En grande partie oui. Le suivi des compteurs d'électricité, de gaz et d'eau, la détection d'anomalies et la proposition de mesures d'économie est une tâche qui se prête bien à un agent d'IA, à condition que les données soient disponibles. Pour un site sans compteurs intelligents ou dont la consommation est relevée manuellement, cette réponse est différente. Cette page explique pourquoi, à partir du profil que nous utilisons pour cette tâche.
Trois axes sont ici déterminants : le degré de structuration, le coût des erreurs et le volume.
La consommation d'électricité, de gaz ou d'eau provient de systèmes qui fournissent déjà des données structurées : relevés de compteurs, horodatages, factures. Il n'y a pas de texte libre à interpréter, pas de conversation téléphonique à mener, pas de document à lire dont la mise en forme diffère selon le fournisseur. Un système de gestion de l'énergie livre une série de chiffres, et une anomalie dans cette série -- un pic un dimanche après-midi, une consommation trois fois plus élevée que des semaines comparables -- est reconnaissable au moyen d'une règle de calcul fixe. C'est précisément le type de travail sur lequel un agent d'IA obtient déjà de bons résultats aujourd'hui : la reconnaissance de motifs sur des séries structurées, en continu, sans que l'attention ne faiblisse après le cinquantième relevé.
Le coût des erreurs est limité. Si l'analyse signale un pic de consommation avec un jour de retard, ou propose une mesure d'économie qui n'est pas optimale, cela ne coûte ni client, ni amende, ni arrêt de production. Cela coûte tout au plus quelques euros d'énergie ou une occasion d'économie manquée qui sera de toute façon remarquée la semaine suivante. Comparez cela à une tâche comme le contrôle qualité d'un produit, où une anomalie manquée entraîne immédiatement un produit hors spécification : là, le coût des erreurs est nettement plus élevé, ce qui explique pourquoi la supervision y est organisée de manière plus stricte.
Le volume est élevé et répétitif. Un site avec plusieurs compteurs, plusieurs fournisseurs et des relevés quotidiens ou horaires produit un flux constant de données qui ne se prête pas à un contrôle occasionnel et manuel. Un facility manager qui fait cela aujourd'hui consulte généralement un tableau de bord ou une facture de manière périodique ; un agent peut surveiller en continu et n'escalader vers le haut que ce qui sort de la norme.
Trois autres axes nuancent le tableau : la marge d'appréciation, la créativité et la conformité obtiennent des scores modérés, pas faibles.
Signaler une anomalie est différent de mettre en œuvre une mesure d'économie. Savoir si un pic de consommation d'eau indique une fuite, une panne d'installation, ou simplement une équipe de nettoyage ayant effectué un service supplémentaire, demande quelqu'un qui connaît le site. L'agent peut donner le signal et proposer plusieurs explications ; le facility manager ou le service technique détermine quelle mesure convient et quand elle est mise en œuvre. C'est le schéma qui correspond à cette tâche : l'IA signale et calcule, un humain évalue avec une supervision qui approuve ou rejette avec motivation.
La conformité entre en jeu dès que les données de consommation sont utilisées pour un rapport à une autorité de contrôle, une certification ou un rapport de durabilité. Il faut alors une responsabilité clairement établie quant à savoir qui a contrôlé les chiffres avant leur diffusion externe, même si l'analyse sous-jacente a été effectuée par un système.
Savoir si cela fonctionne déjà aujourd'hui pour une entreprise spécifique dépend de deux conditions préalables. Les données des capteurs doivent être disponibles : des compteurs intelligents ou un système de gestion de l'énergie qui transmet les relevés en continu ou à intervalles réguliers. Sans cette connexion, il n'y a rien à analyser, et on en reste à un relevé manuel que quelqu'un consigne périodiquement dans un tableur. Par ailleurs, une connexion avec la facturation du fournisseur est utile, de sorte qu'une anomalie de consommation puisse être directement traduite en un montant, plutôt qu'en un simple nombre de kilowattheures ou de mètres cubes.
Les entreprises disposant d'installations anciennes, de locaux loués sans données de comptage propres, ou de sites où l'approvisionnement en services publics passe par le bailleur, manquent souvent de ces conditions préalables. Là, la surveillance reste pour l'instant un travail humain, jusqu'à ce que l'infrastructure de mesure soit adaptée.
Ce qui change ici, ce n'est pas que la gestion des installations disparaît, mais que le travail passe du relevé périodique à la surveillance continue avec gestion des exceptions. On observe le même mouvement pour d'autres tâches qui reposent sur des données structurées : le calcul des besoins en matériaux par commande suit un schéma comparable, où une règle de calcul fixe effectue la majeure partie du travail et un humain évalue l'exception. C'est également visible pour l'enregistrement des marchandises entrantes : beaucoup de saisie structurée, peu de marge d'appréciation, et une supervision qui se concentre sur les anomalies. La quantité de temps libéré ne dépend donc pas du secteur, mais du degré de structuration déjà atteint par les données sous-jacentes.
Ceci n'est pas une recommandation de supprimer des fonctions. Si un glissement de tâches a des conséquences pour le personnel, des exigences légales spécifiques s'appliquent alors ; elles ne sont pas traitées ici. Cette page décrit uniquement quelle partie du travail peut être reprise par un système, sur la base de la nature de la tâche, et quelle partie continue d'exiger une supervision.
Savoir si cela s'applique spécifiquement à votre site dépend des compteurs, systèmes et fournisseurs dont vous disposez, ainsi que de la manière dont votre service technique ou de gestion des installations travaille déjà avec ces données. Le quickscan gratuit de FTE TO AI comporte douze questions, sans compte, et donne une indication de la part des heures d'un profil comme celui-ci qui peut aujourd'hui être reprise par l'IA. Le scan de travail complet, qui cartographie le travail d'une entreprise entière jusqu'au niveau des tâches, est encore en construction.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.