendrer des pénalités dès lors que la pollution automobile constatée est trop élevée. L’utilisation de l’intelligence artificielle ici a donc un impact indirect sur l’industrie pétrolière puisque le dispositif PEMS va forcer les constructeurs automobiles à innover pour trouver des systèmes permettant de toujours réduire la consommation de carburant.

Une autre initiative d’intégration de l’intelligence artificielle au service de l’environnement dans l’industrie pétrolière se trouve dans le Wyoming où de vastes étendues sont utilisées aujourd’hui par de grands groupes désireux d’exploiter les ressources de la région, celle-ci étant riche en gaz naturel notamment. Dans cet État sont développées de nouvelles technologies comme celle du Natural Language Processing (traitement du langage naturel) pour répondre aux exigences environnementales du National Protection Act, et ce grâce à des algorithmes entraînés pour traiter et extraire des informations en lien avec ces ressources naturelles.
Cette technologie permettrait aux autorités étatiques mais également aux industriels de déterminer si un projet représente ou non une menace pour la faune, l’eau, le climat et ainsi prévoir au mieux les équipements à utiliser. Les systèmes d’intelligence artificielle vont alors combiner les données des sites web du gouvernement et plus particulièrement les textes en lien avec les normes de protections environnementales, avec les données du matériel utilisé par les entreprises pétrolières, pour vérifier leur conformité. L’intelligence artificielle aurait donc un rôle régulateur, elle permettrait de guider les choix des deux côtés et créer ainsi un consensus.
Néanmoins ce genre d’utilisation n’en est qu’à ses prémisses et est encore difficile à mettre en œuvre souligne Evan Patrick, chercheur et analyste au sein du projet d’utilisation du traitement du langage naturel dans la région du Wyoming. Cela nécessite des semaines de saisie de données pour former des algorithmes en plus de compétences de haut niveau en mathématiques et traitement de données que l’État ne possède pas encore ni les groupes pétroliers par ailleurs, explique-t-il. Il souligne aussi que les industriels se concentrent uniquement sur le rendement immédiat et n’ont pas la patience de développer des systèmes d’intelligence artificielle qui, sur le long terme, leur seraient beaucoup plus avantageux et productifs.
Il résulte de ce dossier que l’intelligence artificielle est de plus en plus exploitée et intégrée au sein de l’industrie pétrolière et que celle-ci y joue différents rôles. D’un côté elle permet d’améliorer considérablement les performances des grands groupes en optimisant par exemple le forage pétrolier, la production à l’aide d’outils d’analyses et de prédictions de plus en plus précis, la recherche de nouveaux puits de pétrole mais aussi en termes de commercialisation des produits fabriqués. Les grandes entreprises de l’industrie rivalisent alors d’ingéniosité, organisent des concours ou des séminaires, et ce pour sensibiliser à l’introduction de l’intelligence artificielle mais également dans l’optique d’un rendement croissant.
Cependant, des limites demeurent, notamment du fait des normes gouvernementales imposées aux différents groupes, mais aussi de par la taille du défi environnemental.
Ainsi l’intelligence artificielle présente le double aspect d’aide à l’industrie par la proposition de solutions toujours plus innovantes, et de concurrence à ce même système par le développement d’énergies dites vertes. La marge de développement de l’intelligence artificielle au sein de ce secteur est donc importante, et sonne le début d’une nouvelle ère pour l’industrie pétrolière.
Bibliographie
• AI in oil and gas - Extracting collective value by humanising data Mike Miler, Mark Coleman, Maureen Higgins
• https://www.offshore-technology.com/features/application-of-artificial-intelligence- inoil-and-gas-industry/
• Artificial Intelligence Opportunities for Environmental Protection Dayanch Hojageldiyev • https://www.rtbf.be/info/societe/detail_l-issep-de-colfontaine-un-labo-ultraperformant-pour-mesurer-reellement-la-pollution-automobile?id=10198937
• AI andClimateChange: How they’re connected, and what we can do about it Ai Now Institute - Roel Dobbe
• https://www.allerin.com/blog/ai-is-transforming-the-oil-and-gas-industry-heres- how
• The Incredible way Shell uses AI to help transform oil and gas giant Forbes - Bernard Marr
• http://argos.ep.total.com/fr/
• h t t p s : / / w w w . r e p s o l . c o m / i m a g e n e s / g l o b a l / e n / repsol_google_cloud_ing_tcm14-132376.pdf
• Recovery rates, enhances oil recovery and technological limits Philos Trans A Math Phys Eng Sci - Ann Muggerridge, Andrew Cockin, Kevin Webb, Ian Collins
• https://www.shell.com/business-customers/lubricants-for-business/news-andmedia-releases/2018/shell-launches-ai-chatbot.html
• Comment l’intelligence artificielle augmentée va changer l’industrie La Tribune - Vincent Champain
• https://medium.com/the-fourth-wave/ai-has-its-sights-set-on-americas-oil-and- gasfields-44c08f174e57
• https://www.connaissancedesenergies.org/fiche-pedagogique/industrie-du-petrole
• Oil and Gas Companies Turn to Ai to cut costs The Wall Street Journal - Neanda Salvaterr