Analyser les données pour transformer le secteur de l’industrie pétrolière et gazière

Wintershall Dea est toujours tournée vers l’avenir, comme en témoigne son engagement en faveur de l’innovation technologique, de l’autonomisation des employés et de la production d’énergie respectueuse de l’environnement. Les événements récents ont rendu cette prévoyance plus importante que jamais.

La version actuelle de la société a été créée en 2019 à la suite d’une fusion entre deux anciennes sociétés, Wintershall et DEA Deutsche Erdoel AG, qui étaient toutes deux en activité depuis plus de 120 ans.

Lorsque les deux entreprises ont uni leurs forces, la nécessité de l’IA pour connecter et capitaliser sur les données provenant de l’ensemble de l’organisation est devenue évidente. Non seulement l’IA pouvait offrir une efficacité et des économies accrues, mais elle pourrait également renforcer la position de Wintershall Dea en tant que leader du secteur de l’innovation technologique, un facteur important pour attirer des collaborateurs à l’intérieur et à l’extérieur de l’organisation. 

En 2020, la nouvelle entreprise était prête à accélérer une initiative AI@Scale. Plusieurs unités internes et départementales de l’entreprise travaillaient déjà avec l’IA à l’époque, mais les projets étaient développés pour des besoins uniques et isolés. Avec une approche AI@Scale, les projets d’IA sont conçus pour être évolutifs dès le début. En cas de réussite, ils peuvent être développés et étendus à d’autres groupes rapidement et facilement.

Le développement de solutions AI@Scale nécessite une plateforme et une méthodologie centralisées. « Nous voulons être considérés comme un partenaire de choix, déclare Kathrin Dufour, vice-présidente principale de la numérisation et de la technologie chez Wintershall Dea. Si vous disposez d’un environnement standardisé vous permettant d’accéder à vos données et d’accorder l’accès à d’autres, il devient beaucoup plus facile de collaborer au sein de votre écosystème de partenaires. C’est de plus en plus important aujourd’hui, car nous échangeons beaucoup plus de données en interne et en externe qu’auparavant. »

C’est en gardant cet objectif à l’esprit que l’entreprise a créé un centre de compétences (CoC) pour l’IA et la science des données sous la direction d’Ulrich Lorang, qui est vice-président de la science des données, de la gouvernance des données et du data hub. Pour planifier, développer et fournir son centre de compétences et sa plateforme d’IA, Wintershall Dea avait besoin de s’associer à un partenaire capable de lui donner accès à un réservoir de plus en plus large d’expertise et d’expérience en matière d’IA.

Dans la recherche de ce partenaire, IBM Consulting s’est démarquée de ses concurrents : elle avait fait ses preuves en collaborant avec Wintershall Dea sur des projets précédents, et disposait d’une vaste expérience obtenue en aidant d’autres clients à développer leurs capacités d’IA à l’échelle.

En outre, IBM avait conclu un partenariat stratégique avec Microsoft et Wintershall Dea utilisait déjà Microsoft Azure pour sa plateforme de données. IBM a pu adapter sa méthodologie IBM AI@Scale pour s’adapter à la plateforme existante et apporter l’expertise de Microsoft selon les besoins.

Dès le début, la collaboration entre IBM et Wintershall Dea s’est déroulée sans heurts. « Le processus était en fait très simple, explique M. Lorang. Nous avons créé une équipe. Il n’y a jamais eu de grande différence entre les deux entreprises. Nous avions un objectif commun et avons travaillé ensemble pour l’atteindre. »

Lors de la mise en œuvre d’IBM AI@Scale, l’équipe s’est concentrée sur trois domaines stratégiques : l’architecture technique de la plateforme, le modèle opérationnel du CoC et la culture d’entreprise.

L’offre IBM AI@Scale comprend des évaluations standardisées couvrant des domaines tels que l’état actuel de l’IA au sein d’une entreprise, la vision future de l’IA, les principales parties prenantes et les ressources nécessaires. IBM a personnalisé les évaluations pour Wintershall Dea afin de couvrir chacun de ces trois domaines stratégiques. IBM et Wintershall Dea ont ensuite travaillé ensemble pour utiliser les résultats des évaluations afin de développer une feuille de route technologique et organisationnelle pour la science des données au sein de l’entreprise.

Pour la base technique, l’équipe a développé une architecture basée sur les composants en utilisant la plateforme et les services Microsoft Azure. Pour concevoir cette base, l’équipe a adopté une méthodologie d’opérations de machine learning (MLOps), une approche de bout en bout qui fait appel à des data scientists et à des ingénieurs pour planifier, développer, construire, tester et maintenir les systèmes d’IA.

Sur le plan opérationnel, l’équipe a expliqué comment le CoC devrait fonctionner, ainsi que les types de rôles et de compétences qui permettraient d’étendre les capacités de science des données à l’ensemble de l’organisation. Outre les data scientists du CoC, cette communauté comprenait des data scientists citoyens issus des unités commerciales et de l’entreprise (géoscientifiques, ingénieurs, économistes et autres personnes possédant de solides connaissances en programmation mathématique) qui pouvaient aider à piloter des projets de science des données au sein de leurs équipes respectives.

En fin de compte, Wintershall Dea souhaitait développer cette communauté en améliorant les compétences des employés de l’entreprise afin qu’ils puissent développer leurs propres projets d’IA. L’intérêt pour la science des données était fort et la direction était convaincue que la plus grande partie de la valeur pour l’entreprise provenait du niveau des unités commerciales et de l’entreprise. À cette fin, la feuille de route comprenait des sessions d’habilitation technique pour le CoC et les data scientists citoyens sur la façon d’utiliser la nouvelle plateforme et les nouveaux modèles.

Du point de vue de la culture d’entreprise et de la communication, l’équipe a planifié une série de sessions et d’ateliers de formation pour les unités commerciales et d’entreprise dans toute l’entreprise. Ces activités se concentraient sur la valeur métier que l’IA pouvait apporter aux employés dans leur travail quotidien et sur les moyens qu’ils pouvaient tirer de leur collaboration avec le CoC pour capitaliser sur cette valeur.

En 2021, IBM et Wintershall Dea étaient prêtes à commencer à établir le fondement de la mise en œuvre AI@Scale sur la base de la feuille de route qu’ils avaient co-créée. La mise en place de l’environnement technique, la discussion avec les unités commerciales, l’identification des cas d’utilisation possibles, la promotion du concept de CoC, l’engagement et l’habilitation des employés ont tous fait partie de ce processus.

Sur le plan technologique, l’équipe a procédé au provisionnement des services nécessaires à partir de la plateforme Azure et à la personnalisation des modèles IBM AI@Scale en fonction des besoins et de l’environnement de Wintershall Dea. D’un point de vue opérationnel, l’équipe a organisé des sessions d’habilitation technique pour permettre au CoC et aux data scientists citoyens des unités commerciales de créer leurs propres projets d’IA à l’avenir.

Pour sensibiliser les employés à la valeur de la science des données et du CoC, tant du point de vue technologique que commercial, l’équipe a rencontré les unités commerciales individuellement, a organisé des sessions de formation et a développé une campagne interne faisant la promotion des avantages potentiels de l’IA et expliquant comment le CoC pourrait les aider.

En 2022, l’équipe a entamé la phase suivante de son parcours d’IA : transformer des cas d’utilisation en solutions complètes. Le processus de sélection et de développement des cas d’utilisation a suivi la logique de la méthodologie IBM Garage™ . IBM et Wintershall Dea ont travaillé côte à côte, IBM les guidant tout au long du processus, en formant et en qualifiant les employés de Wintershall Dea afin qu’ils puissent dupliquer la méthodologie dans les projets futurs.

Le processus de qualification impliquait une collaboration étroite avec les unités commerciales afin de comprendre leurs problèmes. « Nous avons travaillé en étroite collaboration avec les experts du domaine pour nous assurer que nous n’automatisions pas quelque chose juste parce que nous le pouvions, mais que nous gardions vraiment le problème de l’entreprise au centre de l’attention », explique Max Schemmer, consultant en intelligence artificielle orienté recherche chez IBM Consulting.

M. Lorang est du même avis : « Vous devez avoir un problème commercial. Et vous devez comprendre les défis dans votre domaine et vous assurer que vous avez accès à des données pertinentes et de haute qualité, puis préparer les données afin de pouvoir réellement en faire quelque chose. »

Wintershall Dea mène principalement deux types de projets d’IA : les projets traditionnels à grande échelle et les petits projets faciles à mettre en œuvre. Ces derniers correspondent à un concept Wintershall Dea consistant en la réalisation d’un projet d’IA rapide et évolutif pour résoudre un problème simple. Comme il y a des employés formés à la science des données dans toute l’entreprise, les unités commerciales peuvent développer et coder des petits projets de manière indépendante et faire appel au CoC pour obtenir de l’aide si nécessaire.

Les petits projets commencent à petite échelle, puis finissent parfois par s’embraser. Quand c’est le cas, ils sont construits pour évoluer rapidement. Par exemple, un employé d’un service d’ingénierie a été chargé d’extraire manuellement les valeurs clés de plus de 2 000 documents PDF et d’intégrer ces données dans une feuille de calcul. Le processus était fastidieux et empêchait l’employé de se consacrer à un travail plus créatif et plus utile.

Grâce à l’IA, l’équipe d’ingénierie a pu automatiser le processus, permettant à l’employé de travailler sur des projets plus ambitieux et apportant une plus grande valeur globale à l’entreprise. Il est vite devenu évident que le même modèle d’extraction de données en temps réel à partir de sources internes et externes pourrait être utile à d’autres secteurs de l’entreprise et au-delà. Aujourd’hui, cette solution évolutive est appliquée dans plusieurs unités commerciales et d’entreprise à diverses fins.

Les projets à grande échelle visent haut dès le début. En 2021, Wintershall Dea a enquêté sur l’application de l’IA pour maintenir l’intégrité de ses puits de gaz et de pétrole en Norvège. Cette maintenance est particulièrement importante pour les puits en exploitation, en particulier les puits sous-marins. Avec des kilomètres de tuyaux massifs enfermés dans de multiples couches d’acier et de béton s’enfonçant profondément dans le fond marin, les petites fuites peuvent être imperceptibles pendant de longues périodes, même en présence d’un système de surveillance de puits de pointe, jusqu’à ce qu’elles deviennent suffisamment importantes pour causer des problèmes majeurs dans le pire des cas. Une détection précoce est donc essentielle.

Auparavant, les ingénieurs de Wintershall Dea surveillaient en permanence les données des capteurs de puits. Mais même avec une analyse quotidienne, certains problèmes étaient tout simplement indétectables par les êtres humains.

Grâce à l’IA, l’équipe a développé un cas d’utilisation permettant d’analyser les données des capteurs existants de manière beaucoup plus intensive et précise qu’auparavant. «
Nous avons d’abord cherché à valider l’hypothèse selon laquelle nous pourrions utiliser l’IA pour détecter un incident de fuite historique, explique Prihandono Aditama, chef de produit chez Wintershall Dea. Une fois que nous avons pu confirmer que nous avions le bon modèle, nous l’avons connecté aux données en direct des capteurs du puits.

À l’heure actuelle, si l’IA détecte une anomalie, elle envoie un e-mail à nos ingénieurs, poursuit-il. Nous sommes en train de construire une interface utilisateur pour les ingénieurs, qui sera disponible dans la première version du produit. »

Les outils et la méthodologie IBM AI@Scale ont joué un rôle déterminant tout au long du processus. « L’une des principales contributions d’IBM est de savoir comment passer de la preuve de concept à la production, explique M. Aditama. Grâce aux modèles d’IBM, nous pouvons effectuer des mises à l’échelle rapides, réaliser des tests, des preuves de concept et le développement en parallèle ».

Aujourd’hui, Wintershall Dea et IBM ont identifié plus de 80 cas d’utilisation possibles de l’IA et de la science des données, dont 20 sont activement poursuivis. Les cas d’utilisation vont des domaines techniques, tels que les opérations, l’ingénierie et les géosciences, aux domaines non techniques, tels que le commerce et les ventes. IBM est fortement impliquée dans plusieurs d’entre eux, mais les autres sont gérés indépendamment au sein des unités commerciales et d’entreprise de la société et du CoC.

Les projets existants progressent. L’équipe Wintershall Dea travaille à l’extension du modèle d’extracteur PDF à d’autres parties de l’entreprise, en extrayant et en appliquant des données à partir de bases de données internes et externes. Le projet d’intégrité des puits est entré en production fin 2022. Après le lancement, l’équipe a des plans préliminaires pour le faire évoluer à la fois verticalement (en ajoutant de nouvelles fonctionnalités et capacités) et horizontalement (en appliquant le modèle à des puits supplémentaires en Norvège et dans d’autres pays).

L’initiative de science des données suscite un vif enthousiasme au sein de l’entreprise, à la fois en termes de potentiel de résolution de problèmes commerciaux, et en termes d’opportunités d’innovation et de développement des compétences. Plus de 100 employés de Wintershall Dea ont suivi une formation en IA et en science des données, dont 60 employés qui ont récemment participé à un atelier de six jours sur la science des données.

« Nous avons définitivement inspiré l’organisation, déclare M. Lorang. Nous nous sommes appuyés sur une communauté citoyenne de science des données qui s’engage et travaille à l’utilisation de l’IA pour résoudre les problèmes avec notre aide ».

La relation avec IBM reste solide. « Nous avons une collaboration productive avec IBM Consulting. Nos efforts conjoints ont généré une dynamique significative, ce qui nous permet d’atteindre des objectifs cruciaux et de créer de la valeur dans un délai relativement court, déclare Hugo Dijkgraaf, directeur technique de Wintershall Dea. Non seulement l’entreprise a apporté des compétences et une expérience en matière d’IA, mais l’équipe possède également des personnalités qui correspondent bien aux nôtres ».

Wintershall Dea (lien externe à ibm.com) est l’une des principales sociétés gazières et pétrolières indépendantes d’Europe, dont le siège social se trouve en Allemagne. Formée en 2019 par une fusion de Wintershall Holding GmbH et DEA Deutsche Erdoel AG, la société opère dans 11 pays et compte environ 2 000 employés.