Data, intelligence artificielle : au service du développement durable ?

Les données sont le carburant de l'intelligence artificielle, des outils précieux pour faire croître la productivité et le chiffre d’affaires des entreprises… mais pas seulement ! Car, désormais, les organisations s’appuient dessus pour accélérer leur transition environnementale. Car, oui, l’IA peut rendre les entreprises durables ET rentables ! On vous raconte ?

header_IA_DATA
Data et IA pour plus de durabilité
Les données permettent de trouver le point de contact entre rentabilité et impact environnemental.

En 2015, l’Organisation des Nations unies (ONU) fixait 17 objectifs de développement durable à atteindre avant 2030, pour mieux « satisfaire les besoins des générations actuelles sans compromettre les besoins des générations futures ». Réduire la faim dans le monde, lutter contre le changement climatique, consommer et produire de manière responsable… Ces objectifs concernent bien sûr tout un chacun, mais ils adressent surtout un défi aux grandes organisations, parmi lesquelles les entreprises. Et c’est dans cette dynamique qu’est née, toujours sur l’égide des Nations unies, l'organisation AI for Good. Cette plateforme réunit chercheurs, associations et gouvernements atour d’un postulat : pour atteindre ces 17 objectifs fixés par l’ONU, l’intelligence artificielle (IA) est un atout-clé.

Mais alors, mettre l’intelligence artificielle mise au service d’un développement plus durable – mais toujours rentable – des entreprises, cela se traduit comment ?

Mesurer son empreinte carbone

Mesurer son empreinte carbone

Première utilisation vertueuse et économique des données, au sein d’une organisation : la mesure de sa consommation énergétique, afin d’activer un premier levier tangible de réduction de son empreinte carbone. « L’objectif, c’est de visualiser l'énergie consommée, mais aussi celle que l’on achète. Une fois que l’on a ces données, alors on peut passer à l'action », explique Benoît Lepetit, Directeur Data & Analytics chez Saint-Gobain. Une action, très concrète, qui passe par exemple chez Saint-Gobain par des objectifs quantifiés de réduction de CO2 assignés à chaque usine du Groupe.

La data sert cette ambition. Soit parce qu’elle permet l’analyse des données passées, soit parce qu’elle « nourrit » un système de gestion prédictif qui permet d’agir sur la régulation de la température et/ou de l'éclairage des sites, en fonction du moment de la journée, mais aussi d’identifier d’éventuelles fuites d'énergie…

Les entreprises qui mettent en place cette gestion de leur consommation d’énergie lié à l’analyse des données font toutes le même constat : une réduction de leurs dépenses d'électricité. Une réduction qui a même été chiffrée à environ 20 % dans un living-lab bardé de capteurs et autres objets connectés, aux États-Unis.

Des stratégies d’économie d’énergie qui peuvent s’appliquer aux différentes machines sur un site de production industrielle. Ainsi, chez Placo, une filiale du Groupe Saint-Gobain, lors de la fabrication des plaques de plâtre, l'étape du séchage requiert beaucoup d'énergie afin que la combustion du gaz chauffe la plaque. Mais des capteurs et une analyse fine des données, en temps réel ont permis d’intervenir : « Cette combustion être pilotée de manière précise grâce à un algorithme qui permet d'adapter l’intensité des sécheurs grâce à des capteurs sur la consommation de gaz », détaille Benoît Lepetit. Un processus, actuellement en test sur une dizaine de sites au sein du Groupe, qui pourrait permettre une réduction significative de la consommation de CO2 de chaque ligne de production.

 

Gérer finement l’utilisation des matières premières

L’utilisation intelligente des données est aussi un moyen utile pour atteindre le « découplage ». Le quoi ? Le « découplage » consiste à dissocier l'utilisation de ressources (naturelles, non renouvelables) et de sources d’énergie de la performance économique d’une organisation ou d’un secteur d’activité. Par exemple, l'intelligence artificielle appliquée au secteur de l'agriculture peut aider à mieux surveiller les rendements des cultures et donc réduire l'utilisation de produits chimiques, rationaliser la consommation d'eau et diminuer le gaspillage alimentaire en anticipant les demandes et en identifiant les produits périmés.

 

Concevoir des produits durables

Une fois la gestion des ressources rationalisée, il s’agit tout de même pour les entreprises de parvenir à concevoir des produits et solutions intrinsèquement durables. Et là aussi data et intelligence artificielle se révèlent de précieuses alliées, notamment pour prendre en compte l'ensemble de la chaîne de valeur et avoir un œil sur certains angles morts… « Par exemple, si je veux que le transport me coûte moins cher et que je décide en conséquence de fabriquer des produits plus légers, leur durée de vie pourrait être impactée. Dans ce cas, ma démarche initiale est contre-productive car le volume de production dépassera le gain en carbone obtenu avec un produit plus léger », explique Benoît Lepetit.

Et c’est là qu’intervient l’analyse des données. Elle permet de visualiser l’ensemble du cycle de vie du produit avant même qu’il n’ait été produit et donc de comprendre et anticiper les conséquences de certaines décisions (comme, dans notre exemple, la réduction du poids), jusqu’à sa fin de vie et/ou son recyclage.

 

S'associer aux bons élèves

Concevoir des produits et solutions vertueux, c’est bien. S’associer aux producteurs, partenaires et prestataires les plus « durables », c’est mieux.

Et pour y parvenir, les organisations peuvent s’appuyer sur le machine learning et des logiciels spécifiques qui permettent d’identifier les partenaires bons élèves sur ls plans sociaux et environnementaux, ceux qui pourront contribuer à une meilleure recyclabilité des produits de l’entreprise, de réaliser des investissements durables ou encore de monitorer la performance environnementale de l’ensemble de la supply chain, tout au long de la collaboration.

Ce que confirme Accenture, dans son étude « Supply chain analytics and AI in driving relevance, resilience and responsibility », affirmant que la collecte et l’analyse de vaste volumes de données peuvent améliorer globalement la supply chain. Plus précisément, le cabinet de conseil affirme que cet apport de la data, dans l’ensemble des interactions entre l’entreprise, ses fournisseurs et ses clients, facilite la réduction des émissions de CO2 et de consommation d'énergie en permettant une meilleure réactivité et une meilleure interactivité de l'ensemble de la chaîne de valeur. N’en jetez plus.

 

A LIRE AUSSI : LES 7 PILIERS D’UNE SUPPLY CHAIN EFFICACE

 

Transporter… plus intelligemment

Évidemment, au cœur de la vie de l’entreprise, les transports sont un enjeu important dès lors qu’on essaie de gagner en durabilité : le secteur représentait d’ailleurs 25 % des émissions de CO2 dans le monde en 2018, selon l'Agence Internationale de l'Énergie. En cause : la combustion d’énergies fossiles. Là aussi, l'intelligence artificielle a son rôle à jouer, en permettant des prévisions de trafic plus précises et l'optimisation du trajet d’un transport de marchandises en fonction du volume transporté et des sites de livraison prévus sur la rotation.

« Saint-Gobain compte de très nombreux fournisseurs à travers le monde, cela multiplie les trajets possibles », atteste Benoît Lepetit qui cite en exemple Greennav, un projet expérimental de GPS, encore en cours de développement, qui à terme devrait permettre de proposer l'itinéraire le moins gourmand en carburant, en temps réel, en fonction de son véhicule et pourquoi pas, demain, de sa charge.

De son côté, le géant Google a déjà ajouté à son outil « Maps » la recommandation de l’itinéraire le plus « durable » pour chaque trajet. Une fonctionnalité disponible uniquement aux États-Unis, pour le moment. Pour Sundar Pichai, Directeur Général Google, cette initiative permettrait d'économiser 1 million de tonnes de dioxyde de carbone par an, soit l'équivalent du retrait de 200 000 voitures de la circulation. Le transport intelligent grâce à la data

 

A LIRE AUSSI : TRANSPORT DES MATÉRIAUX : EN ROUTE VERS LE DURABLE

 

Mieux gérer ses déchets

Fabriqués, transportés, utilisés… Dans le cycle de vie d’un produit survient alors le sujet hautement sensible des déchets. Ceux qu'on produit, ceux qu'on voudrait éviter de produire et ceux qui sont, heureusement, recyclés et réutilisés. Selon Benoît Lepetit, « le risque du processus industriel, c’est de produire un déchet que je ne pourrai pas réutiliser ». Et justement, le machine learning, nourri par les données et « outillé » de bras robotisé, permet par exemple d’effectuer une reconnaissance visuelle sur une chaîne de déchets pour identifier les éléments reyclables, déduire leur volume avant de les prélever directement*.

Chez Saint-Gobain, grâce au récent rachat de Chryso, spécialiste de chimie de la construction, certains déchets peuvent désormais être réutilisés pour produire un ciment « vert » grâce à l'utilisation d’additifs innovants. Mais quel rapport avec l’intelligence artificielle et les données ? La surveillance en temps réel de la réaction du produit, pour le rendre le plus efficace possible, comme les capteurs Maturix proposés par Chryso : insérés dans ce béton bas carbone, ils mesurent sa température et identifient le moment idéal pour le décoffrer.

 

A ECOUTER AUSSI : DÉCHETS DE LA CONSTRUCTION : POURQUOI NE RECYCLE-T-ON TOUJOURS PAS ?

 

Privilégier l'accessibilité & la gouvernance des données

Si les données permettent de trouver le point de contact entre rentabilité et impact environnemental, elles ne sont pas forcément facilement accessibles à tous.

« C’est pour cette raison qu’une politique de recueil, d’agrégation et de mise à disposition des données doit être mise en place au sein de l’entreprise », assure Benoît Lepetit. Autre frein à l'utilisation de l'intelligence artificielle : la gouvernance. Les données ne sont fiables que si elles sont traçables grâce au contexte de la saisie (où, quand et comment ces chiffres ont été récoltés). Et enfin, dernier enjeu mais non des moindres : être capable de rendre compréhensibles ces chiffres. « Nous autres, êtres humains, devons réussir à faire le lien entre ces chiffres et leur vérité, ce qu'ils veulent dire », prévient Benoît Lepetit.

Un vrai sujet, car l'intelligence artificielle nous permet d'envisager beaucoup plus d'options que le seul cerveau humain. « L'IA est capable de trouver des solutions qui répondent aux réalités physiques, aux exigences des parties prenantes et aux objectifs de durabilité tout en respectant les contraintes financières des projets », se réjouissait d’ailleurs Janne Liuttu, Chief Data Scientist chez le constructeur norvégien Rambøll, lors d'une interview au magazine Hyperight.

Même si Benoît Lepetit nous le rappelle : les données ne sont pas et ne doivent pas constituer l’unique moyen de tendre vers une planète propre. « Le challenge est tellement grand qu'il ne faudrait pas passer à côté d’autres outils, sous prétexte de fascination technologique. Nous devons donc continuer à avancer sur ce sujet, tout en optimisant nos connaissances et nos chances pour y parvenir ».

 

* How Machine Learning and Robotics are Solving the Plastic Sorting Crisis / Plug and Play

 

Crédits photos : Bigone/Shutterstock et NicoElNino / Shutterstock 

Les 7 piliers d’une supply chain efficace

Transport des matériaux : en route vers le durable