Stimuler l'innovation avec le machine learning et l'intelligence artificielle

Clemens Cremer a commencé son parcours au sein de notre bureau allemand (Hambourg) où il a collaboré avec plusieurs équipes et contribué à des projets dans divers domaines, dont la gestion des ressources en eau, l'environnement marin et portuaire, et l'éolien offshore. Il y a trois ans, il s'est installé au QG de DHI, au Danemark, où il a activement comblé le fossé entre la recherche, l'innovation et les applications commerciales. Grâce à son expérience de projet, Clemens a mené nos initiatives d’apprentissage automatique (machine learning) et d’IA au cours de cette période. Il s'est concentré sur les applications d'ingénierie et les assistants dotés d'intelligence artificielle (grands modèles de langage - LLM). Découvrez le parcours de Clemens et ses missions innovantes.

Quel était le métier de tes rêves quand tu étais petit ?

Je ne pense pas que je rêvais d'un métier en particulier, même si bien sûr, à cinq ans j'aurais répondu pompier ou quelque chose dans le genre, mais dans l’ensemble, je pense que je me suis toujours défini par des intérêts particuliers et une forte curiosité plutôt que juste par un métier. Je pense que cet état d'esprit me vient de ma jeunesse dans les années 1990 et 2000, à une époque où l'arrivée massive des ordinateurs et d'Internet à prix abordable a particulièrement mis en lumière combien les exigences professionnelles et les intitulés de postes sont versatiles.

Pour ce qui est de mes centres d'intérêt, cette époque a également attisé ma curiosité au sujet des innovations et du numérique. On peut y ajouter un certain intérêt pour les défis environnementaux et la physique, et les élargir aux questions sociétales, politiques et économiques associées. Cet ensemble de centres d'intérêt m'a amené à étudier l'ingénierie informatique (c.-à-d. comment intégrer la physique dans des ordinateurs) puis à devenir conseiller dans les secteurs de la physique, de l’eau et du numérique. Voilà tous les ingrédients qui me permettent aujourd'hui de relever des défis complexes tout en favorisant le partage de connaissances.

Peux-tu expliquer l'intelligence artificielle (IA) et l'apprentissage automatique (machine learning - ML) à un enfant de 5 ans ?

Hmm, ça change de ce que les clients me demandent habituellement. Essayons avec un exemple à base de bougies de Noël :

Imaginez que vos parents vous disent : « Ne touche pas la flamme d'une bougie allumée, c'est chaud. » Si vous écoutez la consigne, vous avez appris quelque chose de vos parents. C'est aussi une des façon dont l'IA peut apprendre (à partir d'exemples dans lesquels quelqu'un a déjà établi un lien entre les choses), comme « bougie = chaud ». Nous appelons cela l'apprentissage supervisé, parce que, comme un parent qui aide un enfant, quelqu'un entraîne l'IA en lui fournissant des exemples précis.

Si, par contre, personne ne vous a rien dit et que vous touchez accidentellement la flamme, vous sentez qu'elle est chaude et que cela brûle. La prochaine fois que vous verrez une flamme, vous vous en souviendrez. C'est une autre façon d'apprendre pour l'IA : à partir de ses expériences, ou en termes informatiques : les données ! Et ça, c'est l'apprentissage non supervisé.

Vous voyez donc que les IA peuvent apprendre de la même manière que nous. Ce qui est cool, c'est que l'IA peut apprendre grâce à des milliers d'expériences, super rapidement et sans se faire mal.

Peux-tu nous décrire comment DHI utilise les technologies IA / ML pour relever des défis environnementaux ?

D’accord, imaginons des tâches classiques d’ingénierie et réfléchissons selon les trois dimensions recherchées pour les prestations de conseil associées : rapidité, qualité et coût.

En général, cela commence par la collecte et la validation des données. Par exemple, le projet WANDA (Water ANomaly Detection Application) démontre comment l'IA permet de valider les trois dimensions recherchées. Elle valide automatiquement les données complexes des capteurs environnementaux, ce qui rend le processus plus rapide et plus fiable qu'avec une vérification manuelle, tout en étant moins onéreux pour les services des eaux et les agences environnementales.

Pour le traitement et la classification des données, la technologie déployée par exemple dans des projets comme GreenUp utilise l'informatique pour la classification de la couverture urbaine, tandis que MUSE AI détecte et classe les oiseaux à proximité des parcs éoliens. Ces applications rendent les tâches manuelles habituellement chronophages plus rapides (ce qui permet une prise de décision plus prompte) et plus précises, surtout lorsqu'il s'agit de traiter de grandes quantités de données.

En ce qui concerne la prévision opérationnelle, notre système de prédiction des ondes de tempête à Venise montre comment l'IA peut améliorer les approches traditionnelles de simulation. En combinant compréhension physique et machine learning, vitesse et précision sont au rendez-vous, même dans les scénarios décisionnels critiques.

D'autres approches que nous déployons peuvent également combiner des modèles physiques et le machine learning pour (pendant la phase d'inférence) une substitution rapide, ou pour une précision accrue dans les modèles hybrides.

Enfin, nous utilisons des grands modèles de langague (LLM) pour démocratiser l'analyse des données et l'interaction avec les bases de données. Cela rend les données environnementales complexes accessibles à un plus large éventail d'utilisateurs, et pas seulement aux spécialistes des données. Les trois dimensions sont alors équilibrées : un accès rapide, des données de bonne qualité et une analyse rentable.

Tu as également profité du programme de mobilité internationale au sein de DHI, et passé deux mois en Australie en 2024. Raconte-nous cette expérience !

C'est toujours enrichissant de voyager, cela apporte de nouvelles perspectives. Cette fois, avoir suffisamment de temps pour vraiment « me poser », et pouvoir m’immerger pendant plusieurs mois dans cette aventure a été un vrai plus. Bien sûr, ça m'a également été important de revenir aux échanges en chair et en os, et de voyager après la pandémie du COVID.

Ce séjour prolongé m'a permis de mieux comprendre le marché australien et nos clients locaux, sur des secteurs très différents. Par exemple, m'immerger dans le secteur maritime australien a été particulièrement pertinent, car cela m'a permis de comprendre comment les ports non-européens utilisent nos services numériques dans leurs opérations quotidiennes, par exemple, pour optimiser leur capacité et réduire leurs délais.

Ça a été un défi pour moi de gérer le décalage horaire entre l'Australie et l'Europe, puisque je devais continuer à échanger avec des collègues et clients européens. Je pense que cela m'a permis d'aiguiser mon point de vue sur les subtilités de la collaboration à l'échelle internationale.

Et enfin, si tu pouvais avoir un superpouvoir, lequel choisirais-tu ?

Si on reste sur la thématique de l'apprentissage et de la curiosité, je choisirais d'avoir une mémoire infaillible et des souvenirs hyper précis, pour engranger plus de savoir et me souvenir de tout. Je pourrais ainsi enfin me souvenir des noms des gens lors d'événements de réseautage.