Le réseau électrique à l’heure de l’IA : entre promesses et zones d’ombre

Les modèles de langage de grande envergure (LLM) suscitent un intérêt croissant dans divers secteurs industriels. Une étude récente explore leur potentiel d’application dans le domaine énergétique, ouvrant de nouvelles perspectives pour la gestion des réseaux électriques.

Une recherche novatrice, co-dirigée par Na Li, professeure d’ingénierie électrique et de mathématiques appliquées à l’École d’ingénierie et de sciences appliquées John A. Paulson de Harvard, met en lumière le rôle potentiel des LLM dans la cogestion de certains aspects du réseau électrique. Les domaines d’application envisagés comprennent :

– La gestion des situations d’urgence et des pannes
– L’affectation des équipes d’intervention
– La préparation et la prévention des incendies de forêt

Cependant, les chercheurs soulignent que des préoccupations en matière de sécurité et de sûreté doivent être résolues avant le déploiement effectif de ces technologies sur le terrain.

Les LLM : un copilote pour le secteur énergétique

Le professeur Le Xie, de l’Université Texas A&M et auteur correspondant de l’étude, tempère l’enthousiasme autour des LLM en déclarant : «La meilleure façon de décrire le potentiel des LLM dans ce secteur est de les considérer comme un copilote. Ce n’est pas encore un pilote, mais il peut fournir des conseils, un second avis et des réponses très rapides avec très peu d’échantillons de données d’entraînement, ce qui est vraiment bénéfique pour la prise de décision humaine.»

L’étude a été menée en collaboration avec des ingénieurs de CenterPoint Energy, un fournisseur d’énergie basé à Houston, et de Midcontinent Independent System Operator, un opérateur de réseau.

Forces et faiblesses des LLM dans le secteur énergétique

Les chercheurs ont identifié plusieurs atouts des LLM qui pourraient être exploités dans le secteur de l’énergie :

– La capacité à générer des réponses logiques à partir de requêtes
– L’apprentissage basé sur des données limitées
– La délégation de tâches à des outils intégrés
– Le traitement de données non textuelles, comme les images

Ces capacités permettraient d’accomplir des tâches telles que :

– La détection d’équipements défectueux
– La prévision en temps réel de la charge électrique
– L’analyse des schémas d’incendies de forêt pour l’évaluation des risques

Défis à relever pour l’implémentation des LLM

Malgré leur potentiel, l’intégration des LLM dans le secteur énergétique se heurte à des obstacles significatifs :

1. Le manque de données spécifiques au réseau pour entraîner les modèles, en raison des restrictions de sécurité sur les informations cruciales du système électrique américain.

2. L’absence de garde-fous de sécurité. Le réseau électrique, à l’instar des véhicules autonomes, doit prioriser la sécurité et intégrer une marge de sécurité importante lors de la prise de décisions en temps réel.

3. La nécessité d’améliorer la fiabilité des solutions proposées et la transparence concernant les incertitudes. La professeure Li souligne : «Nous voulons que les LLM fondamentaux soient capables de dire ‘Je ne sais pas’ ou ‘Je n’ai que 50% de certitude sur cette réponse’, plutôt que de nous donner une réponse qui pourrait être erronée.»

Perspectives d’avenir pour les LLM dans l’énergie

Ces défis constituent une feuille de route pour les travaux futurs. Les ingénieurs en systèmes électriques peuvent contribuer à l’amélioration des garanties de sécurité et de sûreté en affinant les LLM existants ou en développant des modèles fondamentaux spécifiques aux systèmes électriques.

La professeure Li conclut sur une note optimiste : «Un aspect passionnant de cette recherche est qu’elle représente un instantané dans le temps. L’année prochaine, voire plus tôt, nous pourrons réexaminer tous ces défis et constater les progrès réalisés.»

Article : « Exploring the capabilities and limitations of large language models in the electric energy sector » – DOI: https://doi.org/10.1016/j.joule.2024.05.009