Pour réduire les gaz à effet de serre, il faut rapidement changer pour des énergies qui polluent moins. On peut penser à l'énergie du soleil, du vent ou à celle qui vient de la terre (géothermie).
On peut aussi penser à l'intelligence numérique (l'IA, les programmes informatiques, les énormes quantités de données, les objets connectés). Elle aide beaucoup à passer plus vite à des énergies qui polluent moins. Mais elle n'est pas parfaite : sa fabrication et son utilisation produisent aussi des émissions et utilisent des matériaux.
Je fais des recherches sur la responsabilité des nouvelles technologies qui aident à protéger l'environnement. Est-ce que les technologies numériques peuvent vraiment faire partie de la solution ? Ou bien, est-ce qu'elles risquent d'aggraver le problème si elles utilisent des énergies fossiles ?
L'intelligence numérique, c'est quoi ?
L'intelligence numérique comprend la science des données et l'intelligence artificielle. L'idée est de passer de la donnée à la décision. Elle peut fournir des informations qui aident à prendre de meilleures décisions, que ce soit pour les entreprises ou pour la transition énergétique.
Prenons l'exemple d'Hydro-Québec. Pour que son réseau électrique soit fiable et puisse fonctionner même en cas de problème, l'entreprise doit faire face à plusieurs défis.
Il y a de plus en plus d'événements météo extrêmes, comme les tempêtes, les vents forts, le verglas, les feux de forêt ou les fortes pluies. Ces événements mettent à l'épreuve les installations qui produisent, transportent et distribuent l'électricité.
En effet, les installations sont plus fragiles face aux aléas climatiques. Par exemple, le verglas rend les lignes électriques plus lourdes et plus fragiles, et les feux de forêt dans le nord menacent directement les équipements.
Pour adapter le réseau énergétique aux changements climatiques, il faut une approche globale. Cela veut dire avoir des infrastructures plus efficaces, utiliser différentes sources d'énergie, mieux gérer la consommation (et la réduire), et rendre le réseau plus flexible.
À lire aussi : Une étude sur les vieilles forêts de l'est du Canada montre que le changement climatique a commencé il y a presque 100 ans
L'importance de la modélisation
C'est pourquoi la modélisation est essentielle pour l'intelligence numérique. Les outils qui simulent le système énergétique aident à voir les différentes façons d'atteindre la neutralité carbone.
Par exemple, pour comprendre l'impact des voitures à Montréal, on peut étudier les déplacements et les habitudes des automobilistes pendant une période donnée. Ensuite, on utilise un logiciel de modélisation avec l'intelligence numérique pour prévoir ce qui se passera sur une année entière.
Les modèles à choix discrets sont des modèles statistiques. Ils expliquent et prédisent les choix des gens parmi plusieurs options. Ces choix dépendent des options disponibles et de ce que les personnes préfèrent. En intégrant ces données précises dans les modèles, on peut non seulement évaluer le potentiel des nouvelles infrastructures, mais aussi penser à des alternatives plus pratiques comme les transports en commun, la marche, le vélo ou le covoiturage.
À lire aussi : À Montréal, même si on double les pistes cyclables, les voitures occuperaient encore 90 % de la route
La modélisation existe depuis longtemps, mais l'intelligence artificielle permet de faire ces simulations plus rapidement.
Tester sans construire
Un autre bon exemple de l'utilisation de l'intelligence numérique pour prendre des décisions est la création de jumeaux numériques.
Cela fonctionne grâce à l'interaction entre le BIM (qui est une méthode pour créer des modèles numériques de bâtiments) et l'intelligence artificielle (IA). On crée une copie virtuelle d'un bâtiment ou d'une autre structure pour simuler son comportement dans différentes situations.
Beaucoup de personnes sont déjà abonnées à la lettre d'information de La Conversation. Et vous ? Abonnez-vous gratuitement à notre infolettre pour mieux comprendre les sujets importants d'aujourd'hui.
Cette méthode permet d'améliorer la conception et le fonctionnement des bâtiments sans utiliser de matériaux réels, ce qui réduit la consommation de ressources. Connecté à des capteurs, le modèle reçoit des informations en temps réel (par exemple : la température ou le nombre de personnes dans un bâtiment).
L'IA analyse ces informations pour simuler des situations, prévoir des problèmes ou améliorer l'efficacité énergétique. Ce système permet donc de concevoir, gérer et améliorer un bâtiment sans intervention physique, ce qui réduit les coûts et la consommation de ressources.
À lire aussi : Climat : comment l'industrie du pétrole veut nous faire porter la responsabilité
Les limites de l'intelligence numérique
Même si les modèles mathématiques aident à trouver des solutions possibles pour la transition énergétique dans les transports et les bâtiments, ils ont des limites.
Les modèles utilisés dans ces études sont surtout basés sur la technologie et l'économie. Cela signifie qu'ils regardent ce qui est possible en théorie, en fonction des infrastructures et des coûts. Mais ils ne prennent pas toujours en compte les difficultés sociales, environnementales ou politiques qui peuvent empêcher leur réalisation.
Par exemple, une solution qui semble parfaite pour réduire les émissions de gaz à effet de serre pourrait être bloquée par le manque de volonté politique, par d'autres sources d'émissions qui ne sont pas considérées, ou par des conséquences négatives sur la nature et l'économie locale.
Une transition pour tous
La transition énergétique n'est pas seulement une question de technologie, mais aussi de politique et de société. Par exemple, pour que de nouvelles habitudes sociales soient adoptées, comme utiliser moins sa voiture, il faut que les infrastructures aident. Les gouvernements ont le devoir d'accompagner ces changements.
Le numérique est un outil très utile, mais ce n'est pas une solution magique pour faire face à l'un des plus grands défis de notre époque. Pour que cela fonctionne bien, l'intelligence numérique doit s'assurer de réunir tous les éléments nécessaires.
Diane Gorcy a reçu des financements du CIRODD.
Annie Levasseur a reçu des financements de nombreux organismes qui soutiennent la recherche (Chaires de recherche du Canada, CRSNG, FRQ, Mitacs, etc.).
Hanane Dagdougui a reçu des financements de nombreux organismes qui soutiennent la recherche (CRSNG, Mitacs, FQRNT, etc.).
Olivier Bahn a reçu des financements de plusieurs organismes qui soutiennent la recherche, notamment le CNRC, le CRSNG, le FRQ et Mitacs.