Chez Schlumberger, l'intelligence artificielle au service de l'efficacité opérationnelle
lundi 4 mai 2020
Schlumberger et le contexte actuel
Schlumberger est une multinationale d’équipements et de services pétroliers, créée en France en 1926. Elle fournit une grande variété de produits et services avec ses nombreuses filiales et entités, ce qui en fait le leader du secteur. Son activité principale est répartie en trois groupes : la caractérisation du sol, le forage et la production. Pour améliorer l’efficacité de ses activités, Schlumberger investit 1 milliard de dollars par an dans la recherche, dont une partie dans l’intelligence artificielle.
L’activité de Schlumberger dépend fortement de l’évolution du secteur Oil & Gas, qui vit de fortes perturbations depuis 2014 et particulièrement en ce moment avec la pandémie de covid-19. Entre 2014 et 2016, le prix du baril a fortement diminué, pour plusieurs raisons. L’une d’elles est une surproduction de pétrole par la Russie et le Moyen Orient, pour faire pression sur les Etats-Unis qui ont annoncé en 2012 vouloir arriver à l’indépendance énergétique, notamment à l’aide du gaz de schiste. Plus récemment, la pandémie de covid-19 a fait diminuer la demande de pétrole et l’Arabie Saoudite ainsi que la Russie ont décidé d’augmenter leur production. Ceci a conduit à un nouvel effondrement du prix du baril.
Ce contexte d’instabilité motive les entreprises du secteur à surveiller leurs coûts, à optimiser leur production et à rentabiliser leurs installations le plus rapidement possible.
Les activités de Schlumberger
La structure de Schlumberger peut être décomposée en quatre entités.
Dans un premier temps, il s’agit de savoir où trouver du pétrole ou du gaz. Une première phase de caractérisation va permettre d’identifier le sol, c’est-à-dire la nature des roches qui le composent, leur empilement, leur évolution avec le temps, la localisation des fissures par lesquelles le pétrole remonte vers la surface, ainsi que la localisation de la couche imperméable qui le retient dans le sol. Cette étude géologique se fait tant en offshore que sur terre par l’étude de la propagation d’ondes sismiques générées par les équipes sur place.
Le forage va ensuite permettre de valider l’hypothèse de caractérisation, mais malheureusement les chances de trouver la bonne couche géologique contenant du pétrole n’est que d’environ 50%. En cas de succès, seuls quelques 30% des réserves en place peuvent être extraits de la roche avec les technologies actuelles.
Une fois la présence de pétrole validée, Schlumberger assure à ses clients la mise en condition du puits pour une phase de production pouvant durer jusqu’à une trentaine d’années.
Enfin, le groupe Cameron fabrique des équipements pour les puits offshores en production.
Toutes ces activités génèrent des données, par exemple l’analyse d’images et des ultrasons pour la caractérisation de la porosité et de la perméabilité des sols. Et l’échange de données représente à lui seul un challenge puisqu’il s’effectue en temps réel dans des conditions de température et de pression très exigeantes.
L’intelligence artificielle chez Schlumberger
Le domaine de l’intelligence artificielle prend de plus en plus de place au sein de Schlumberger. Un laboratoire IA a été créé pour traiter de diverses problématiques Data Science dans le but d’assurer efficacité opérationnelle, réduction de coût, amélioration de la sécurité et augmentation de cycle de vie des outils par la maintenance prédictive. L’IA au sein de Schlumberger est utilisée comme outil d’aide à la prise de décision et traite essentiellement 4 domaines : traitement d’image, machine learning, traitement du langage et robotique.
Néanmoins, l’utilisation de l’intelligence artificielle n’est pas toujours pertinente pour la résolution de toutes les problématiques. Trois points de blocage se posent souvent : l’accès à la donnée, l’explication de la donnée et le déploiement du modèle. Un projet est lancé après avoir résolu ces trois points.
Quelques cas d’utilisation de l’intelligence artificielle au sein de Schlumberger :
- Reconnaissance visuelle des états de têtes de forage sur une vidéo en temps réel
- Reconnaissance d’images en fond de puits
- Maintenance prédictive des équipements en particulier en traitant les profils d’usure
- Classification d’incidents pour le support informatique
- Analyse des logs
Compte-rendu rédigé par Xavier Bracquart, Erwan Floch et Ialifinaritra Rakotoniaina, étudiants de la promotion 2019-2020 du Mastère Spécialisé Big Data de Télécom Paris.