Transcription

• Speaker #0

  Aujourd'hui je suis ravi de recevoir Nadej Brun de Total Energy sur Voice of Industries. Bonjour Nadej.

• Speaker #1

  Bonjour Mathieu.

• Speaker #0

  Alors est-ce que tu peux nous décrire en quelques mots tes activités chez Total Energy ? Alors tout le monde en France connaît Total Energy, ne serait-ce que pour faire le plein de son véhicule, mais les activités sont quand même plus vaste que juste le carburant et puis nous dire un peu ce que Quel est ton rôle en tant que responsable de la stratégie autour de l'IA et de la data au sein du groupe ?

• Speaker #2

  Oui, tu as raison, il n'y a pas que les carburants chez Total Energy, on en parlera un petit peu par la suite. Aujourd'hui, je m'occupe principalement de tout ce qui est transformation digitale et tout ce qui est stratégie IA pour une division technologique qui s'occupe de tout ce qui est suivi, troubleshooting de nos sites, de nos finales. Tout ce qui est exploration de pétrole également, production de pétrole, et puis raffinage, marketing, service également.

• Speaker #0

  Donc tu es très ancrée sur les opérations du groupe ?

• Speaker #2

  Je suis très ancrée sur les opérations du groupe, exclusivement digital. J'ai fait toute ma carrière, quasiment 17 ans, sur de la donnée industrielle, tout type de données confondues, et très important d'avoir une vision client.

• Speaker #0

  Donc une pionnière dans le domaine, on peut dire ?

• Speaker #2

  Une pionnière dans le domaine, tout à fait, oui, tout à fait.

• Speaker #0

  Dans le cadre de tes activités au sein du groupe Total Energy, Quels sont tes clients ? Est-ce que c'est des clients internes pour qui tu développes des outils autour de la Data & Dia ? Ou est-ce que tu as également des choses que vous développez pour des clients externes au groupe ?

• Speaker #2

  Alors sur mes activités propres, mes principaux clients sont des clients internes Total Energy. Petit rappel, on est divisé en plusieurs branches. Une branche exploration production, raffinat chimie, marketing service et la branche GRP, gaz renouvelable production. Je fais partie de OneTech, OneTech répond à l'entièreté de ces quatre branches-là. Donc des clients majoritairement opérationnels, mais également, on n'oublie pas la montée en compétence, des gens en siège, pour pouvoir bien répondre à la demande finale du client qui va utiliser nos applications.

• Speaker #0

  Aujourd'hui, on enregistre sur le salon Tech for Industries. Qu'est-ce qui t'a amené à venir sur ce salon ? Qu'est-ce que tu es venu chercher ? ou partagées ?

• Speaker #2

  J'étais très curieuse parce qu'il y a Vivatech qui est très connu, qui s'est tenu la semaine dernière, sur lequel j'ai pu participer plusieurs fois. Ce salon-là, c'est la première édition et j'étais plutôt curieuse de voir les thématiques des industriels et des différentes plénières. C'est ce qui m'intéresse principalement, c'est les plénières. Les conférences. Les conférences.

• Speaker #0

  Alors si on revient sur tes activités et les projets de digitalisation que tu as pu piloter, quels étaient les enjeux prioritaires sur lesquels vous avez travaillé ? pour chercher quel gain, pour répondre à quels enjeux ?

• Speaker #2

  Sur les enjeux, on est beaucoup sur tout ce qui est transformation digitale, tout ce qui est consommation énergétique, détection des signaux faibles. J'ai eu la chance d'avoir une équipe composée d'une dizaine de personnes avec des compétences soit procédées, soit IT, soit digitales. Et on a réussi à dérisquer énormément d'enjeux énergétiques pour la compagnie. au niveau de quelques sites de Total Energy.

• Speaker #0

  Donc vraiment lié sur l'efficacité énergétique de vos procédés industriels.

• Speaker #2

  Vraiment lié sur l'efficacité énergétique de nos procédés et avec une application finale qui a été plugée dans les legacies des systèmes utilisés par les opérateurs pour les guider sur la manière d'opérer les unités afin d'optimiser l'énergie consommée ou dépensée.

• Speaker #0

  Alors est-ce qu'on peut creuser un peu plus sur comment ça s'est passé, comment vous avez développé ces solutions et qu'est-ce que ça a apporté concrètement ?

• Speaker #2

  Complètement. En plus, l'idée est très intéressante et l'histoire est plutôt belle puisque ça vient d'un ingénieur d'un site qui travaillait sur un fichier Excel initialement pour optimiser tout ce qui était consommation énergétique de son usine. Et puis nous on se cherchait un peu comment utiliser la data, la technologie, l'application pour moderniser, digitaliser tout ça. Et puis le sujet est venu tout doucement dans notre équipe. On y a mis un peu de data science, un petit peu de machine learning. On a regardé comment le pluguer tout simplement dans le système industriel. Et c'est une belle histoire puisqu'il y a eu un déploiement sur tous les sites Raffinachimie. En partant d'un fichier Excel ? En partant d'un fichier Excel avec un jeu de filtre que les opérateurs remplissaient complètement.

• Speaker #0

  Et quand on fait ce genre de projet, en général, ce n'est pas un long fleuve tranquille ? Quel genre d'écueil tu as pu rencontrer et comment vous avez réussi à y répondre ?

• Speaker #2

  Les écueils les plus récurrents qu'on rencontre sont le frein humain. C'est les gens qui ne croient pas dans la data science ou le machine learning parce qu'on est sur des métiers très historiques, sur un savoir-faire acquis depuis de nombreuses années. Nous on intervient avec des algorithmes, on intervient avec un peu de digitalisation, une autre manière de voir les choses et c'est beaucoup d'échanges et de discussions. Mais le vrai succès derrière c'est que quand ça vient des équipes, elles s'entraident. à entendre quelque chose de différents et elles ont cette curiosité que les gens n'ont pas si on leur impose un produit ou une application.

• Speaker #0

  Alors Total c'est un grand groupe, quand on a une petite équipe comme ça pour piloter ce genre de projet, comment on arrive à les mettre en mouvement, à les motiver pour réussir à déployer et obtenir tous ces gains ?

• Speaker #2

  On a eu beaucoup de chance, tu as raison, Total Energy c'est 100 000 collaborateurs dans le monde. Et puis on a eu la création de la branche One Tech qui a créé cette équipe-là à l'époque, quand je l'ai eue en 2021. Les gens se connaissaient, travaillaient déjà un peu ensemble. Et puis on a fait quelques brainstormings d'innovation. Comment est-ce qu'on pourrait utiliser nos compétences ? Comment est-ce que la compétence du data scientist pouvait servir l'ingénieur procédé ? Et comment la compétence IT pouvait servir tout ça pour les sites ? Moi, j'avais une règle que j'imposais à l'équipe, c'est vision client, qui soit le plus simple et le plus rationnel possible.

• Speaker #0

  D'ailleurs, comment on fait travailler tous ces gens avec des profils très variés ensemble ? Des gens du métier, des détails scientifiques ?

• Speaker #2

  Avec beaucoup de bonne humeur et beaucoup d'humilité, parce qu'on est toujours un peu amené à se reposer les mêmes questions. On se répète souvent parce qu'on ne parle pas forcément le même langage. C'est bien d'avoir une personne un peu hybride qui parle le langage des gens du terrain, des gens de l'IT. Et en fait, tout ça, c'est arrivé. C'est aussi le principe de la Digital Factory. Total Energy a créé la Digital Factory il y a cinq ans. Et c'est exactement le même principe. La Digital Factory n'a pas l'ambition de répondre à toutes nos ambitions digitales. Et c'est bien d'avoir des petites équipes digitales réparties dans la compagnie pour répondre à d'autres besoins clients également.

• Speaker #0

  Et ça amène de l'agilité j'imagine ?

• Speaker #2

  Ça amène de l'agilité. On s'est formé sur les méthodes agiles, on a travaillé les projets en méthode agile. Donc ça aussi c'était une nouvelle compétence acquise par les équipes. Alors aujourd'hui tu ne peux plus parler de digital sans parler d'agilité ou sans parler de lead. Mais il y a 5 ou 10 ans on n'en parlait pas. Donc ça a aussi évolué, les gens se sont remis en question dans les méthodes de travail et surtout de voir qui délivrait. On a aussi fait des reporting d'utilisation de nos applications et en fait c'est une vraie satisfaction de voir que nos applications étaient très utilisées, très appréciées.

• Speaker #0

  Toi tu as commencé dans la data il y a 17 ans, tu le disais, donc on peut clairement dire une pionnière dans la data industrielle. Aujourd'hui avec ce recul-là... Quelles sont les tendances que tu vois émerger et les sujets sur lesquels un industriel ne doit pas rater le coche ?

• Speaker #2

  Ça c'est une très très bonne question. En fait en 17 ans le milieu a énormément évolué. Ce qu'on faisait à l'époque on ne le fait plus aujourd'hui, les stratégies sont toutefois similaires. Là où il ne faudrait pas rater le coche c'est avec tout ce qui est IA génératif qui arrive sur le marché. On le voit depuis deux ans, ça fait un gros boom. Ça fait un gros boom notamment chez les éditeurs de logiciels. Moi je m'inquiète du futur de nos logiciels en fait. Un éditeur de logiciels en l'état n'aura plus de valeur ajoutée puisqu'on est capable de faire nous-mêmes nos propres agents. Ma spécialité d'origine, quand j'ai découvert le Data Science Machine Learning il y a 17 ans, c'était l'analyse en ligne et la chimie des procédés. Aujourd'hui, avec ce que je faisais à l'époque en code ou en no-code, low-code, je le fais avec un agent Microsoft qui fonctionne très bien, avec les mêmes performances, les mêmes maîtrises. C'est le coche pour moi, à ne pas rater, c'est l'évolution de notre parc d'applications dans la compagnie.

• Speaker #0

  Et quand tu dis ça, c'est d'être sûr qu'elles intègrent bien ces technologies et qu'elles en tirent toutes les capabilités ?

• Speaker #2

  Complètement, complètement. Aujourd'hui, on l'entend beaucoup. Tu as énormément de questions sur la donnée, à qui elle appartient, comment on l'arrange, comment est-ce qu'elle est gouvernée. Et en fait, tu vois que le système de main qui va fonctionner, c'est un système hybride où le propriétaire de la donnée va travailler main dans la main avec l'éditeur de logiciel. Si l'éditeur de logiciel veut pouvoir garder une part de marché, il va devoir proposer du génératif. Pour le coup, Optimistic le fait très bien puisqu'il va apporter une solution simple à un utilisateur néophyte qui va pouvoir interroger le logiciel. Donc là-dessus, je pense qu'il y a une grosse marge de manœuvre.

• Speaker #0

  Donc il y a ce coche de l'IA générative à ne pas rater, mais je me souviens d'une discussion qu'on a vue lors d'une conférence précédente sur également le fait de ne pas oublier certains fondamentaux, je pense au sujet de maîtrise statistique des procédés, vu d'où tu viens, je pense que c'est un sujet que tu as bien traité. Et comment on fait pour, quelque part, ne pas rater le coche de ces nouvelles évolutions technologiques et réussir à ne pas les opposer à des fondamentaux qu'il faut garder pour continuer à être performant dans son activité industrielle ?

• Speaker #2

  La question est pertinente et pour moi tu ne vas pas les opposer, tu vas travailler avec de manière complémentaire. Alors même si l'IA aujourd'hui c'est un outil, demain ce sera un vrai collaborateur qui apprendra des règles et de la gouvernance qu'on a en place. Tu as beaucoup de questions aujourd'hui sur quelle gouvernance, quelle maintenance, mais en fait c'est des choses qui existent déjà. Pour tout ce qui est contrôle statistique des procédés, si demain j'ai un modèle d'IA qui tourne pour tout ce qui est prédiction, propriété, qualité en cours de production, Cet agent-là va suivre les mêmes règles de gouvernance qu'on a aujourd'hui avec du machine learning classique.

• Speaker #0

  Donc globalement les outils... ...évolue, mais la démarche globale, les approches restent relativement similaires.

• Speaker #2

  Moi je m'imagine comme ça, complètement.

• Speaker #0

  Très bien. Pour conclure cet échange, quels seraient les trois éléments clés que nos auditeurs devraient retenir pour réussir leur transformation digitale ?

• Speaker #2

  C'est une question que j'ai longtemps réfléchie et on travaille beaucoup dessus. Pour moi, le premier levier, la culturation, la culturation de tout à chacun. Donc on a des gens sièges qui sont très familiarisés du digital et de la data science. Ça a fait un grand boom en 2024 avec ChatGPT, donc les gens l'utilisent au quotidien, donc ça commence à venir tout doucement sur l'opérationnel. Il ne faut pas oublier les gens des sites qui n'ont pas forcément cette appétence-là. Donc ça, ce sera le premier levier pour tout ce qui est acculturation digitale. Le deuxième levier, ça serait les collaborations. En fait, on n'arrivera jamais à tout faire en interne. On a des très bons parties prenantes avec qui on peut travailler, avec qui on peut collaborer. Clairement. Et le troisième levier, on parle beaucoup de gouvernance de la donnée, on parle beaucoup de centraliser, virtualiser la donnée. C'est quand même une problématique qui existe depuis plus de 20 ans ou 30 ans et c'est quand même un puits sans fond de savoir comment est rangée la donnée. Moi demain je rêve d'un monde où je n'aurais pas besoin de la ranger. Je rêve d'un monde où elle soit labellisée de facto, où on travaille en métadonnées, où un agent soit capable de faire ça. Puisque l'humain, on a beaucoup de mal à se poser des questions sur comment est-ce qu'on va ranger notre bain.

• Speaker #0

  Oui, tout en n'oubliant pas d'intégrer le métier dans tout ça et comment on le fait. Complètement.

• Speaker #2

  Et c'est l'IA de contexte en fait. Tu le vois bien, la question de l'expert, elle est repositionnée au sein de l'IA, mais pas parce qu'on va le remplacer, mais comment est-ce qu'on va apporter du contexte à tout ce qui est agent et agentique qui arrive demain. Donc pour moi, c'est plus important quand je fais des modèles data science, machine learning avec de l'IA générative. j'ai cette force-là de pouvoir discuter avec un collaborateur qui fait de la data science. Donc je challenge sur ses métriques, je challenge sur sa stratégie d'optimisation. Un expert va devoir faire la même chose, mais il va parler à une machine qui va être tout aussi performante et peut-être même plus performante qui va lui proposer des solutions à laquelle il n'aura pas pensé.

• Speaker #3

  C'est un très bon mot d'affaire. Merci beaucoup Nadege.

• Speaker #2

  Merci à toi.