Affiner les données brutes des véhicules avec l'IA : la solution qui sauve le budget des flottes automobiles

Les véhicules sont presque tous connectés mais les gestionnaires de flotte manquent toujours de données réellement exploitables et fiables. Une problématique que l'IA physique se charge de solutionner

Aujourd’hui, 85% des flottes automobiles en Europe dépendent des données des cartes carburant et des tableurs pour effectuer le suivi kilométrique de leurs véhicules, avec une saisie manuelle sujette aux erreurs. Dans le même temps, 15% des flottes utilisent des systèmes de suivi informatique de parc, autrement appelé télématique, qui ne sont plus adaptés aux enjeux actuels. Pour cause : tandis que la télématique est née historiquement autour d’un besoin de géolocalisation, grâce à des boitiers installés sur les véhicules, qui reposent sur les technologies de télécommunication pour collecter, transmettre et analyser des données à distance, la remontée de celles-ci peut à présent se faire sans matériel embarqué additionnel. Notamment grâce aux véhicules nativement connectés, portés par la tendance du SDV "software defined vehicle" dans l’industrie automobile. 

De nouvelles variables inévitables alors que le volume et de la diversité des données du monde réel augmentent

Sans l’adoption de pratiques optimisant la data, il en découle donc un manque d’informations claires sur l’utilisation privée, sur le comportement routier ou sur la consommation d’énergies, ainsi que des décalages entre moyens obsolètes et motorisations modernes. À l’image de l’électrique, qui connaît pourtant un essor croissant en flotte. Par conséquent, ce manque de visibilité et de fiabilité sur les données du parc roulant entraîne bien souvent des pertes économiques nées de décisions erronées pour les responsables de parcs. Qui doivent pourtant jongler avec de nombreuses contraintes…

Parmi elles figure une hausse du coût total de détention des véhicules (TCO) de 30% depuis 2020, mais également une volatilité des prix du carburant et de l’électricité, une inflation impactant l’ensemble des services ainsi que des obligations de mise en conformité fiscale portée par le poids de la Loi d’orientation des mobilités en France et d’autres réglementations européennes, qui peuvent causer des pénalités annuelles de 4 000 euros par véhicule électrique. Autant de points de friction qui laissent à penser que la perte de contrôle budgétaire s’avère inexorable.

Un tournant technologique à négocier sans tarder

Dans ce contexte inédit, où les véhicules connectés deviennent la norme puisque d’ici 2030 près de 9 véhicules neufs sur 10 seront livrés connectés d’usine (soit sans installation matérielle supplémentaire), un paradoxe persiste : l’abondance de données ne garantit pas leur fiabilité. Les données issues des véhicules sont en effet, et avant tout, des signaux de capteurs bruts. Comme dans tout système opérant en conditions réelles, ces signaux comportent inévitablement des anomalies, des imprécisions ou des valeurs aberrantes liées à de multiples facteurs (démarrages à froid, variations environnementales, vibrations, pertes temporaires de connectivité, interférences électroniques ou encore différences de calibration entre véhicules par exemple). À cela s’ajoutent l’hétérogénéité des formats et la fragmentation des sources de données selon les constructeurs.

Ainsi, disposer de données brutes ne suffit pas. Leur interprétation nécessite des mécanismes avancés de contrôle qualité, de contextualisation et de reconstitution afin de transformer ces signaux en informations fiables, cohérentes et exploitables. Dans ce nouvel environnement, la capacité à fournir des données vérifiées et prêtes à l’usage devient un enjeu stratégique pour les entreprises. Notamment quand les équipes utilisant les data et les outils de la flotte se diversifient, allant désormais du service finance aux RH en passant par le commerce, le pôle sécurité et les départements opérationnels.

L’IA physique, la panacée pour optimiser les usages des véhicules électriques

Mais comment s’y prendre ? Grâce à l’IA basée sur la physique. Conjuguant les principes de la physique et les techniques d’intelligence artificielle afin de développer des modèles capables de prédire avec une précision accrue des systèmes même les plus sophistiqués, cette approche intègre les contraintes du monde physique au lieu d’exister seulement dans les environnements logiciels ou numériques. De fait, l’IA physique permet de transformer les données brutes des capteurs de véhicules connectés et d’exploiter ces métriques fiabilisées par l’alliance d’analyses LLM pertinentes ainsi que par des modèles de notation et de prédiction ajoutant du contexte et de la profondeur aux comptes-rendus effectués dans un même environnement.   

Capable de transformer les signaux des capteurs d’un véhicule en informations sûres puis en recommandations opportunes pour les flottes, l’IA physique a aussi un rôle prégnant à jouer dans l’adoption de l’électromobilité. Car le changement de paradigme induit par l’électrification mène à une évolution des conduites opérationnelles comme l’administration d’infrastructure électrique, la production de reportings plus poussés ou encore une consolidation de la gestion des données remontées des véhicules en parc.

En faisant remonter les données du véhicule, indépendamment du matériel (c’est-à-dire sans collecte de données provenant de bornes de recharge ou de câbles coûteux), l’IA physique apporte donc une vision précise des frais de recharge à domicile (historique des sessions, temps, prix kwh) permettant une administration du budget réactive et proactive. Par la dispense d’alertes, de recommandations ciblées mais aussi de formations des utilisateurs, elle incite également une diminution des comportements de recharge dispendieux, à l’image de recharges rapides excessives ou de décharges totales régulières. Cette analyse fine et cybersécurisée formule alors la promesse de faire économiser aux sociétés utilisatrices jusqu’à 1 500 euros par véhicule électrique et par an (calcul basé sur un véhicule représentatif du marché parcourant 30 000 km par an et consommant 6 000 kWh par an en recharge).