Imaginez un technicien qui arrive à un poste électrique pour enquêter sur un disjoncteur signalant un problème de fonctionnement. Avant de décider quoi faire, le technicien doit comprendre l’historique d’entretien de l’actif, les problèmes précédents et consulter toute documentation technique pertinente à la tâche.

Ces informations existent probablement, mais les trouver peut prendre du temps.

Le technicien peut avoir à effectuer des recherches dans différentes applications, accéder à plusieurs dossiers et examiner des archives avant d’assembler suffisamment d’informations pour comprendre le problème. Pour les équipes de terrain des services publics, surtout celles œuvrant dans les réseaux de transport et de distribution, il s’agit d’un défi bien connu.

Je considère l’une des applications les plus précieuses de GenAI comme la mise à disposition de ces informations via un assistant numérique unique sur la tablette déjà utilisée par le travailleur de terrain.

Le principe est simple. Au lieu de chercher dans plusieurs systèmes, le technicien pose une question et reçoit une réponse tirée de la documentation pertinente. La technologie est utile parce qu’elle simplifie une tâche existante et réduit le temps consacré à la recherche d’informations.

Rassembler le savoir technique dans une seule application

Les travailleurs de terrain des services publics transportent généralement une tablette en plus d’autres équipements spécialisés. Ces appareils donnent déjà accès à diverses applications et dossiers techniques, mais il peut être long de trouver l’information à travers eux.

Reprenons l’exemple du disjoncteur. Un technicien pourrait balayer l’actif et demander à un assistant numérique de lui montrer l’historique de maintenance, les problèmes signalés et la documentation pertinente.

Sans GenAI, répondre à cette question impliquerait de naviguer entre plusieurs portails, bases de données et dossiers, puis de lire et comparer manuellement les informations.

Une application GenAI configurée adéquatement pourrait extraire les dossiers pertinents de ces sources et présenter l’information par l’entremise d’une seule interface.

C’est là que les grands modèles de langage et les petits modèles de langage se révèlent utiles. Connectés aux sources de savoir appropriées, ils peuvent interpréter la question du travailleur de terrain et récupérer les données pertinents pour la tâche.

La différence clé réside dans la rapidité avec laquelle l’information devient accessible.

Un travailleur de terrain qui peut accéder au contexte requis via une seule application passe moins de temps à le chercher. Cela rend le processus plus simple et permet au technicien de se concentrer sur la compréhension du problème en cours.

C’est là que se présente pour moi l’opportunité immédiate : une seule application au lieu de plusieurs.

Réduire l’effort lié au travail quotidien sur le terrain

Le même principe s’applique au travail administratif entourant les opérations de terrain.

L’effort manuel provient souvent de la nécessité de localiser de l’information dans différents systèmes. Chaque application peut contenir une partie de ce qu’il faut au travailleur, mais il doit néanmoins naviguer de l’une à l’autre pour obtenir une vue complète.

Rassembler cette information dans une seule interface réduit le nombre d’étapes nécessaires.

Cela rend également GenAI utile sans forcer les services publics à modifier complètement la façon dont leurs équipes de terrain travaillent. Les employés peuvent continuer d’utiliser les appareils qu’ils connaissent tout en ayant un accès plus direct à la documentation dont ils ont besoin.

L’objectif est de simplifier la recherche d’informations, surtout lorsque les travailleurs doivent résoudre des problèmes techniques qui exigent de connaître les activités antérieures et l’état d’un actif.

Transférer l’expérience à la prochaine génération de travailleurs

Une autre application importante concerne le transfert des connaissances.

Les employés de longue date accumulent une expérience considérable avec certains actifs, environnements et systèmes. Une partie de ce savoir est captée dans la documentation technique, les dossiers d’entretien et d’autres documents constitués au fil du temps.

À l’arrivée d’un nouvel employé, il existe généralement deux façons de transférer ce savoir.

La première est l’interaction de personne à personne. Le nouvel employé s’assoit avec un collègue expérimenté, pose des questions, prend des notes et développe peu à peu une compréhension du travail.

La seconde est l’interaction entre le système et la personne, où l’employé apprend en consultant les informations déjà saisies dans les systèmes de l’organisation.

GenAI peut faciliter grandement cette deuxième approche.

Si la documentation des savoirs existants est reliée à un assistant numérique, un nouveau travailleur de terrain peut poser des questions directement et recevoir l’information tirée de ces documents.

Cela pourrait réduire le temps consacré à localiser et parcourir la documentation pendant l’intégration. C’est aussi une façon pratique de rendre le savoir technique accumulé plus accessible aux employés qui apprennent encore leur environnement.

La valeur dépend toutefois de la disponibilité et de la qualité de ces connaissances à la base. Un assistant numérique a besoin d’une documentation fiable à laquelle puiser, ce qui rend la qualité et l’accessibilité des données existantes essentielles.

Pourquoi les services publics doivent adopter une approche réfléchie

Les avantages potentiels en productivité sont considérables, mais les services publics fonctionnent différemment de bien d’autres industries.

Ils sont fortement réglementés et, ce qui est compréhensible, demeurent prudents face à l’adoption de nouvelles technologies. La sécurité est un enjeu majeur, surtout lorsque de nouvelles applications doivent accéder à des renseignements opérationnels.

Je considère que cette prudence est une force.

Dans une entreprise technologique agile, une application AI peut être introduite et améliorée relativement rapidement. Dans un service public, l’adoption exige plus de réflexion en raison de l’environnement dans lequel la technologie doit opérer.

C’est pourquoi je crois que l’implantation doit débuter par un cas d’usage précis et un profil d’utilisateur clairement défini.

Un technicien de terrain, par exemple, a des besoins d’information spécifiques. L’application GenAI devrait donc être conçue en fonction de ces besoins et du travail qu’il doit effectuer.

L’intervention humaine demeure aussi essentielle.

Certaines activités sur le terrain impliquent l’isolation, l’essai, la vérification et l’autorisation, soit des occasions où une personne doit rester impliquée dans le processus. GenAI peut aider à extraire de l’information et appuyer le travailleur, mais elle doit s’intégrer dans le cadre de gouvernance qui entoure ces activités.

L’intégrité des données, la sécurité et la gouvernance sont tout aussi importantes. Les services publics doivent déterminer où l’information est stockée, comment elle est récupérée et quels utilisateurs ou applications auront l’autorisation d’y accéder.

Ces décisions devraient être prises avant d’introduire GenAI dans les opérations sur le terrain.

Se préparer pour les prochaines années

Je m’attends à voir une croissance de l’adoption de GenAI dans les services publics, même si le rythme reflétera l’importance que l’industrie accorde à la sécurité et au contrôle des opérations.

Cette approche mesurée est particulièrement pertinente alors que les services publics se préparent à des besoins accrus envers leur infrastructure.

L’État du Texas en donne un exemple. On prévoit une croissance significative de la charge autour de 2030 et 2031. Au cours des trois ou quatre prochaines années, je crois que GenAI pourrait transformer la façon dont les services publics fonctionnent et accélérer le développement des lignes de transport, des réseaux de distribution et des postes électriques.

Pour les travailleurs de terrain, les avantages débutent avec des améliorations concrètes : trouver plus rapidement l’information technique, réduire l’effort de recherche dans plusieurs systèmes et rendre plus accessible le savoir des employés expérimentés.

La technologie doit être implantée avec un objectif clair, de bons contrôles sur les données et une implication humaine appropriée.

Les services publics ont raison d’adopter une approche réfléchie. Dans une industrie responsable d’infrastructures critiques, avancer lentement et sûrement peut rapporter gros.