L'IA au cœur de la stabilité du réseau électrique de Québec

La stabilité des réseaux énergétiques est un défi de plus en plus complexe, notamment dans un contexte de transition énergétique et d'intégration massive des énergies renouvelables intermittentes. À Québec, le pilotage digital du réseau par ÉnerOps Capitale intègre désormais des modèles d'intelligence artificielle prédictifs pour anticiper et corriger les instabilités en temps réel.

Contrairement aux systèmes de contrôle traditionnels qui réagissent aux événements, l'IA permet une approche proactive. En analysant en continu des téraoctets de données provenant des capteurs IoT (température, charge, fréquence, tension), des prévisions météorologiques locales et des modèles de consommation historiques, nos algorithmes peuvent prédire les points de fragilité plusieurs heures, voire plusieurs jours à l'avance.

Un cas concret : l'îlotage préventif

Lors de la tempête hivernale de février 2026, notre système a identifié un risque élevé de défaillance sur un segment critique du réseau de l'arrondissement La Cité-Limoilou. Plutôt que d'attendre une coupure, l'IA a recommandé et exécuté automatiquement un plan d'« îlotage préventif ». Cette manœuvre a isolé de manière contrôlée une section du réseau, lui permettant de fonctionner en autonomie temporaire avec des sources de secours, évitant ainsi un blackout qui aurait touché plus de 10 000 foyers et entreprises.

Les piliers technologiques

Notre plateforme repose sur trois piliers IA :

• Modèles Physis-Informed Neural Networks (PINNs) : Ils combinent les lois de la physique des réseaux électriques avec l'apprentissage profond, offrant des prédictions plus robustes et explicables que les boîtes noires traditionnelles.
• Simulation en temps accéléré : Des jumeaux numériques du réseau exécutent des milliers de scénarios « what-if » par seconde pour évaluer la résilience face à différentes perturbations.
• Optimisation multi-objectifs : Les algorithmes arbitrent en permanence entre la stabilité, le coût opérationnel et les contraintes environnementales, trouvant la configuration optimale du réseau.

L'objectif n'est pas de remplacer les ingénieurs et opérateurs humains, mais de les doter d'un « co-pilote » cognitif. Les décisions critiques restent sous contrôle humain, mais l'IA fournit les recommandations, les visualisations et les alertes nécessaires pour une prise de décision éclairée et rapide.

À l'horizon 2027, nous travaillons à l'intégration de modèles capables de gérer l'injection massive de l'énergie solaire distribuée et des véhicules électriques, deux facteurs qui redéfiniront fondamentalement la notion de stabilité du réseau pour la décennie à venir.