Pendant des années, le saint Graal de la gestion des actifs de services publics a été d’entretenir ou de remplacer les équipements avant qu’ils ne tombent en panne. Une défaillance peut entraîner une interruption, des objectifs de performance manqués et l’envoi en urgence d’une équipe. La prédiction des problèmes permet aux équipes de planifier le travail plutôt que de réagir à la dernière minute.

AI rapproche cette ambition. Il existe également une opportunité plus large en connectant les informations sur les actifs aux données du réseau. Deux horizons temporels sont importants : la gestion des équipements à court, moyen et long terme et les décisions en temps réel nécessaires pour maintenir un approvisionnement électrique fiable.

Voir les actifs dans le contexte du réseau

Prédire quand un actif pourrait échouer dépend de plus que de son ancienneté. Les performances historiques, la géographie, les conditions d’exploitation et les schémas d’utilisation aideront tous à déterminer le comportement des équipements. L’AI peut analyser ces signaux et offrir aux services publics une meilleure base pour décider de ce qui doit être surveillé, et quand.

Mais de nos jours, les actifs ne se limitent plus aux poteaux et aux fils. Des capteurs déployés sur le réseau envoient des données opérationnelles aux postes et aux centres de contrôle du réseau intelligent. Ces signaux révèlent des conditions changeantes qui affectent l’ensemble du système, permettant à l’AI de connecter les informations sur des actifs individuels à ce qui se passe à l’échelle du réseau.

Les services publics peuvent considérer l’état d’un actif en parallèle avec les demandes du réseau, évaluer la gravité d’un problème et prioriser la réponse. Ce contexte est plus utile que de traiter chaque alerte de façon isolée.

Aider les opérateurs à réagir à un réseau en évolution

Les opérations du réseau en temps réel représentent un autre défi. L’offre et la demande doivent rester équilibrées, tandis que la tension et la fréquence doivent se maintenir dans des limites acceptables. Les conditions peuvent changer extrêmement rapidement, exigeant parfois des réponses en une fraction de seconde.

L’AI peut analyser les signaux entrants et offrir aux équipes de la salle de contrôle une vision plus claire des déséquilibres émergents. L’étape suivante est de rendre ces analyses exploitables : qu’est-ce qui a changé et que doit envisager l’opérateur? Les priorités de recherche pour les opérations de transmission de 2026 de l’Electric Power Research Institute vont dans ce sens, incluant l’amélioration de la prise de décision des opérateurs grâce à l’AI, le renforcement de la connaissance de la situation en temps réel et l’amélioration des outils de contrôle de la tension.

L’AI agentique pourrait éventuellement coordonner des réponses sélectionnées à l’évolution des conditions du réseau. Je serais toutefois prudent quant à considérer cela comme une permission de donner à un système autonome la gestion directe des flux d’électricité. La technologie et ses dispositifs de sécurité doivent mûrir avant que les services publics ne lui confient des décisions où une erreur pourrait déstabiliser le réseau.

Connecter la détection à l’action sur le terrain

Il existe une application plus immédiate pour l’AI agentique dans le travail qui suit une observation opérationnelle. Considérons un actif dont les données sur l’état suggèrent qu’un entretien est nécessaire. Un système analytique traditionnel pourrait générer une alerte ou présenter une recommandation sur un tableau de bord. Un flux de travail agentique pourrait aller plus loin.

Dans des paramètres approuvés, un agent pourrait créer un bon de travail d’entretien, planifier la tâche et organiser la mobilisation d’une équipe. Il pourrait ensuite suivre la réalisation du travail et mettre à jour les systèmes de gestion des travaux et d’information client. Le résultat est une séquence d’activités connectées, avec moins de transferts manuels entre l’identification d’un problème et sa résolution.

De tels flux de travail peuvent être définis, surveillés et encadrés. Les services publics peuvent décider où un agent peut agir et à quel moment une personne doit approuver l’étape suivante. Cela offre aux équipes une voie pratique vers une plus grande automatisation sans prendre les mêmes risques que dans un contrôle du réseau en temps réel.

Établir la fondation des données et des communications

Rien de tout cela ne fonctionne sans des informations provenant du terrain à temps et dignes de confiance. Les centres de contrôle du réseau intelligent ont besoin de données provenant de compteurs, de capteurs et d’autres appareils, ce qui met à l’épreuve les réseaux qui les transportent.

En conséquence, la progression conjointe de l’infrastructure de comptage avancée (AMI) 2.0 et la modernisation des télécommunications s’avère essentielle. Les services publics investissent dans des réseaux LTE privés et 5G pour permettre des communications plus rapides et à plus faible latence. Les anciens compteurs et réseaux peuvent ne pas offrir la réactivité requise par des applications d’AI plus exigeantes. Moderniser les compteurs sans connectivité limiterait les avantages.

Un rapport 2026 du département américain de l’Énergie en fournit une illustration utile. Y-W Electric prévoit d’installer des capteurs de tension et de courant sur 70 batteries de condensateurs afin d’améliorer la visibilité en temps réel des conditions du réseau et de permettre un contrôle local intelligent lors de pannes de communication. Ce projet démontre comment les investissements dans la surveillance de terrain peuvent rendre la gestion du réseau plus réactive.

L’analytique en périphérie (edge analytics) est également importante. Il n’est pas toujours pratique de transmettre chaque relevé à une salle de contrôle centrale avant traitement. Certaines analyses peuvent avoir lieu près de l’équipement, permettant ainsi aux systèmes d’identifier localement les conditions pertinentes et de transmettre uniquement l’information nécessaire aux opérateurs. Cela devient de plus en plus précieux à mesure que le volume de données de terrain augmente.

Décider où l’autonomie est sécuritaire

Les services publics ne peuvent pas évaluer l’autonomie de la même façon qu’une application d’affaires typique. Il ne s’agit pas d’une application de panier d’achat où une erreur empêche simplement une transaction. Dans les opérations de réseau, une mauvaise intervention pourrait priver 10 000 foyers d’électricité. Il s’agit d’un tout autre niveau de responsabilité.

Des normes de sécurité et de solides balises opérationnelles doivent être intégrées dès le départ. Un flux d’entretien, une recommandation à un opérateur et une intervention directe sur le réseau ne devraient pas être gouvernés par les mêmes règles. Chacun doit être évalué en fonction des conséquences d’une défaillance et du degré d’intervention humaine requis.

Le rapport 2026 de l’Agence internationale de l’énergie, Modernising Grids in the Age of Electricity, renforce cette distinction. Il montre que l’adoption de l’AI est plus avancée dans l’entretien et la planification, alors que le contrôle en temps réel exige plus d’explicabilité, d’auditabilité et de responsabilité avant que des capacités autonomes puissent être déployées de façon sécuritaire.

Je m’attends à ce que l’industrie définisse plus clairement ces frontières à mesure que l’AI agentique se développe. Certaines activités exigeront toujours une intervention humaine. D’autres, une fois éprouvées et fiables, pourraient évoluer vers une exécution supervisée ou plus autonome. L’autonomie doit être méritée, cas d’utilisation par cas d’utilisation.

Les plus grands progrès

Nous observons déjà une adoption accélérée de l’AI dans les services à la clientèle et les processus administratifs des services publics, comme la facturation, les recouvrements et les centres de contact. Ces fonctions sont importantes, mais elles ne contrôlent pas directement le flux d’électricité. Les opérations centrales du réseau nécessitent une progression plus prudente.

Au cours des quatre ou cinq prochaines années, je m’attends à ce que l’AI joue un rôle plus important dans la surveillance de l’état et les flux de travail liés à l’entretien préventif. Je m’attends également à des avancées considérables dans la qualité des analyses accessibles aux opérateurs. Connaître l’état du réseau est utile; comprendre ce qui a changé et quelle action s’impose est nettement plus précieux.

À mesure que la confiance envers ces systèmes grandira, les services publics pourront étendre l’automatisation à certaines activités opérationnelles. Les progrès viendront de la combinaison de l’intelligence des actifs avec la vision en temps réel du réseau, permettant des réponses mieux informées et coordonnées. Pour les infrastructures critiques, c’est cette combinaison de rapidité, de fiabilité et de contrôle qui déterminera jusqu’où pourra aller l’AI agentique.