Nous poussons nos technologies pour rejoindre demain toujours plus vite. Mais au moment de prendre la route, une question demeure : dans quels véhicules, et grâce à quelles énergies, souhaitons-nous avancer ?
Le 19 novembre dernier, Toulouse accueillait une nouvelle édition de Future Intelligence. Cette année, elle traite d’un enjeu central : le rôle de l’IA dans les systèmes d’énergie et de mobilité.
Alors que l’Europe s’est engagée avec le Green Deal à réduire de 55 % les émissions de CO₂, nos usages explosent (e-commerce, mobilité du quotidien, services numériques) et le mix énergétique, ainsi que les solutions de transport, se complexifient. Face à la prolifération de solutions variées, de nouvelles énergies, de nouveaux véhicules, de nouveaux services, le défi n’est plus seulement de produire.
Il s’agit d’orchestrer : coordonner les flux afin d’optimiser l’usage des ressources sans dégrader le service rendu. Face à l’ampleur de cette tâche, industriels et acteurs publics mobilisent désormais l’IA. A la fois comme outil de pilotage, et d’optimisation de systèmes devenus trop complexes. Cet article met en lumière les initiatives, mais aussi les besoins très concrets exprimés par les industriels, pour atteindre collectivement nos engagements.
Passer d’une maintenance corrective à une gestion prédictive.
À l’ère de la donnée, analyser en continu les systèmes et détecter les besoins de maintenance s’est imposé naturellement. La maintenance prédictive a déjà fait ses preuves. Par exemple, RAILwAI anticipe la déformation des rails jusqu’à J-14.
Mais désormais, l’ambition va plus loin. Il ne s’agit plus seulement de prédire un arrêt pour le réparer à temps, mais de piloter les systèmes à distance via la donnée afin d’optimiser leur performance et leur durée de vie.
C’est ce que décrit Olivier Liandrat, ingénieur R&D chez Reuniwatt . L’IA vient enrichir caméras et images satellites pour prédire le déplacement des nuages, ainsi que la puissance lumineuse disponible. Résultat : une production photovoltaïque plus fiable et un moindre recours aux moyens de soutien carbonés comme les groupes diesel.
Le défi est encore plus vertigineux pour RTE. L’opérateur doit optimiser le réseau électrique à l’échelle du pays, face à des productions d’énergie de plus en plus intermittentes et décentralisées. Des modèles statistiques aux approches de machine learning, l’IA irrigue leurs analyses depuis longtemps. Mais les progrès récents permettent désormais d’agir directement sur le terrain :
- Réglage de la tension
- Assistants pour les techniciens
- Vision par ordinateur pour détecter les défauts
Toutefois, comme le rappelle Vincent Lefieux de RTE, cette montée en puissance ne peut se faire sans un travail de fond sur la gouvernance des données, leur partage et une stratégie claire d’adoption de l’IA.
IA et mobilité : Renverser le paradigme énergétique
Pendant longtemps, le système électrique a été conçu autour d’une production flexible : on modulait les centrales pour suivre la demande. Avec la montée en puissance des énergies renouvelables intermittentes, le paradigme s’inverse. La production devient impilotable et c’est désormais la consommation qui doit devenir flexible.
Avec le Smart Charging (V1G), l’idée est simple : charger les véhicules électriques quand l’énergie est abondante, verte et moins chère. Les modèles d’EDF croisent production renouvelable, prix, contraintes réseau et habitudes de charge pour ajuster la puissance au bon moment. Résultat : jusqu’à 30 à 50 % d’énergie économisée. Et, effet bonus, une durée de vie des batteries allongée de plusieurs années.
La marche suivante, c’est le Vehicle-to-Grid (V2G). La voiture ne se contente plus de consommer, elle stocke et réinjecte l’énergie lors des pointes de consommation. À l’échelle d’un parc, la flotte automobile devient une gigantesque batterie distribuée que l’on peut mobiliser pour stabiliser le réseau. Pour y parvenir, des acteurs comme LoadStation utilisent l’IA pour prédire les besoins énergétiques des trajets en fonction des habitudes des conducteurs, de la météo, de la température ou encore du trafic, et pour orchestrer les flux V2G sans que l’utilisateur ait à s’en soucier. Des expérimentations sont déjà en cours dans le Gard dans le cadre du projet Flexitanie.
La force de l’IA est d’opérer en coulisses. Les usagers continuent de se brancher « comme d’habitude », tandis que les algorithmes ajustent en permanence quand consommer, combien tirer du réseau et sur quels équipements.
L’orchestration : fluidifier les flux sans construire
Il suffit d’environ 6 % de véhicules en moins pour décongestionner un réseau
La fluidité du trafic est d’abord un problème de coordination humaine : trop de véhicules, au mauvais endroit, au mauvais moment. Hypervisoul propose l’AI Flow Controller. Cet agent IA embarqué dans les véhicules connectés recommande en temps réel la vitesse afin de lisser le trafic et réduire les émissions. Des expérimentations ont démontré qu’une seule voiture connectée peut améliorer la fluidité du trafic autoroutier. L’impact positif pouvant s’étendre sur environ 5 kilomètres en amont. La prochaine étape est l’orchestration directe entre véhicules autonomes.
Les flux de marchandises représentent 30 à 40 % du trafic. Et pourtant, 9 plans de transport sur 10 ne sont toujours pas optimisés. C’est précisément ce que Deki tente de corriger en réorganisant les tournées via un moteur d’optimisation dopé à l’IA. Pour les flux humains, Transway joue un autre rôle. L’entreprise encourage les choix de mobilité responsables tout en collectant des données précieuses sur les trajets, afin de mieux comprendre comment nous nous déplaçons réellement.
Guillaume Desveaux, d’AI Cargo Foundation, qui a pour mission de fournir un cadre neutre pour mesurer, partager et exploiter les flux, souligne cependant plusieurs freins : hétérogénéité des standards et risque de surcomplexification. Il rappelle également que la mobilité reste avant tout un enjeu social.
L’hybridation technologique : piloter la complexité par l’IA
Olivier Flebus, Digital & AI Leader chez Schaeffler, a présenté un exemple très concret de cette hybridation entre modèles physiques et IA : des batteries auto-reconfigurables, où chaque cellule est pilotable individuellement.
L’objectif :
- Ajuster en continu les phases de charge
- Contourner les cellules défaillantes
- Et au final, réduire de 20 % le temps de charge tout en augmentant de 20 % la durée de vie des batteries.
Mais piloter un tel système fait exploser le nombre de paramètres à prendre en compte : tensions, températures, durées de vie, temps de charge… Les lois physiques existent, mais les résoudre finement en temps réel devient trop coûteux. C’est là que l’IA prend le relais.
Schaeffler combine reinforcement learning pour apprendre des stratégies de contrôle, modèles de substitution (ML) pour approcher les modèles physiques, et IA générative pour produire des données synthétiques. En pratique, l’IA sert à créer des jumeaux numériques pour concevoir et tester rapidement des stratégies avant d’investir dans des prototypes lourds, puis à embarquer des modèles plus frugaux au cœur même des batteries, malgré les contraintes de calcul.
Cet exemple n’est qu’un cas parmi d’autres. Les solutions se multiplient, les capteurs aussi, et nous accumulons toujours plus de données. À chaque nouveau service, ce sont des dizaines de paramètres supplémentaires qu’il devient possible d’ajuster. Ainsi, notre monde se complexifie. Et la quête d’optimisation à travers cette croissance du nombre de variables se retrouve dans tous les domaines. Cette complexité ne peut plus se traiter uniquement avec des modèles fermés et exacts. Elle nécessite des approximations guidées par l’IA.
La matière et le cycle de vie : l’IA au service du matériel
Avec des actifs physiques coûteux comme les batteries, chaque année de vie gagnée compte pour le climat comme pour les coûts. L’IA s’inscrit alors dans une logique de faire durer plutôt que de jeter et remplacer.
Youness Lami nous explique qu’au sein de Batconnect, les batteries lithium connectées (véhicules légers, stockage stationnaire) embarquent un tracker bidirectionnel : suivi de l’état, diagnostics et interventions à distance. Ces batteries génèrent des volumes massifs de données qui alimentent une chaîne IA couvrant la conception, l’exploitation et le SAV. L’IA permet de mieux comprendre le vieillissement, d’ajuster l’usage et donc d’allonger la durée de vie grâce à une charge plus intelligente.
Elle sert aussi à classifier les batteries en fin de premier usage. En estimant rapidement leur état de santé, on décide lesquelles peuvent partir en seconde vie et lesquelles doivent être écartées. On passe ainsi d’un simple remplacement en fin de course à une gestion fine du cycle de vie, où chaque batterie est optimisée puis réorientée.
L’importance de la donnée : sortir du paradoxe de l’abondance
Si l’IA est le moteur de cette transformation, la donnée en est le carburant. Pourtant, un paradoxe persiste : nous n’avons jamais produit autant de données, et pourtant nous en exploitons très peu.
Jean-Michel Estibals (RAILwAI) dresse un constat sans appel : le secteur ferroviaire n’a jamais produit autant de data. Pourtant, seulement 15 % de cette manne est réellement utilisée. Le reste dort dans des serveurs, générant un coût de stockage inutile. Le défi n’est plus la captation, mais la pertinence et l’architecture.
Faut-il tout envoyer dans le Cloud ? Pour des acteurs comme SIREA ou Batconnect, la réponse est non. Avec des objets connectés générant des téraoctets de télémétrie, la tendance est au Edge Computing : traiter l’information directement sur l’équipement (la batterie, le capteur) pour ne remonter que l’information utile. C’est un double gain : on réduit la latence pour la sécurité et on diminue drastiquement l’empreinte carbone numérique.
Enfin, comme le souligne Guillaume Desveaux, la donnée de mobilité reste morcelée. Faire dialoguer des données issues du transport aérien, routier et maritime est un défi de standardisation titanesque. Sans un langage commun ou des « Data Places » régionales comme l’envisage le programme MIDOC, l’IA restera myope, incapable de voir la globalité de la chaîne logistique.
Le facteur humain : accompagner pour ne pas subir
La technologie la plus sophistiquée reste inopérante si elle se heurte au rejet ou à l’inertie des habitudes. L’IA ne doit pas être perçue comme un outil de contrôle, mais comme un levier d’accompagnement.
C’est le sujet évoqué par Transway et le programme de recherche MIDOC. Plutôt que d’imposer des contraintes, l’IA analyse les comportements. Elle propose ensuite des alternatives personnalisées et incite doucement l’usager à changer de mode de transport. Cette acceptabilité est tout aussi cruciale dans le monde professionnel. Thierry Mourot-Leclercq témoigne de la stratégie de la SNCF : “acculturer plutôt que remplacer”. Avec un objectif de zéro panne d’ici 2030, le groupe forme ses agents à utiliser l’IA générative comme un assistant, remettant l’humain au centre de la décision.
Enfin, Hypervisoul rappelle que la confiance est la clé de voûte des systèmes autonomes. Accepterons-nous de laisser une IA agir sur notre voiture autonome pour fluidifier le trafic global ? Il va falloir accepter de céder légèrement le contrôle individuel pour gagner en efficacité collective.
Souveraineté et géopolitique : l’Europe face à son destin
François de Bertier (TENLOG) nous rappelle que ces enjeux techniques s’inscrivent dans une réalité géopolitique plus large. Le récent rapport Draghi a jeté une lumière crue sur la situation. L’Europe est prise en étau entre l’urgence de décarboner et une dépendance industrielle et matérielle forte vis-à-vis de la Chine.
Développer une IA de confiance, capable d’optimiser nos ressources sans dépendre de modèles boîtes noires étrangers, devient un enjeu de souveraineté nationale. Comme le résume l’intervenant : nous ne pouvons pas nous contenter d’être les consommateurs des innovations d’autres pays, au risque de voir notre transition énergétique pilotée depuis l’étranger.
La quête de souveraineté se heurte cependant à l’urgence climatique. Faut-il attendre des solutions 100 % européennes ? Le pragmatisme impose de décarboner rapidement, quitte à accepter une dépendance technologique temporaire pour rebâtir la filière. De plus, la norme, bien que perçue comme un frein, est essentielle pour aligner économie et écologie. Sans régulation forte, le marché seul ne garantira pas la sobriété. L’IA doit donc concilier accélération de la transition immédiate et construction de l’indépendance future.
L’Occitanie : laboratoire grandeur nature de l’IA de confiance
Face à ces défis planétaires, l’action se cristallise à l’échelle des territoires. L’Occitanie a choisi de ne pas subir la vague technologique, mais de l’anticiper avec une ambition claire : devenir le leader européen de l’IA critique et de confiance.
Les signaux sont forts : la Région déploie un plan massif de 60 millions d’euros et structure sa démarche via un « Contrat de Filière Mobilité » réunissant industriels et académiques. Mais au-delà des budgets, c’est l’excellence scientifique qui constitue le véritable moteur de cette stratégie, avec un rôle central dévolu à l’institut ANITI.
Comme l’a rappelé François-Marie Lesaffre, une IA qui reste au laboratoire est une IA inutile. Or, pour sortir du laboratoire et intégrer des industries à risque, comme l’aéronautique ou l’énergie, l’IA doit surmonter un obstacle majeur : la certification. Les industriels ne peuvent se permettre d’intégrer des « boîtes noires » dans des systèmes critiques.
L’IA hybride
C’est ici que ANITI apporte une réponse stratégique, l’IA Hybride. Le principe n’est pas d’opposer la donnée et la physique, mais de les marier : intégrer les lois fondamentales (mécanique, thermodynamique) au cœur même des algorithmes d’apprentissage. Cette approche assure que l’IA évite les prédictions non conformes aux lois physiques, compense le manque de données rares grâce à la connaissance théorique, et produit des décisions plus complètes et cohérentes. ANITI ne fait pas seulement de la recherche, l’institut construit le cadre de confiance qui permettra aux industriels de passer du prototype à l’industrialisation.
Cet écosystème se complète par une mise à l’épreuve du réel. Le Défi Clé MIDOC fait le pont entre cette recherche de pointe et les usages citoyens, en ambitionnant de créer un “Data Center” souverain pour la mobilité.
Toulouse Métropole, enfin, joue le rôle de tiers de confiance pour transformer la ville en terrain d’expérimentation, notamment sur la complexité de la logistique urbaine. L’Occitanie ne se contente donc pas d’accueillir des technologies. Elle construit la chaîne de valeur complète, de l’équation mathématique sécurisée jusqu’au dernier kilomètre de livraison.
De la promesse technologique à la responsabilité collective
La journée Future Intelligence l’a montré sans détour : les briques technologiques sont là. Les algorithmes savent prédire, optimiser, recommander. Des capteurs qui couvrent désormais les rails, les routes, les batteries et les réseaux électriques. Les cas d’usage se multiplient, et les gains sont mesurables, immédiats, parfois spectaculaires.
Mais une évidence s’impose : la transition énergétique et de mobilité ne sera pas une addition de solutions isolées. Elle sera systémique ou ne sera pas.
L’IA n’est pas la solution miracle à nos impasses énergétiques. Elle est un outil d’orchestration, capable de transformer des systèmes rigides en systèmes adaptatifs, à condition d’être sobre, explicable, gouvernée et acceptée. Sans données partagées, sans standards communs, sans confiance humaine, elle restera sous-exploitée, ou pire, rejetée.
Face à l’urgence climatique, l’Europe n’a plus le luxe d’attendre des solutions parfaites ni celui de renoncer à sa souveraineté. Elle doit avancer sur une ligne de crête : déployer vite, mais intelligemment ; coopérer sans se déposséder ; réguler sans étouffer.
L’Occitanie esquisse une voie possible : celle d’une IA hybride, ancrée dans la physique, certifiable, pensée pour les systèmes critiques et testée à l’échelle des territoires. Une IA qui ne cherche pas à remplacer, mais à augmenter ; non pas à construire toujours plus, mais à mieux utiliser ce qui existe déjà.
Car au fond, la question n’est pas de savoir si l’IA transformera nos mobilités et nos systèmes énergétiques. Elle le fera. La vraie question est : qui tiendra la baguette du chef d’orchestre, et dans quel sens la musique sera-t-elle jouée ?
Prochaine édtion de Future Intelligence
Afin d’avoir le choix de la partition à jouer, cette quête de maîtrise et de protection se poursuivra le 24 mars 2026 à l’ISAE-SUPAERO. Future Intelligence y organisera sa nouvelle édition sur l’IA au service de la Défense et de la Sécurité, pour explorer comment bâtir ensemble, face aux crises, une société véritablement résiliente.