Le numérique peut apporter des gains significatifs pour réduire l’impact environnemental des systèmes industriels, mais il est lui-même un sujet pour l’environnement. Il représente aujourd’hui, en effet, à peu près 10 % de la consommation électrique mondiale. Et ce taux devrait atteindre 20 ou 30 % en 2030. C’est pourquoi le CEA-List participe à la conception de technologies plus frugales.
Le numérique peut-il contribuer à préserver notre planète ? C’est l’un des défis que relève le CEA-List : d’une part, en concevant des technologies consommant moins de ressources, en particulier pour les systèmes embarqués, d’autre part, en élaborant des outils qui contribuent à améliorer l’environnement du travailleur comme du citoyen.
En optimisant les processus de production, les technologies numériques façonnent des modes de production plus durables. En retour, le CEA-List développe des méthodes d’analyse de l’ensemble du cycle de vie des systèmes numériques pour réduire leur empreinte carbone et leur propre impact global sur l’environnement.
L’IA automatise différentes tâches réalisées en milieu potentiellement toxique. Ainsi, le contrôle non destructif par ressuage des pièces métalliques dans l’aéronautique, qui nécessite de les plonger dans un bain chimique pour révéler les microfissures, est remplacé par un système de thermographie et de vision assistée par ordinateur.
Découvrir la plateforme robotisée de contrôle de Safran, développée en partenariat avec le CEA-List
Les calculs réalisés par l’intelligence artificielle sont spécifiques et peuvent s’accélérer grâce à des processeurs dédiés. L’approche neuromorphique réduit la consommation énergétique en imitant la structure du cerveau, avec un réseau de « neurones électroniques » basés sur des résistances et des jonctions magnétiques auto-assemblées.
Le List a développé un accélérateur neuronal, PNeuro. Le processeur figure au cœur d’architectures innovantes telles que l’architecture SamurAI ou celles du fabricant de circuits Dolphin Design, avec qui le List a monté un laboratoire commun autour de l’IA embarquée.
L’apprentissage profond (deep learning) à base de réseaux de neurones requiert de grandes quantités de données. De nouvelles méthodes apparaissent qui permettent de contourner cette difficulté. Le few-shot learning ou apprentissage avec peu d’exemples en fait partie. Cette technique, appliquée à la vision par ordinateur, consiste à faire apprendre au réseau ce qui différencie les images plutôt que les images elles-mêmes.
Cette technique a été appliquée avec succès dans le domaine de l’imagerie médicale pour la reconnaissance des organes thoraciques par une IA entraînée avec seulement quelques images.
Le CEA-List développe des technologies de blockchain de seconde génération, beaucoup moins gourmandes en calculs que la technique du minage (par preuve de travail) utilisée dans les blockchains traditionnelles.
En savoir plus sur l’amélioration de la blockchain Tendermint
En retour, une blockchain peut contribuer à l’essor d’une économie plus durable. Le List travaille, par exemple, à l’application de cette technologie dans le domaine de la gestion énergétique des bâtiments, pour l’archivage en temps réel des données de consommation collectées via un réseau de capteurs, par exemple.
Autre exemple, dans le domaine du traçage de l’énergie verte : en partenariat avec le bureau Veritas et Engie, le List développe une blockchain permettant de garantir au consommateur l’origine verte d’un produit.
Grâce à son électronique renforcée et aux techniques d’aide à l’opérateur, le robot téléopéré Maestro intervient, depuis 2016, sur les chantiers de démantèlement nucléaire pour effectuer de la découpe laser. Deux opérateurs le commandent depuis une salle déportée. Ces technologies permettent ainsi un travail efficace tout en assurant une parfaite sécurité des opérateurs.
Pour faciliter les interventions et le démantèlement des différentes installations, le List constitue leur mémoire numérique. Ces bases de données seront consultables via des systèmes d’interrogation en langage naturel.
Le jumeau numérique holistique interactif, développé au List, est un atout majeur pour la déconstruction d’installations sensibles, comme l’assainissement-démantèlement dans le nucléaire.
Il peut réunir un niveau fonctionnel (description méta/symbolique basée modèles), un niveau physique (simulation interactive des moyens robotiques, opérateurs, dosimétrie…) et le couplage au terrain (données des capteurs de mesure et géolocalisation).
Il va aider, à la fois, à préparer les missions de façon efficace et précise, à former les intervenants, à superviser les opérations réelles, et à capitaliser les informations.
En complément :
De par son histoire, le CEA-List possède une solide expérience dans l’assistance au démantèlement et à l’assainissement des installations nucléaires ; il a mis au point des technologies d’instrumentation et de robotiques, avancées, pour les environnements hostiles. La maîtrise de la commande en effort, puis les outils de supervision, aident à la télé-opération assistée par ordinateur (TAO) et à l’assistance aux opérateurs (guides virtuels, anticollision active, facilitant la réalisation de tâches complexes). De même, les travaux sur les imageurs intelligents, ou l’IA embarquée, font progresser sur la mesure et le traitement des données.
Ensemble, ces technologies sont autant d’outils qui permettent d’inspecter, assainir, démanteler, ou encore trier les déchets radioactifs, sans exposer les travailleurs, tout en permettant une meilleure maîtrise des chantiers.
En savoir plus :
Le CEA-List développe depuis plusieurs décennies des systèmes d’instrumentation intelligents pour la mesure des rayonnements. Ces systèmes de mesures de plus en plus performants contribuent à l’amélioration de la radioprotection et la surveillance de l’environnement.
Ces solutions reposent sur une modélisation numérique précise et une simulation rapide des interactions rayonnement-matière permettant à la fois l’optimisation et la conception des systèmes de mesure mais aussi le calcul a priori des doses reçues ou de l’activation des matériaux et structures. Ce type de modèles numériques donne lieu à des développements de systèmes intégrés sous la forme d’un prototype comprenant différentes briques technologiques (capteur ou l’électronique d’acquisition).
Des solutions algorithmiques d’analyse des signaux physiques couplées à de l’intelligence artificielle sont également associés afin de permettre une mesure fiable et interprétable par l’utilisateur.
En savoir plus :