L’IA au service de la gestion de l’énergie appliquée à l’électromobilité
Une chronique de Jordan Gierschendorf, scientitifique de données senior au CRIM | Publiée le 12 juin 2025, et parue initialement dans le 17ème numéro de LES CONNECTEURS
L’électrification des transports est l’une des pistes reconnues par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) afin de réduire les émissions de carbone sur Terre. Cette initiative, aussi connue sous le nom d’électromobilité, est l’une des priorités du plan stratégique Montréal 2030. Toutefois, cette transition technologique est un véritable défi pour les municipalités, les transports collectifs et les usagers. Que ce soit pour les flottes d’autobus ou pour les véhicules personnels, une gestion optimale de l’énergie est capitale pour maximiser l’autonomie, ou encore minimiser les coûts d’exploitation.
Les transports en commun électriques et plus particulièrement les flottes d’autobus font face à un problème majeur en devant garantir la fiabilité et la disponibilité du réseau en tout temps. Dans ce contexte, assurer la disponibilité signifie notamment optimiser et anticiper la consommation d’énergie. Les facteurs qui influencent l’estimation sont variés et dépendent des conditions météorologiques, de l’état du trafic routier, des infrastructures municipales, du style de conduite, de l’achalandage, ou encore des points d’intérêt obligatoires à desservir.
« (…) de nouvelles solutions d’IA permettent aux opérateurs d’une société de transport de planifier les horaires, distribuer les points de collecte des passagers ou définir les lignes d’un réseau. »
L’estimation est donc un problème très complexe à résoudre. Heureusement, on dispose aujourd’hui d’un allié de taille en l’intelligence artificielle (IA). L’une des solutions est en effet d’estimer la consommation électrique, grâce à un modèle prédictif. L’IA permet d’acquérir une connaissance supplémentaire pour orienter les décisions opérationnelles. Par exemple, de nouvelles solutions d’IA permettent aux opérateurs d’une société de transport de planifier les horaires, distribuer les points de collecte des passagers ou définir les lignes d’un réseau. À titre d’exemple en matière d’électromobilité, en Chine, la ville de Shenzhen a annoncé en 2019 avoir atteint 99 % de son objectif de transition énergétique, ce qui représente plus de 20 000 taxis et 20 000 autobus en circulation.
Si les transports publics peuvent bénéficier d’une gestion optimisée de l’énergie transparente pour le quotidien du consommateur, la gestion de l’électricité des véhicules personnels est différente. L’usager est directement affecté par l’autonomie de son véhicule, la position géographique des stations de recharge et leurs affluences quotidiennes. Il faut donc développer une certaine agilité de consommation et de gestion quotidienne du véhicule. Dans ce contexte, l’apport de l’IA peut se traduire par l’ajustement dynamique des paramètres du véhicule en fonction de la conduite et de la puissance désirée, ou encore du choix de la route à emprunter selon l’état de la circulation réelle et du relief. Si cette agilité de consommation semble anodine dans une métropole, elle reste importante lorsqu’un usager prévoit un long trajet, ou que son logement est éloigné des infrastructures existantes.
« À mesure que les technologies progressent et que les infrastructures se développent, l’IA jouera un rôle de plus en plus stratégique dans la transition énergétique du secteur des transports. »
Que ce soit pour les transports publics ou personnels, la gestion de l’énergie est marquée par d’importantes différences. Toutefois, dans les deux cas, l’optimisation énergétique reste un enjeu central pour assurer la viabilité de l’électromobilité. À mesure que les technologies progressent et que les infrastructures se développent, l’IA jouera un rôle de plus en plus stratégique dans la transition énergétique du secteur des transports. L’avenir de l’électromobilité repose ainsi sur une combinaison de facteurs pour favoriser un transport plus durable et efficient.
