L'IA spécialisée dans un domaine particulier pourrait aider les réseaux électriques à anticiper la hausse de la demande et le changement climatique.

infohightech ·

D'après une nouvelle publication de scientifiques de l'Université des Nations Unies, l'intelligence artificielle exerce une pression majeure sur le réseau électrique, tout en s'imposant comme l'un des outils les plus prometteurs pour renforcer sa résilience. Les auteurs affirment que la question politique n'est plus de savoir s'il faut déployer l'IA pour améliorer la résilience du réseau, mais dans quelles conditions.

La note d'orientation intitulée «Employing Domain-Informed AI for Energy Planning and Decarbonization under Uncertainty » ou  Utiliser l'IA spécialisée pour la planification énergétique et la décarbonation en contexte d'incertitude », publiée par l'Institut de l'Université des Nations Unies pour l'eau, l'environnement et la santé (UNU-INWEH), met en garde contre le fait que les gouvernements approuvent des infrastructures électriques dont la durée de vie est de 15 à 20 ans sur la base de données météorologiques historiques qui ont peu de chances de se vérifier au cours des prochaines décennies.

Destinée aux organismes de réglementation nationaux et aux institutions de financement climatique, cette publication constitue un pas en avant dans la mise en place de garanties visant à soutenir l’accélération des objectifs de décarbonation d’ici à 2030.

Au cœur de la transition énergétique, cette note d'orientation décrit un cercle vicieux. Les énergies renouvelables sont un instrument essentiel de lutte contre le changement climatique, mais elles sont plus vulnérables aux aléas climatiques que les énergies fossiles. De ce fait, les technologies déployées pour ralentir le changement climatique deviennent moins prévisibles à mesure qu'il progresse. Parallèlement, le réchauffement climatique accroît la demande, notamment par le recours accru à la climatisation et le pompage intensif des eaux souterraines dans un contexte de sécheresse.

Le secteur des énergies renouvelables devrait presque tripler de volume d'ici 2030, selon le rapport « Énergies renouvelables 2024 » de l'Agence internationale de l'énergie, mais cette expansion est planifiée en tenant compte des variations climatiques plutôt que de la stabilité du climat.

La demande augmente plus vite que prévu. Les auteurs avertissent que la croissance des usages finaux énergivores, tels que les centres de données et les véhicules électriques, dépasse déjà les besoins d'expansion de capacité anticipés. Les centres de données d'IA non réglementés consomment d'énormes quantités d'électricité et mettent directement à rude épreuve les réseaux électriques sur lesquels ils sont implantés.

« Nous demandons au réseau d'absorber à la fois plus d'énergie renouvelable et une demande accrue, et nous prenons ces décisions avec des données qui décrivent un climat dans lequel nous ne vivons plus », a déclaré le Dr Renee Obringer, chercheuse associée aux systèmes d'infrastructures urbaines et interdépendantes à l'UNU-INWEH et auteure principale de la publication.

« Ce qui est problématique, c'est que l'IA se retrouve des deux côtés de la barrière. C'est l'une des raisons de la hausse de la demande, et c'est aussi le moyen le plus rapide d'anticiper l'avenir. »

Cette note d'orientation identifie l'incapacité de la planification des investissements à long terme à prendre en compte les risques climatiques futurs comme un obstacle majeur à la résilience du réseau électrique et la présente comme un risque financier plutôt que technique. Investir des capitaux sur la base de données historiques statiques pour des actifs dont la durée de vie est de 15 à 20 ans conduit à l'accumulation d'actifs dépréciés à mesure que les risques climatiques physiques se matérialisent.

Pour les institutions de financement climatique, l'évaluation prospective des risques est donc une condition essentielle à une allocation saine des capitaux. La recherche sur les impacts climatiques a progressé, conclut la note, mais ses conclusions ne parviennent pas systématiquement aux organismes de réglementation chargés de la planification des capacités, qui s'appuient encore sur des données météorologiques historiques pour anticiper les pics de demande.

L'IA spécialisée, selon la publication, est une solution parmi d'autres, et non un remède miracle. Ces algorithmes sont plus transparents quant à leur apprentissage et adaptés à un domaine d'application précis, comme les systèmes énergétiques, ce qui les distingue des grands modèles de langage et de l'apprentissage profond généraliste. Conçus spécifiquement pour un problème donné, ils surpassent souvent les alternatives généralistes et, grâce à la clarté de leur raisonnement, les planificateurs peuvent les intégrer facilement aux processus existants.

Leur intérêt réside dans les limites des outils actuels. Les modèles de circulation générale qui sous-tendent les évaluations d'impact climatique les plus récentes sont difficiles à intégrer, difficiles à désagréger aux échelles spatiales sur lesquelles reposent les décisions en matière d'infrastructures, et lents à fournir les variables dont les modélisateurs de systèmes énergétiques ont besoin.

En revanche, les modèles d'IA spécialisés dans un domaine spécifique fournissent déjà des prévisions à court et à long terme très précises concernant les énergies renouvelables, et les émulateurs climatiques basés sur l'IA progressent rapidement en termes de précision.

Les auteurs appellent les organismes de réglementation à institutionnaliser des cadres de gouvernance adaptatifs, à réunir les modélisateurs de systèmes énergétiques et les climatologues dans une modélisation intégrée des réseaux d'eau, de transport et de technologies de l'information et des communications, et à imposer des modèles d'IA transparents et adaptés au domaine comme norme exécutoire pour l'approbation de la planification des capacités.

Pour garantir la sécurité et la confiance du public, les organismes de réglementation devraient classer les systèmes d'apprentissage profond opaques comme des risques opérationnels graves et imposer des garde-fous stricts contre les biais d'entraînement algorithmique, tandis que les décideurs politiques devraient exiger que les centres de données d'IA fonctionnent principalement avec de l'énergie renouvelable vérifiable.

« L’IA est proposée aux gouvernements comme une solution à la transition énergétique, tout en devenant discrètement l’un de leurs plus grands fardeaux, et ces deux affirmations sont vraies simultanément », a déclaré le professeur Kaveh Madani, directeur de l’UNU-INWEH et co-auteur de la note de synthèse.

« Rejeter ces outils ralentirait la décarbonation. Les adopter sans règles de transparence ni limites quant à leur propre consommation énergétique reviendrait simplement à remplacer un risque par un autre. Il ne s’agit pas de choisir entre les deux, mais de définir les conditions dans lesquelles l’IA est autorisée à proximité des infrastructures critiques. »

https://unu.edu/inweh/news/electrical-grids-planned-outdated-climate-data-face-physical-and-fiscal-risk-un

Cet article vous a été utile ? Partagez-le.