En septembre 2017, le Premier ministre confiait au député Cédric Villani une mission sur l’intelligence artificielle, destinée à éclairer une stratégie nationale. Auditionnés le 12 octobre, nous avons présenté trois enseignements tirés de l’observation du secteur de l’énergie sur vingt ans.
Le préalable est important : les changements de fond y prennent effet sur des échelles de temps longues. On investit pour plusieurs décennies, les infrastructures ne sont pas remplacées à chaque cycle technologique, les systèmes d’information sont très inertiels, les organisations aussi.
Leçon 1 : le réglementaire précède le technologique
Les principales évolutions des vingt dernières années ont été tirées par des décisions réglementaires avant de l’être par des technologies. C’est évident pour l’organisation du marché, séparation des activités, marché de gros, concurrence sur la commercialisation. Ce l’est tout autant pour ce qui a refaçonné le paysage énergétique : renouvelables, gestion active de la consommation, effacement, stockage ne résultent pas de l’adoption spontanée de technologies s’imposant par leurs seules qualités, mais de politiques publiques ayant choisi de favoriser ces filières.
Le constat va plus loin. Le cadre réglementaire est rarement la barrière au déploiement : il a même tendance à devancer la matérialité du besoin. Des règles d’intégration de l’effacement au mécanisme d’ajustement ont été trouvées rapidement ; le cadre de l’autoconsommation individuelle et collective a progressé alors que le gisement technique restait faible. Le réglementaire peut même être le moteur de technologies qui ne se seraient pas déployées seules, comme le comptage de chaleur ou les compteurs communicants.
Leçon 2 : la valeur marginale de la complexité est souvent faible
C’est le point le plus contre-intuitif, et il vaut aussi bien pour les règles de marché que pour les technologies.
Sur les règles, le dispositif NEBEF a mobilisé une longue concertation et produit 150 pages de règles techniques, pour un usage resté marginal : moins de 5 000 MWh en 2016, contre 550 TWh d’échanges de blocs, soit un rapport de un pour cent mille. De même, l’organisation par prix nodaux aux États-Unis et en Nouvelle-Zélande a demandé des années de mise au point pour des résultats controversés.
Sur les technologies, deux exemples. La flexibilité au service des réseaux de distribution, qui peut s’appuyer sur l’IA pour l’agrégation ou l’anticipation des contraintes, présente des bénéfices nets réels mais modestes, 10 à 20 M€ par an à comparer à 1,5 Md€ d’investissement annuel du réseau de distribution.
La prévision de production photovoltaïque est encore plus parlante. Plusieurs entreprises s’y différencient par la sophistication de leurs modèles. Mais l’accroissement marginal de la qualité de prévision a une valeur faible pour la plupart des cas d’usage : le gestionnaire de transport n’a besoin ni de prévision site à site, puisqu’il gère un équilibre national, ni d’anticipation à quelques minutes, les réserves étant mobilisées par automatismes. Un acteur mieux outillé aura donc du mal à justifier un premium de prix significatif.
Leçon 3 : l’IA facilite l’adoption, elle ne la déclenche pas
Le thermostat Nest, doté d’IA et auto-apprenant, illustre parfaitement cette limite. Son succès n’a pas été à la hauteur des attentes de Google : environ 350 millions de dollars de revenus annuels, en deçà des 400 à 670 millions qu’attendaient les analystes pour justifier les 3,2 milliards payés en 2014.
Plusieurs explications se cumulent. La matérialité du service n’est pas perçue comme suffisante. La promesse de 12 à 15 % d’économie paraît virtuelle pour un client qui n’a qu’une idée approximative du montant de sa facture, laquelle peut varier davantage d’une année sur l’autre pour des raisons climatiques. Un client au tarif réglementé souhaitant réduire sa facture de 12 à 15 % peut plus simplement basculer vers une offre de marché. Enfin, les circuits de commercialisation ne sont peut-être pas les bons, la filière, architectes, entrepreneurs, installateurs, étant sans doute mieux placée pour convaincre.
Ce que cela implique pour la politique publique
Une politique incitative avisée devra faire levier sur les orientations de la politique énergétique pour définir ses priorités d’action sur l’IA, s’assurer que la complexité engendrée reste maîtrisée et justifiée, et se concentrer sur les technologies qui ont du sens et de la valeur pour les clients et la collectivité.
La blockchain appelle à cet égard des réserves. Son déploiement pour automatiser des contrats entre producteurs et consommateurs suscitait un engouement important, mais plusieurs questions restaient ouvertes : quel est le niveau de demande avérée, est-ce la seule solution, comment se compare-t-elle aux alternatives ? On notera surtout que dans ses versions financières, la blockchain est extrêmement consommatrice d’énergie, avec 39 kWh par transaction et 19 TWh par an pour le Bitcoin, soit l’équivalent de deux tranches nucléaires. Son déploiement au service d’un système électrique vertueux mérite au minimum d’être interrogé.
Pour aller plus loin, téléchargez notre analyse complète ci-dessous ou contactez nos experts.
