L’IA dans le pétrole et le gaz : une pente moins glissante

L’intelligence artificielle (IA) est devenue l’une des technologies les plus prometteuses en matière de numérisation de l’industrie pétrolière et gazière. L’IA peut faciliter les modèles de maintenance prédictive et la rationalisation opérationnelle et a des applications dans la découverte, la gestion et la vente de nouveaux hydrocarbures. Introduire de la stabilité dans un marché intrinsèquement volatil peut conduire à une meilleure prise de décision, à une réduction des coûts et à une efficacité accrue.

La question est de savoir comment une main-d’œuvre vieillissante, une infrastructure vieille de dix ans et des processus obsolètes intègrent cette technologie en évolution rapide.

En amont

Le défi fondamental auquel sont confrontées les opérations en amont est l’incertitude et les risques associés à l’exploration, au forage et à la gestion des réservoirs. La découverte de réserves pétrolières et gazières commercialement viables nécessite des investissements importants dans les activités d’exploration, sans aucune garantie de découvrir des réserves économiquement récupérables. Même si des réserves viables de pétrole et de gaz sont découvertes, il est crucial de comprendre les caractéristiques du réservoir, telles que la taille, la perméabilité et la pression, pour optimiser les taux de production.

L’IA est un outil clé pour accélérer et optimiser l’exploration, le forage et l’extraction de nouveaux hydrocarbures. Les améliorations ultérieures peuvent réduire le temps passé sur site, réduisant ainsi le risque de blessure, en particulier en mer.

• Exploration : L’IA a considérablement réduit le temps nécessaire à l’exploration des réservoirs et au traitement des données d’imagerie 3D acquises lors d’études pétrophysiques et géophysiques et de relevés sismiques. De plus, l’interprétation d’images 3D (cubes sismiques) par des experts, qui prenait auparavant plus d’un an pour obtenir des résultats précis, a été accélérée grâce à des techniques modernes de reconnaissance de formes basées sur l’apprentissage profond. En mai 2023, Shell a annoncé une collaboration avec SparkCognition pour déployer une IA générative qui nécessite aussi peu que 1 % du nombre habituel de tirs sismiques requis pour produire des images souterraines de haute qualité.
• Forage : Une fois l’IA utilisée pour analyser l’imagerie sismique, les ingénieurs peuvent choisir un chemin approprié pour le forage. Les algorithmes d’IA mettent à jour la trajectoire de direction d’une foreuse et évaluent les conditions d’un foret pour éviter des dommages potentiels, conduisant ainsi à un forage souterrain plus efficace à moindre coût. Par exemple, Equinor exploite actuellement un projet appelé Artificial Intelligence Maturation (AIM) qui génère automatiquement des chemins de puits.
• Extraction : l’IA peut analyser les données collectées à partir d’équipements d’extraction spécialisés tels que des pompes, des tuyaux et des réservoirs pour maintenir et surveiller le processus d’extraction. Les systèmes de maintenance prédictive basés sur l’IA détectent les fissures et préviennent les fuites, augmentant ainsi l’efficacité de l’extraction.

Milieu du secteur

Les entreprises du secteur intermédiaire sont confrontées à des défis pour transporter, stocker et distribuer des produits pétroliers et gaziers via un réseau de pipelines et de terminaux. Le besoin continu d’entretenir les infrastructures et la menace croissante de consolidation industrielle exercent une pression importante sur les coûts et les marges bénéficiaires.

Il s’ensuit naturellement que les entreprises du secteur intermédiaire se concentrent sur le déploiement de l’IA via la maintenance prédictive. Dans le passé, les capteurs conventionnels ne pouvaient détecter que la pression, la vitesse et la température à l’intérieur d’un récipient de stockage. Grâce aux outils de détection basés sur l’IA, les opérateurs peuvent désormais utiliser ces données pour prédire le niveau de corrosion résultant d’une utilisation opérationnelle.

La transition énergétique a mis la pression sur les entreprises du secteur intermédiaire pour qu’elles trouvent leur place dans le futur mix énergétique. En réponse, l’IA est utilisée pour améliorer le processus de séquestration du carbone. NVIDIA a utilisé l’IA pour évaluer rapidement les sites de séquestration et suggérer des taux et des volumes d’injection.

En aval

Les entreprises du secteur aval sont fondamentalement axées sur la marge, ce qui indique qu’elles profitent de l’écart entre ce qu’elles paient pour acheter des matières premières telles que le pétrole brut et le prix auquel elles vendent des produits raffinés ou des produits pétrochimiques de plus grande valeur.

L’IA peut optimiser chaque étape du processus de production, ce qui entraîne une production plus élevée, une réduction des déchets et une rentabilité accrue. Les modèles d’IA sont utilisés pour optimiser les processus de raffinage tels que la distillation, le craquage et l’hydrotraitement. En analysant les données des capteurs et les enregistrements historiques, l’IA peut recommander des conditions de fonctionnement optimales, conduisant à une efficacité accrue et à une réduction de la consommation d’énergie. L’IA peut également optimiser les stations-service et les points de recharge pour véhicules électriques pour améliorer l’expérience client et l’efficacité opérationnelle.

Les distributeurs de carburant intelligents alimentés par l’IA peuvent personnaliser les recommandations, optimiser les prix et détecter les anomalies. Les bornes de recharge pour véhicules électriques équipées d’IA peuvent prédire les modèles de recharge, gérer la distribution d’énergie et offrir des options de paiement transparentes. Le programme RechargePlus de Shell utilise l’IA pour prédire la demande variable de bornes de recharge pour voitures électriques tout au long de la journée afin que l’électricité puisse être fournie plus efficacement.