Meriem Riadi (Suez) "Nous voulons mettre de l'intelligence dans nos activités pour limiter les interventions"

Dans le cadre de la Nuit du Directeur Digital, la CDO de Suez revient pour le JDN sur le lancement d'un programme de computer vision destiné à automatiser l'analyse des images dans le secteur de l'eau et des déchets.

Le JDN propose pour la cinquième année consécutive un événement destiné à récompenser les meilleurs chief digital officers de France. Pour en savoir plus : la Nuit du Directeur Digital.

Meriem Riadi, CDO chez Suez. © Suez

JDN. En quoi consiste le projet de computer vision que vous mettez en place chez Suez ?

Meriem Riadi. Il s'agit de l'analyse automatique des images. Nous allons l'appliquer à deux verticales, l'eau et les déchets. Les vidéos nous permettront par exemple de détecter des fuites de canalisation ou des déchets non conformes avant leur entrée dans l'incinérateur. L'objectif est de mettre de l'intelligence dans ces activités pour éviter certaines interventions physiques compliquées car certains réseaux d'eau potable et d'assainissement sont souvent inaccessibles. Cela répond à un vrai besoin opérationnel. Ce programme est très prometteur, il permet de digitaliser les métiers du déchet et un champ nouveau s'ouvre à nous.

Qu'est-ce qui vous a poussé vers ce sujet ?

Nous avons décidé de travailler sur le computer vision car l'on avait un grand nombre d'actifs vidéos mal utilisés. Des caméras filment nos différents actifs (canalisations, usines, incinérateurs...), une personne est ensuite chargée de regarder les écrans pour détecter les anomalies mais ces images pourraient être encore mieux exploitées. Le computer vision promet de vrais ROI, se chiffrant au-delà du million d'euros, en limitant les interventions physiques lors des fuites d'eau ou le nombre d'arrêt des incinérateurs quand les déchets en approche sont non conformes. Notre ambition est de parvenir à faire de la maintenance prédictive car une fois que l'on a appris que tel type de fissure détectée à l'image correspond à tel problème, nous pouvons intervenir plus intelligemment. Ce projet est ainsi intégré à notre budget innovation, doté en 2018 d'une enveloppe de 120 millions d'euros.

Rencontrez-vous des difficultés dans la mise en place de ce projet ?

Le principal défi de ce projet réside dans la labellisation des données. Nous avons énormément d'images issues des vidéos de surveillance, il faut déterminer quelle image correspond à tel type de fuite ou à tel déchet. Ce n'est pas une difficulté en soi mais un prérequis vital pour la suite du projet. Nous en sommes à ce stade. Il faut aussi veiller à rassembler autour de la table les opérationnels qui utiliseront l'outil dès le début du projet. Car il ne suffit pas de développer des algorithmes sophistiqués, il faut aussi penser à une facilité d'utilisation.

Comment vous organisez-vous pour travailler sur le computer vision ?

Nous recrutons des profils spécialisés, mais surtout nous travaillons avec des partenaires externes. Nous recherchions des start-up ayant des compétences dans l'analyse de la donnée et des images et disposant de solutions s'adaptant au milieu industriel. Deux jeunes pousses françaises, FieldBox.ai et Deepomatic, nous épaulent respectivement dans le domaine de l'eau et des déchets. Elles nous montrent comment utiliser la data de manière pragmatique. Etre aiguillé sur ces sujets pour lever les barrières technologiques est très motivant. En interne, nous avons lancé un digital hub qui permet aux data scientist de travailler tous les six mois sur une vingtaine de projets digitaux avec des équipes multi-métiers issues des différentes business units présentes dans le monde. La première saison du hub, qui s'est déroulée d'octobre 2018 à mars 2019, a consisté à prioriser l'usage du computer vision dans la gestion de l'eau. Nous aurons des solutions concrètes à tester à l'été. La saison 2, d'avril à septembre 2019, permettra aux équipes de se focaliser plus particulièrement sur le computer vision appliqué à la gestion des déchets.

Quels sont les prochaines étapes du projet ?

Une fois que les images seront labellisées, il faudra rendre apprenant l'algorithme et le développer. Nous comptons finaliser ces travaux avant l'été pour permettre aux utilisateurs de tester concrètement la solution. Il faudra par ailleurs intégrer la donnée, issue de l'algorithme ayant analysé les images vidéo, dans des robots pour donner lieu à une action de la part de ces derniers. Nous avons ainsi déployé en mai 2018 dans notre centre de tri à Bruges, en Belgique, un robot qui trie les déchets en fonction des matières qu'il voit passer sur le convoyeur et qu'il a appris à reconnaître grâce à l'intelligence artificielle. Les images collectées par les drones seront aussi traitées dans le cadre de ce programme d'analyse des données. L'objectif sera d'automatiser encore davantage nos processus.

Résumé du projet :

Pourquoi ce projet est-il innovant ?

"Ce projet est innovant pour Suez dans le sens où la technologie utilisée, le computer vision, est nouvelle sur le marché. Cela nous mène à travailler avec des partenaires externes sur un sujet ancré dans l'opérationnel, qui promet des ROI importants. "

Pourquoi ce projet est-il stratégique ?

"Dans le métier de la gestion des déchets, peu automatisé, le computer vision va nous permettre d'effectuer un saut en termes de digitalisation de nos opérations et améliorer ainsi nos performances. Cela va aussi nous permettre de réduire la pénibilité de certains métiers. "

Pourquoi ce projet est-il transformateur ?

"Ce projet fait intervenir des équipes pluridisciplinaires, des partenaires extérieurs, des data scientist… Travailler sur ces technologies va transformer nos métiers."

Pourquoi ce projet est-il accélérateur ?

"Nous nous donnons pour objectif de développer des cas d'usage dans ce programme en moins de six mois dans le cadre de notre Digital Hub, alors qu'auparavant nous étions sur des projets longs de 18 à 36 mois. La première saison du Digital Hub nous permet d'avoir de vrais livrables cet été ou début septembre au plus tard. "