Intelligence artificielle dans les hydrocarbures : AIQ teste la transférabilité de son modèle ADNOC

L’intelligence artificielle quitte progressivement les laboratoires pour entrer dans les opérations pétrolières et gazières. AIQ, société basée à Abou Dhabi, a construit ses premiers outils au contact des actifs d’ADNOC, la compagnie nationale des Émirats arabes unis. L’entreprise cherche maintenant à appliquer ces solutions chez d’autres opérateurs, avec un enjeu central : déterminer si des modèles entraînés à partir des données d’une grande compagnie nationale peuvent rester fiables dans des environnements techniques différents.

Les exemples avancés par AIQ vont de l’analyse du sous-sol à la maintenance prédictive. En Égypte, le ministère du Pétrole a indiqué qu’un système conçu par AIQ avait signalé un risque de défaillance d’une pompe de levage électrique environ 45 jours avant l’incident. Ce type de cas d’usage peut limiter les arrêts imprévus et améliorer la planification des interventions. Il ne prouve cependant pas à lui seul que la même performance sera reproduite sur d’autres équipements, champs ou opérateurs.

Un socle construit dans les opérations d’ADNOC

AIQ a été fondée pour développer des applications d’intelligence artificielle dédiées au secteur énergétique. Son partenariat avec ADNOC lui donne accès à des données opérationnelles couvrant plusieurs décennies. Cette expérience a soutenu le développement d’ENERGYai, une plateforme combinant des agents d’intelligence artificielle et des modèles de langage pour traiter des tâches comme l’analyse sismique, la modélisation des réservoirs et le suivi des opérations.

ADNOC a annoncé en 2025 un contrat de 340 millions de dollars sur trois ans avec AIQ pour déployer ENERGYai et des solutions associées dans ses opérations amont. L’ampleur de ce programme offre un environnement important de déploiement : les outils peuvent être intégrés à des processus existants et évalués sur plusieurs actifs. Ce contrat représente une validation à grande échelle au sein du groupe, mais ne constitue pas encore une preuve universelle que les mêmes outils produiront les mêmes gains chez tout producteur.

Les applications sont variées. La maintenance prédictive analyse des données de capteurs pour détecter des changements susceptibles d’annoncer une panne. Les outils de subsurface peuvent accélérer la lecture d’un volume important de données sismiques ou de réservoir. Les systèmes de traitement de l’information peuvent aider les équipes à retrouver des documents techniques et à rapprocher des données issues de plateformes différentes.

La valeur de ces applications dépend autant de l’intégration aux opérations que de la sophistication du modèle. Des capteurs mal calibrés, des historiques incomplets ou une terminologie propre à chaque entreprise peuvent dégrader les résultats. Dans un secteur où les décisions touchent à la sécurité, à la production et à l’intégrité des installations, les alertes doivent être validées par des spécialistes et reliées à des procédures claires.

L’Égypte et Oman comme terrains d’expansion

En Égypte, AIQ a présenté plusieurs projets d’application, dont l’anticipation des défaillances de pompes de levage électrique et des outils de gestion des données de puits. Le ministère du Pétrole a également évoqué la possibilité de créer une entité AIQ Egypt afin d’adapter les solutions aux données et aux compétences locales. Cette initiative était discutée comme une proposition ; elle ne doit pas être décrite comme une société déjà établie sans confirmation officielle.

En mai 2026, AIQ a annoncé un accord avec Ras Al Hamra LLC pour accélérer l’adoption d’outils d’intelligence artificielle dans le secteur pétrolier et gazier d’Oman. Cette démarche élargit la présence commerciale de l’entreprise dans le Golfe et met à l’épreuve son modèle hors de l’environnement opérationnel d’ADNOC.

La diversification géographique demande plus qu’un accès aux clients. Les systèmes doivent être configurés selon les équipements utilisés, les standards de données, les régimes de cybersécurité et les règles de souveraineté numérique propres à chaque pays. Un outil entraîné sur des systèmes bien documentés peut nécessiter des ajustements importants dans un champ où les données sont plus fragmentaires ou où les équipements sont d’une autre génération.

Le test clé : passer du pilote à une amélioration mesurable

Les résultats de projets pilotes sont souvent présentés en pourcentage de précision ou en gains de temps. Pour évaluer leur utilité industrielle, les opérateurs doivent aussi mesurer le nombre d’alertes pertinentes, les faux positifs, les pannes effectivement évitées et les heures de production préservées. Il faut comparer ces indicateurs avec une période de référence et tenir compte des coûts d’intégration, de maintenance logicielle et de formation.

Une prédiction de panne 45 jours à l’avance peut permettre de commander une pièce et de planifier un arrêt. Si l’alerte reste trop générale, survient fréquemment sans incident ou ne peut être raccordée à une action concrète, elle risque de perdre la confiance des équipes. Le déploiement réussi suppose donc une coopération étroite entre ingénieurs, spécialistes des données, techniciens de terrain et responsables de maintenance.

La cybersécurité et la gestion des données sont tout aussi importantes. Les installations énergétiques sont des infrastructures critiques. Les opérateurs doivent contrôler qui accède aux données, où elles sont hébergées, comment les modèles sont mis à jour et quelles décisions peuvent être automatisées. Dans la plupart des cas à haut risque, l’intelligence artificielle apporte des recommandations et des signaux de surveillance ; les équipes humaines restent responsables des arbitrages.

Un marché prometteur, mais encore sélectif

L’expansion d’AIQ s’inscrit dans une tendance plus large : les compagnies pétrolières cherchent à améliorer la disponibilité des équipements, à réduire les temps d’analyse et à optimiser les opérations grâce aux données. ADNOC présente l’intelligence artificielle comme un élément de sa transformation numérique. D’autres groupes pétroliers développent leurs propres plateformes ou s’associent à des éditeurs et intégrateurs spécialisés.

La concurrence ne portera donc pas seulement sur la qualité des algorithmes. Elle se jouera aussi sur l’accès aux données, la compatibilité avec les logiciels existants, les garanties de sécurité et la capacité à obtenir des résultats reproductibles. L’ancrage initial chez ADNOC constitue un avantage d’expérience, mais la performance à l’international dépendra de la faculté d’AIQ à adapter ses outils et à démontrer leur valeur dans des conditions variées.

Pour les opérateurs africains, cette évolution ouvre des possibilités en matière de maintenance, d’analyse de puits et de planification. Elle pose également des questions sur la formation des équipes locales, la propriété des données et la capacité des entreprises nationales à conserver une maîtrise technique des systèmes déployés. Le prochain indicateur à suivre sera la conversion des accords et démonstrations en contrats opérationnels assortis de gains mesurables et vérifiables.