Dans un contexte de transition énergétique accélérée, les systèmes d'énergie doivent s'adapter à des contraintes nouvelles : intégration massive des énergies renouvelables, électrification des usages, décentralisation de la production et digitalisation croissante des réseaux. Ces mutations rendent indispensable le développement de solutions innovantes pour garantir la stabilité et l'efficacité des réseaux électriques. C'est dans ce cadre que s'inscrit la chaire MIAI "AI for Smartgrids", co-portée par Vincent Debusschere et Nouredine Hadjsaid, chercheurs au G2Elab et enseignant à Grenoble INP - Ense3, UGA.
Le système électrique repose sur un équilibre systématique entre production et consommation d'énergie. L'essor des énergies renouvelables, de par leur nature intermittente, et l'augmentation des usages électriques (mobilité, chauffage, industrie) complexifient le travail pour assurer cet équilibre. Aujourd'hui, l'électricité représente environ 20 % de l'énergie finale consommée, mais cette part pourrait atteindre 50 % d'ici 2050. Cette transformation impose de repenser la gestion des réseaux. En parallèle, des technologies de communication et des capacités de calculs supplémentaires sont déployées. Elles permettent d'explorer de nouvelles approches basées sur l'intelligence artificielle.
La chaire "AI for Smartgrids" se focalise sur trois enjeux majeurs : la digitalisation, la décarbonation et la décentralisation. Elle explore l'utilisation de l'IA pour optimiser en temps réel les flux d'énergie, anticiper les variations de production et de consommation, et renforcer la résilience des réseaux. « Nous travaillons sur des systèmes où la prise de décision est décentralisée, explique Vincent Debusschere. Cela permet de rendre le réseau plus résilient, en assurant un redémarrage rapide en cas de coupure, ou en isolant certaines zones pour qu’elles restent alimentées. »
Les recherches menées au G2Elab s'appuient sur des plateformes expérimentales reproduisant différentes zones de réseaux de distribution, où différents scénarios peuvent être émulés. Par exemple, les chercheurs étudient la flexibilité des systèmes : une voiture électrique peut-elle, en plus de se charger, réinjecter de l'énergie sur le réseau en cas de pic de demande ? Peut-on optimiser la consommation d'un quartier en modulant les usages en fonction de la production locale ? Ces questions, parmi d'autres, sont abordées grâce à des modèles hybrides combinant expertise humaine et algorithmes d'apprentissage automatique. « L’IA nous permet de pallier certaines lacunes dans la modélisation des systèmes d’énergie, précise le chercheur. Elle apporte des prédictions qui peuvent être erronées, certes, mais pour lesquelles elle a la capacité d’apprendre à gérer l’incertitude. Une supervision humaine est bien sûr conservée. »
Au-delà des aspects purement technologiques, la transition vers des réseaux intelligents pose des questions économiques, environnementales et sociétales. Comment assurer une équité d'accès à l'énergie tout en optimisant les ressources disponibles ? Quels modèles économiques mettre en place pour encourager les comportements vertueux des consommateurs ? Les solutions expérimentées doivent aussi être adaptées aux infrastructures existantes, conçues pour durer plusieurs décennies. L'interopérabilité des technologies, la robustesse des systèmes de contrôle et la cybersécurité sont autant de paramètres à intégrer.
Au-delà des débats à propos de l’IA générative, qui n’est pas utilisée dans les travaux discutés ici, les recherches menées par le G2Elab au sein de la chaire MIAI illustrent le potentiel de techniques d'intelligence artificielle pour répondre aux défis énergétiques du futur. En alliant modélisation, optimisation et analyse de données, ils contribuent à façonner des réseaux plus intelligents, plus flexibles et plus durables. Un enjeu clé pour assurer la transition vers un système électrique décarboné et résilient.
*CNRS / UGA / Grenoble INP - UGA
