Dragan Savic
Cet article est tiré de l’article « AI & Water management – What utilities need to know now » (IA et gestion de l’eau – Ce que les services publics doivent savoir maintenant). Vous trouverez l’article complet ici.
L’avenir des chatbots : imaginer une interface client plus intelligente pour les clients de l’eau
Vous pouvez voir comment ChatGPT, limitations mises à part, pourrait avoir des applications utiles lorsqu’il s’agit de chatbots de service client plus intelligents dans le secteur de l’eau. Aujourd’hui, la plupart des chatbots de service client commencent par des réponses générées par ordinateur aux questions des clients. Lorsque l’ordinateur ne peut pas répondre à la question du client en s’appuyant sur sa base de données disponible de questions et réponses prédéfinies, il transmet le client à un humain. Mais ces types de chatbots donnent souvent l’impression de parler à un ordinateur et ne sont souvent pas très utiles.
Si quelque chose comme ChatGPT, cependant, avait accès aux informations d’une organisation particulière comme une compagnie des eaux, il pourrait produire des réponses beaucoup plus pertinentes aux questions des clients en s’appuyant sur les données de facturation, les données client et même les données du système d’eau.
L’IA peut être en mesure d’aller beaucoup plus loin en répondant à des préoccupations et à des questions telles que « L’eau coule de mon robinet », « Mon eau est brune » ou « Pourquoi ma facture est-elle si élevée? » avant de passer le client à un humain.
Imaginez, par exemple, qu’un client se plaint à un chat assisté par IA avec des capacités puissantes comme ChatGPT que son eau sort lentement du robinet (en raison de la faible pression). S’il avait accès aux bonnes données, il pourrait effectuer une analyse des sentiments pour voir s’il existe d’autres rapports de problèmes dans le même domaine. Ensuite, il pourrait alerter les équipes et formuler une réponse utile, telle que: « Oui, nous semblons avoir un problème dans cette région, et nous avons une équipe qui se rend là-bas. Ils devraient être faits en deux heures et votre service sera rétabli. »
C’est le type d’impact qu’une IA comme ChatGPT pourrait avoir sur l’amélioration des chatbots du service client dans le secteur de l’eau, si elle avait accès aux données de l’organisation et que ses autres limitations, que nous avons énumérées dans la première section de ce document, étaient résolues.
Exemple de conversation d’un client d’un service public avec un chatbot avancé
Calcul évolutif pour résoudre des problèmes complexes de conception de systèmes de distribution d’eau (en deux fois moins de temps)
Un domaine prometteur de l’IA dans le secteur de l’eau est le calcul évolutif pour découvrir des conceptions optimales pour les systèmes de distribution d’eau. Cela serait particulièrement pertinent pour les initiatives de planification dans les systèmes de distribution d’eau de taille moyenne, tels que les villes de 50 000 à 100 000 habitants. Il pourrait être utilisé, par exemple, pour des initiatives de planification générale à long terme afin d’optimiser les coûts futurs d’expansion, d’entretien et de réparation.
Le calcul évolutif est un sous-domaine de l’intelligence artificielle qui résout des problèmes très complexes avec trop de variables pour les algorithmes traditionnels. Comme son nom l’indique, le domaine s’inspire des fondamentaux de l’évolution naturelle. Le calcul évolutionniste utilise des algorithmes génétiques qui s’appuient sur des principes tels que l’hérédité et la sélection naturelle – la norme selon laquelle les organismes mieux adaptés à leur environnement propagent leur matériel génétique et se reproduisent pour devenir plus nombreux dans leur environnement.
Dans le secteur de l’eau, le calcul évolutif résout le problème de tester les possibilités presque infinies qu’il existe pour parvenir à une conception optimale du système d’eau. Même avec 100 000 pieds de tuyaux, par exemple, si vous deviez changer chaque tuyau à tour de rôle pour trouver la conception la plus optimale en termes d’efficacité et de coût, il n’y a pas de temps de calcul disponible dans le monde pour le faire. Cela ne peut certainement pas être fait par un humain. La plupart des ingénieurs n’auront le temps d’envisager qu’une poignée de solutions de conception pour un projet.
L’idée est que l’IA peut tester en permanence de petits changements sur de grands systèmes complexes, en adoptant les solutions fortes et en changeant les solutions faibles, jusqu’à ce que le système atteigne ce que l’on appelle « une solution presque optimale ».
En fait, il a été démontré que l’informatique évolutive permet d’économiser plus de la moitié du coût et de produire de meilleures solutions que les conceptions produites manuellement. L’IA basée sur des algorithmes génétiques peut nous apporter des solutions aux problèmes de conception des systèmes de distribution d’eau que notre secteur n’aurait pas pu résoudre dans le passé sans l’IA.
L’IA pour les opérations quotidiennes : l’apprentissage automatique pour la détection des défauts et la vision par ordinateur
Détection de défauts et d’anomalies
L’une des applications les plus pertinentes de l’IA dans les processus quotidiens d’un service public est la détection des défauts. Il s’agirait d’un système d’IA qui utilise l’apprentissage automatique pour détecter les défauts dans un système d’eau avant qu’ils ne causent un problème au client. La façon dont cela fonctionne est que l’IA apprend ce qui est normal en fonction des performances historiques du système. Il reconnaît les tendances normales en fonction de l’heure de la journée, de la température, de la saison et d’autres variables, puis il fait une prédiction de ce qui se passera ensuite. Si la prédiction est d’une valeur égale ou similaire à ce à quoi elle s’attendrait, alors il n’y a pas de problème. Mais s’il y a un écart important, il peut alerter les opérateurs.
Par exemple, imaginez qu’un tuyau éclate quelque part dans votre système de distribution au milieu de la nuit et que votre système d’IA détecte un problème. Il pourrait alors alerter une équipe pour aller le réparer avant qu’il ne cause des problèmes au client. Le matin, le client allume la douche sans même savoir qu’il y a un problème.
Combinez ce type de système d’analyse et d’alerte piloté par l’IA avec un modèle de langage naturel génératif comme ChatGPT, et les services publics aux ressources limitées, en particulier les petits services publics qui n’ont peut-être pas le service d’analyse interne qu’un plus grand service public a souvent, pourraient voir un énorme avantage.
Nous voyons ce type de capacités d’apprentissage automatique et de traitement du langage naturel émerger dans l’industrie de la gestion de l’eau avec des outils comme Qatium, par exemple, qui dispose d’un assistant numérique « Q » qui fournit des alertes pour les anomalies telles que les zones de pression anormales, les niveaux de réservoir, les débits et d’autres opérations quotidiennes importantes.
Vision par ordinateur
Comme discuté précédemment, une application d’IA d’apprentissage profond que nous voyons de plus en plus dans le secteur de l’eau aujourd’hui est la vision par ordinateur. La vision par ordinateur utilise l’apprentissage profond pour analyser les vidéos et les photographies afin de détecter les anomalies, les fuites et les défauts beaucoup plus rapidement et avec plus de précision que l’analyse traditionnelle.
L’IA d’apprentissage profond est extrêmement bonne et rapide pour apprendre les caractéristiques visuelles des tuyaux. Il peut caractériser les imperfections d’une manière méthodique que les humains n’ont tout simplement pas la bande passante pour faire. L’apprentissage profond basé sur l’image peut s’appuyer sur son immense ensemble de données pour pouvoir identifier si, par exemple, les images montrent une accumulation de débris ou s’il s’agit en fait d’une rupture ou d’un glissement dans une connexion de tuyau. Même si les humains n’ont pas fait d’erreurs, après deux ou trois heures à regarder ce genre de séquences, cela perd tout son sens. Mais l’apprentissage automatique profond n’a pas ce problème, ce qui en fait une très bonne application pour les données de télévision en circuit fermé (CCTV). Il existe même des applications récentes où les modèles d’apprentissage profond basés sur l’image utilisent des images de vidéosurveillance pour analyser la densité des gouttes de pluie afin de reconnaître l’intensité des précipitations, ce qui a des implications importantes pour les réponses rapides de gestion des inondations.
Quelle est la prochaine étape pour les applications de l’IA dans le secteur de l’eau ?
La robotique a un avenir clair dans l’industrie de la gestion de l’eau. Notre industrie s’occupe d’infrastructures difficiles et parfois dangereuses à surveiller, à accéder, à inspecter et à comprendre parce qu’elles sont enfouies sous terre. Et tandis que les robots jouent un rôle clé dans d’autres industries où il est trop difficile, dangereux ou perturbateur pour les humains de voyager pour collecter des données, le secteur de l’eau n’a pas encore pleinement exploité la robotique.
Pourtant, nous avons vu quelques mouvements vers la robotique dans l’industrie de l’eau. Par exemple, des dispositifs ont été mis au point que les gens laissent tomber dans les tuyaux pour collecter des données pour la détection des fuites. Les appareils ne restent pas dans les tuyaux; Ils sont déposés à un endroit, puis ramassés à un autre endroit, afin que les données puissent être récoltées et analysées.
Mais à l’avenir, nous devrions voir plus de robots autonomes qui restent indéfiniment dans un système d’eau, rampant à travers un réseau de canalisations et collectant et envoyant continuellement des données à analyser avec l’analyse de l’IA pour obtenir des informations sur un réseau.
Comme mentionné précédemment, les progrès de l’IA dans le secteur de l’eau sont limités parce que, premièrement, nous ne sommes pas une industrie à haut profit et, deuxièmement, nous sommes peu enclins à prendre des risques parce que nos systèmes d’eau sont essentiels à la santé humaine. Ainsi, même si la robotique et l’IA sont un avenir logique pour les solutions de gestion de l’eau, nos progrès dans cette direction sont plus lents que dans d’autres industries. Néanmoins, nous devons être optimistes quant aux applications potentielles passionnantes des futures solutions d’IA dans notre secteur.
#QatiumExperts
Qatium est co-créé avec des experts et des leaders d’opinion de l’industrie de l’eau. Nous créons du contenu pour aider les services publics de toutes tailles à faire face aux défis actuels et futurs.
Dragan Savic, PDG de l’Institut de recherche sur l’eau KWR, est conseiller Qatium.
