Tout amateur de romans policiers sait qu’en plus de porter attention aux indices et aux preuves, les meilleurs détectives du genre travaillent aussi sans relâche pour découvrir des détails subtils et des liens qui ne sont pas forcément évidents. Alors que les entreprises du monde entier se précipitent pour atteindre leurs objectifs de zéro émission nette, identifier la voie optimale vers des réductions suffisantes de la production de carbone nécessitera un niveau d’investigation sans précédent.
Bien que l’IA soit encore une technologie relativement récente, les entreprises l’adoptent déjà comme un détective de décarbonation incroyablement perspicace pour aider à dénicher des indices cachés afin de trouver des pratiques commerciales durables. La rapidité avec laquelle l’IA peut analyser d’énormes quantités de données, détecter rapidement des schémas et suggérer des solutions la rend particulièrement adaptée à cette tâche. En fait, certains experts croient qu’aucune entreprise n’atteindra ses objectifs de neutralité carbone sans elle.
Selon un rapport de Google et Boston Consulting Group, l’IA pourrait aider à réduire jusqu’à 10% des émissions mondiales de gaz à effet de serre d’ici 2030, ce qui équivaut aux émissions annuelles totales de l’Union européenne.
Des efforts incroyables en IA sont déjà en cours dans plusieurs secteurs clés qui Raise soutiens. Chaque jour, nous voyons des exemples passionnants d’entreprises qui exploitent la puissance de l’IA pour aider à atteindre des objectifs d’émissions nettes zéro. Voici un petit exemple d’illustrations encourageantes provenant des secteurs de l’énergie, du pétrole et du gaz, ainsi que de la fabrication, ainsi qu’une perspective sur la façon dont ces efforts font évoluer les tendances des talents dans chaque secteur.
Raise Focus : secteur de l’énergie et de l’énergie
Climate Change AI, une organisation composée de bénévoles issus du milieu universitaire et de l’industrie qui mène la création d’un mouvement mondial sur le changement climatique, considère les systèmes électriques comme un influenceur clé sur le changement climatique, mûr pour les pouvoirs d’enquête de l’IA et de l’apprentissage automatique.
Le réseau électrique évolue rapidement, passant de la direction de l’énergie des centrales centrales à la gestion des flux d’électricité multidirectionnels entre les générateurs, le réseau et les utilisateurs. L’IA et l’apprentissage automatique joueront un rôle central pour extraire de la valeur des milliards de points de données générés.
Selon l’Association internationale de l’énergie, l’une des utilisations les plus courantes de l’IA dans le secteur de l’énergie à ce jour a été la prédiction de l’offre et de la demande. En raison de la variabilité des météos, les sources d’énergie propre comme l’éolien et le solaire peuvent être beaucoup plus difficiles à prévoir, mais il existe une mine de données qui peuvent fournir des indices précieux. La flotte mondiale d’éoliennes, par exemple, est estimée à produire plus de 400 milliards de points de données chaque année!
Une compétence cruciale requise pour gérer toutes ces données est la maîtrise des langages de programmation. Python, Java, R et C++ sont quelques-uns des langages les plus fréquemment utilisés en IA. L’expertise sur les plateformes Big Data, comme Hadoop, Pig, Hive, Spark et MapReduce, est également essentielle. En plus de ces compétences techniques en IA, il existe toutefois des compétences clés non techniques qui seront essentielles pour ceux qui travaillent sur des projets d’énergie propre propulsés par l’IA. S’assurer que les équipes disposent de membres créatifs pour résoudre des problèmes, avec de solides compétences en prise de décision et en communication, aidera à prévenir la paralysie liée à l’analyse de données.
Raise Focus : secteur manufacturier
Le secteur manufacturier, qui est la source d’un tiers des émissions mondiales, a du pain sur la planche pour atteindre les objectifs de neutralité carbone et rester compétitif. Bien que les grandes entreprises multinationales soient souvent ce qui vient à l’esprit pour la plupart des gens lorsqu’on considère le secteur, les petits et moyens fabricants contribuent à 60% des émissions mondiales de carbone. Les outils d’IA joueront un rôle essentiel pour soutenir ces petites entreprises à réduire leur impact environnemental. Bien que des efforts à forte intensité en capital pour zéro émission, comme la capture du carbone et la transition vers l’énergie renouvelable, ne sont peut-être pas dans leur budget, les petites entreprises peuvent voir de grands gains grâce à la mise en place de solutions d’IA et d’apprentissage automatique avec un investissement beaucoup moindre. Par exemple, les fabricants qui utilisent l’impression 3D peuvent utiliser des algorithmes d’IA pour optimiser les conceptions d’impression, les calendriers et les mélanges de matériaux afin de minimiser le gaspillage.
À mesure que le secteur manufacturier devient de plus en plus dépendant des outils d’IA, les compétences dont les entreprises ont besoin dans leur main-d’œuvre commenceront à évoluer et à s’étendre. Le domaine de la maintenance prédictive en est un exemple révélateur. Avec les bons capteurs, données, analyses et algorithmes d’apprentissage automatique, les équipes de fabrication peuvent être beaucoup plus efficaces pour détecter des motifs qui indiquent que les machines sont à risque de panne potentielle, afin de résoudre les problèmes et d’éviter les interruptions. Pouvoir utiliser l’IA et les outils d’apprentissage automatique pour résoudre de petits problèmes avant qu’ils ne deviennent de gros problèmes pourrait réduire entre 30 et 50% des arrêts d’équipement et augmenter la durée de vie de l’équipement de 20 à 40%.
Mais ce n’est pas aussi simple que d’investir simplement dans la technologie pour générer et gérer des données de maintenance prédictives. De nouvelles compétences, comme l’ingénierie des caractéristiques, deviendront de plus en plus importantes pour les ingénieurs chargés des tâches de maintenance prédictive dans le secteur manufacturier.
L’ingénierie des caractéristiques est un ensemble de techniques utilisées en apprentissage automatique. Dans l’exemple de la maintenance prédictive, l’ingénierie des caractéristiques réduirait et manipulerait les colonnes de données de maintenance prédictive générées afin de créer un ensemble optimisé de données avec le potentiel le plus fort pour trouver des modèles significatifs. Pour les ingénieurs qui n’ont pas beaucoup d’expérience avec l’IA et les solutions d’apprentissage automatique, faire confiance à un ordinateur pour leur expliquer le problème peut être un processus d’apprentissage. Comme l’a confié le data scientist Scott Genzer au magazine Plant Engineering : « Le danger dans lequel les ingénieurs entrent presque instinctivement, c’est qu’ils pensent savoir quelles colonnes vont guider la classe prédictive. Cela biaise le modèle. Vous voulez vraiment que l’ordinateur trouve ce qu’il pense que sont les colonnes et qu’il ait l’esprit ouvert. Il faut faire preuve d’un peu de jugement parce qu’il ne veut pas qu’il trouve des choses ridicules, mais nous ne voulons pas limiter la capacité de l’ordinateur à détecter un signal dont vous ne savez peut-être pas qu’il existe. »
Raise Focus : secteur pétrolier et gazier
L’ampleur des données créées dans l’industrie pétrolière et gazière offre un grand potentiel à l’IA pour les exploiter afin de favoriser des améliorations environnementales. Des efforts stimulants axés sur l’IA deviennent la norme dans ce secteur. Les principales organisations pétrolières mettent en œuvre diverses initiatives, notamment :
- Utilisation de données en temps réel recueillies par les plateformes pétrolières et gazières pour optimiser leurs itinéraires et réduire la quantité de carburant utilisée
- Surveillance de plus de 10 000 équipements pour améliorer la maintenance prédictive
- Développer un assistant intelligent auto-apprenant et alimenté par l’IA pour « communiquer » avec les opérateurs de salle de contrôle, les aidant à optimiser la production quotidienne de carburants et produits chimiques de grande valeur
Des recherches d’Ernst & Young confirment que cette utilisation accrue de technologies comme l’IA et l’apprentissage automatique remplace progressivement les tâches routinières et répétitives, libérant les travailleurs pour qu’ils se concentrent sur des activités à plus grande valeur. Le rapport, qui s’intéresse spécifiquement à l’industrie pétrolière et gazière canadienne, a évalué 124 emplois différents et prévoit qu’il y en aura très peu, voire aucun, qui ne seront pas affectés par l’IA d’ici 2040. Bien que de nombreux postes traditionnellement associés au secteur, y compris les opérateurs d’équipement, les métiers et les techniciens, devraient diminuer de 60 à 65% au cours des 15 prochaines années, des professions comme les data scientists et les développeurs de logiciels seront plus demandées.
Les professionnels de la cybersécurité sont déjà particulièrement recherchés. À mesure que le secteur pétrolier et gazier intègre de plus en plus de solutions d’IA, ces innombrables points de contact numériques augmentent le risque de cyberattaques. Selon le Forum économique mondial, le monde fait déjà face à une pénurie de quatre millions de professionnels en cybersécurité. Les compétences identifiées comme les plus importantes pour les professionnels de la cybersécurité dans le secteur pétrolier et gazier incluent la criminalistique numérique, les opérations de cybersécurité, le développement de systèmes et d’applications, ainsi que l’évaluation des vulnérabilités.
Qu’ils recherchent des data scientists, des développeurs de logiciels ou des professionnels de la cybersécurité, les chercheurs de l’étude d’Ernst & Young exhortent l’industrie pétrolière et gazière à se préparer à concurrencer en dehors de ses propres murs pour les talents.
Raise La directrice générale Jessica Matty partage cette prédiction et estime qu’elle a une application plus large : « À mesure que de plus en plus d’organisations s’appuient sur l’IA pour résoudre leurs problèmes les plus urgents, la flexibilité sera essentielle dans tous les secteurs. L’industrie dans laquelle un candidat a une expérience directe comptera de moins en moins. Dans bien des cas, trouver quelqu’un ayant des compétences éprouvées en IA, apprentissage automatique, Internet des objets ou cybersécurité sera une priorité plus importante que le secteur spécifique où le candidat a acquis cette expérience initialement. L’autre chose importante à garder en tête, c’est que trouver ce travailleur multidisciplinaire et fluent numériquement pourrait aussi nécessiter un changement par rapport aux pratiques d’embauche traditionnelles pour attirer les travailleurs hautement qualifiés qui ont tendance à privilégier l’économie des petits boulots. »
Raise Focus : Recrutement vs Perfectionnement des compétences
Alors que le paysage de l’IA continue d’évoluer rapidement, les organisations et les gestionnaires d’embauche sont confrontés à une question cruciale : vaut-il mieux embaucher des experts externes en IA ou investir dans le développement des compétences de la main-d’œuvre existante? Il n’y a ni bien ni mal à cela; Les deux approches ont leur valeur. La concurrence pour les experts en IA est féroce, et de nombreuses organisations cherchent à l’extérieur de leur secteur les talents dont elles ont besoin. Parallèlement, les entreprises réussissent à former des employés clés pour mener leurs projets d’IA. Quelques questions Raise Encourage les gestionnaires d’embauche à considérer :
- Quels sont vos besoins spécifiques en IA? Cherchez-vous à améliorer un processus existant ou à introduire une toute nouvelle technologie?
- Quelle est la composition actuelle de l’équipe? Considérez la croissance et l’adaptabilité des membres de votre équipe. Avez-vous déjà des membres d’équipe qui ont démontré une capacité en apprentissage automatique ou en IA?
- Quelles sont les contraintes de temps? Quel est votre calendrier pour mettre en œuvre les initiatives d’IA? Est-ce un seul projet ou un besoin récurrent?
- Analyse coûts-bénéfices : L’embauche et le développement des compétences comportent tous deux des coûts. Considérez les bénéfices à long terme et le retour sur investissement de chacun.
- Attrition et perte de connaissances : Les talents en IA sont très recherchés en ce moment, donc une embauche externe pourrait partir pour une nouvelle opportunité. Améliorer les compétences d’un employé peut vous aider à conserver vos connaissances organisationnelles ainsi que votre loyauté.
- Quelle est la stratégie et l’engagement de l’organisation en matière d’IA? La direction a-t-elle une vision qui priorise les projets d’IA avant tout le reste? Y a-t-il une volonté sincère d’investir dans le développement et l’apprentissage des employés?
Prêt à prendre une décision éclairée concernant l’expertise en IA? Parlons de la façon de trouver la meilleure voie pour la croissance de votre équipe.
