Mamadou Dione, Chargé
de recherche chez ENGIE Green
France, à Montpellier (34)

Ma thèse portait sur la prévision à court terme de la production des éoliennes par machine learning **. Grâce à mon travail, ENGIE peut prévoir la production de ses parcs éoliens pour un horizon de 48 heures, à partir des données météorologiques. C'est important, car l'électricité est mise sur le marché à un certain prix en fonction de ces prévisions, et des pénalités financières s'appliquent si l'énergie prévue ne peut être fournie. Après ma thèse, j'ai enchaîné avec un projet complémentaire de nettoyage de données, qui permet d'avoir des prévisions plus fiables, en repérant les éoliennes qui sont à l'arrêt à cause d'une panne ou parce qu'elles sont en maintenance. Pour cela, je crée des algorithmes statistiques, en collaboration avec une équipe de data scientists. La méthode de travail est toujours la même, quel que soit le secteur. On étudie la question qui nous est posée, par exemple : "Comment prévoir la production d'un parc éolien un jour à l'avance ?" On recherche alors de la documentation et des méthodes développées parfois dans d'autres domaines et qui pourraient nous servir. Par exemple, une méthode statistique peut être développée dans la littérature et appliquée à la prévision de la température. Elle pourrait aussi être adaptée à la prévision de la production éolienne. Ensuite, on analyse les données, après avoir vérifié leurs qualité et quantité. Enfin, on teste nos méthodes de calcul et on analyse les résultats. J'aime beaucoup faire parler les données, mais il est également important de bien communiquer. À chaque étape décisive, je fais une note interne et une présentation des avancées du projet aux managers.

_{* Conventions industrielles de formation par la recherche.}

_{** Apprentissage automatique, champ d'études de l'IA (intelligence artificielle).}