Projets

PG&E réduit les risques de feux de forêt avec l'IA

Kunal Datta (PG&E) : « nous ne construisons pas des solutions pour nos partenaires métier – nous les construisons avec eux ».

Afin d'identifier des zones à risque élevé d'incendie, Pacific Gas & Electric, distributeur d'énergie californien, utilise des outils d'analyse d'images sur des photographies aériennes de haute résolution.

PublicitéEn 2018, un feu de forêt provoqué par une ligne haute tension défectueuse appartenant à Pacific Gas & Electric (PG&E) s'est propagé à travers le comté de Butte en Californie du Nord, tuant 85 personnes et détruisant près de 19 000 bâtiments. En juin 2020, le PDG du groupe Bill Johnson, représentant l'entreprise au pénal, a plaidé coupable devant la cour supérieure du comté de Butte, pour 84 décès involontaires et un décès criminel à cause d'un démarrage de feu illégal.

À la suite de ce drame, PG&E, qui alimente en énergie 5,2 millions de foyers en Californie du Nord, s'est lancé dans le développement d'une technologie d'intelligence artificielle qui exploite la vision assistée par ordinateur pour faciliter l'identification des zones avec un haut risque d'incendie. Dénommée Sherlock Suite, cette solution a aidé PG&E à automatiser l'inspection de ses équipements sur le terrain. « L'outil permet à des inspecteurs d'indiquer depuis leur poste de travail de potentiels problèmes d'équipements sur les images à haute résolution. Ils entraînent ainsi les modèles de vision assistée par ordinateur à détecter des risques et ajoutent des métadonnées qui permettent à toute l'entreprise de rechercher dans ces images », explique Kunal Datta, responsable produit de la Sherlock Suite chez PG&E.

Automatiser les inspections

Après l'incendie, PG&E a collecté plus de 2 millions clichés de 50 000 pylônes électriques haute tension en utilisant la photographie aérienne. L'entreprise a recruté 150 inspecteurs venant de la région pour examiner les images. Ces inspections ont d'abord été effectuées à partir de dossiers sur un disque partagé, avec des manuels papier, des systèmes de cartographie legacy et une feuille Excel pour suivre le travail. « Le Wildfire Safety Inspection Program (programme d'inspection pour prévenir les feux de forêt) était le premier dans lequel PG&E réalisait des inspections à distance à partir de photographies aériennes à une telle échelle », observe Kunal Datta.

Le processus manuel entraînait de longs délais entre la capture des images et l'inspection, et les inspections elles-mêmes étaient chronophages. En janvier 2019, PG&E a formé l'équipe Sherlock. Celle-ci a interviewé des inspecteurs, des superviseurs, des experts du domaine, des décideurs et d'autres personnes impliquées dans le programme afin d'identifier des pistes pour fluidifier et automatiser le processus. « Le suivi du travail, depuis les vols jusqu'à l'achèvement des inspections, nécessitait d'entrer manuellement des données tout au long du processus », indique Kunal Datta. « Réduire le risque de feu de forêt est une priorité pour PG&E, aussi réduire le délai en amont des inspections l'était tout autant - de même que la durée des inspections proprement dites. Renforcer le caractère auditable du processus faisait également partie des points d'amélioration identifiés. »

PublicitéKunal Datta raconte que son équipe - constituée de data scientists, de développeurs, d'ingénieurs en données, de chefs de produits et de designers, est restée en contact permanent avec les parties prenantes tout au long du développement, afin de comprendre la façon dont celles-ci percevaient les différents problèmes. « Un aspect clef de notre philosophie est la collaboration étroite avec nos partenaires métier. Nous ne construisons pas des solutions pour eux - nous les construisons avec eux », souligne Kunal Datta. « Ce niveau d'engagement nous permet de réaliser de petites itérations testables, sur lesquelles nous avons des retours. L'essentiel pour savoir quelle est la bonne fonctionnalité à bâtir, c'est de faire en sorte d'avoir une boucle de feedback étroite avec nos utilisateurs. »

Procéder par itérations - et gérer les attentes

L'équipe a déployé une version bêta auprès d'un petit groupe d'inspecteurs en mars 2019, puis a déployé Sherlock auprès de toute l'équipe d'inspection en mai 2019, et continue d'ajouter des fonctionnalités. « Il n'y a pas de véritable état 'fini'. Nous développons sans cesse », raconte Kunal Datta. « Nous poussons de nouvelles versions plusieurs fois par semaine, avec de petits changements sur lesquels nous avons un feedback constant. Nous utilisons Scrum, et l'équipe a une réunion bihebdomadaire avec toutes les parties prenantes, durant laquelle nous présentons ce que nous avons réalisé durant le sprint précédent et ce que nous allons faire sur le prochain, en nous assurant de laisser tout le temps nécessaire pour les retours et les discussions. »

L'application web Sherlock permet aux inspecteurs de regarder les photographies et de les marquer quand ils trouvent des problèmes. Ces annotations sont utilisées comme labels pour entraîner des modèles de vision artificielle, qui fournissent ensuite des prédictions aux inspecteurs via Sherlock. Les inspecteurs valident ou infirment la prédiction, affinant ainsi davantage les modèles. La suite marque également de façon automatique les éléments requis pour les vérifications de conformité.

En empruntant la classification établie par la Société des ingénieurs automobiles (SAE) pour décrire les niveaux d'automatisation dans les véhicules autonomes, Kunal Datta explique que PG&E est actuellement en voie de passer du niveau d'automatisation 0 (pas d'automatisation, processus manuels) au niveau 1 (assistance automatique). Il note que modérer les attentes est un défi important. « Quand nous racontons que nous utilisons l'intelligence artificielle, cela suscite de l'excitation. C'est assurément une bonne chose, mais cela signifie aussi que les attentes peuvent être démesurées », constate Kunal Datta. « Quand on pense à l'IA, certains imaginent d'emblée une automatisation de niveau 5 et nous demandent quand nous atteindrons ce stade. »

Le responsable produit précise qu'il garde quelques slides intitulées « Machine Learning 101 » [les bases du Machine Learning] dans chaque présentation qu'il fait, afin que tout le monde comprenne que l'IA c'est des mathématiques, pas de la magie.

La suite Sherlock a déjà fortement réduit la durée des inspections et le délai avant celles-ci, et Kunal Datta précise que les deux indicateurs continuent de s'améliorer alors que l'équipe déploie de nouvelles fonctionnalités. La suite a également permis au département des opérations électriques de rechercher des images, et Kunal Datta indique que d'autres services commencent à s'intéresser aux modèles en découvrant de nouvelles opportunités grâce aux possibilités offertes par Sherlock.

Article de Thor Olavsrud / CIO États-Unis (Adaptation et traduction par Aurélie Chandèze)