ary]
Chez Enerdata, l'intelligence artificielle est utilisée comme un levier stratégique rigoureusement intégré pour renforcer notre expertise et la qualité des données. Notre approche est résolument axée sur le contrôle, la sécurité et l'efficacité, garantissant que l'IA complète, sans jamais remplacer, le savoir-faire de nos experts.
L’IA est un outil supplémentaire dans la chaine de nos processus, qui facilite la sélection, le traitement, l'analyse et la traduction de flux de données massifs. Elle permet à nos experts métier de se concentrer sur l'interprétation et la valeur ajoutée stratégique.
Notre engagement envers la confidentialité des données et une IA frugale se concrétise par le développement et l'hébergement sur site de notre propre outil de LLM (Large Language Model), nommé "OSE". Basé sur les modèles performants de Mistral AI, ce choix nous permet d’assurer la confidentialité de nos données sensibles et de mieux contrôler les usages. Cela est essentiel pour respecter nos engagements en matière de consommation énergétique et de sobriété numérique.
Le déploiement interne d'OSE nous permet également de spécialiser et d’utiliser ces modèles pour des flux de travail spécifiques à nos métiers, sans aucune externalisation de données, qu'il s'agisse d'assister aux tâches répétitives ou à forte valeur ajoutée. De plus, la collaboration avec un partenaire national tel que Mistral AI nous assure une conformité aux réglementations européennes, notamment l'IA Act et le RGPD, tout en bénéficiant d'une transparence accrue sur les coûts énergétiques réels. L'accès à des modèles open source est également crucial, car il nous permet de les entraîner et de les spécialiser pour des usages data précis, comme le développement d'un chatbot interne pour la navigation dans notre plateforme de bases de données.
En plus de l’IA générative, nous utilisons des modèles de Machine Learning et de Deep Learning pour améliorer et garantir l'exhaustivité et la pertinence de nos données énergétiques, notamment pour affiner nos prévisions grâce au Nowcasting. Le Nowcasting est utilisé pour effectuer de la prévision avancée des données manquantes de l'année précédente et de l'année en cours pour les données énergétiques des zones étudiées.
Nos modèles permettent en outre d'estimer les consommations journalières de gaz et d'électricité afin d’alimenter notre modèle de prévisions de prix de l’électricité. Ces projections sont basées sur des données telles que les calendriers nationaux, les données météorologiques et les tendances à long terme issues de nos scénarios Enerfuture.
Dernièrement, nous avons mis en œuvre nos propres chaînes d'agents IA, combinant des modèles open source de classification et notre LLM interne OSE pour optimiser plusieurs processus opérationnels critiques :
- Suivi et traitement de la veille sectorielle
- Sélection et classement quotidien des appels d'offres
- Aide à la rédaction d'analyses, notamment par la production de synthèses d'actualité sur les acteurs de l'Énergie, issues de recherches Internet.
- Extraction de données complexes, qu'elles proviennent d'API, de documents non structurés ou de graphiques.