Fatima Amara est chercheuse au sein de l’équipe Client participatif du Laboratoire des technologies de l’énergie d’Hydro-Québec. Elle était stagiaire de recherche postdoctorale à CanmetEnergy en 2020 et à l’université Concordia en 2019. Elle est aussi titulaire d’un doctorat en génie électrique de l’Université du Québec à Trois-Rivières (UQTR), Trois-Rivières, QC, Canada, en 2018. Ses intérêts de recherche sont la modélisation et la quantification de la flexibilité énergétique des bâtiments résidentiels, institutionnels et commerciaux, la prévision des charges électriques et l’efficacité énergétique des bâtiments. Fatima travaille aussi sur l’énergie transactionnelle, un écosystème qui s’inscrit dans la continuité de la transition énergétique en cours et qui se dirige vers la définition des nouvelles règles économiques du marché et des notions de contrôle décentralisé des ressources énergétiques distribuées ; par exemple, les véhicules électriques, les batteries et les panneaux solaires.

L’intelligence artificielle impacte de nombreux secteurs de la société et de l’économie : reconnaissance d’images et de la parole, traduction automatique, génération d’images, etc. C’est en très grande partie, grâce aux avancées impressionnantes de ces dix dernières années en apprentissage automatique et en particulier en apprentissage profond. Dans un contexte d’électrification croissante du bouquet énergétique et de diversification des sources de production – intermittentes, variables et décentralisées – nous ne faisons que commencer à exploiter le potentiel de l’IA pour accélérer la transition vers des systèmes énergétiques interconnectés ultra efficaces et faiblement émetteurs. Les nouvelles possibilités apportées par l’IA sont sources d’innovation, mais aussi de nombreux questionnements. L’intelligence artificielle est-elle la meilleure solution pour favoriser la transition énergétique ? Comment prendre en compte les enjeux liés à la mise en œuvre de solutions en IA – comme la robustesse, les biais cognitifs et l’explicabilité – afin d’éviter un problème de manque de confiance qui peut s’avérer difficile à contrebalancer à posteriori ? Comment mettre en place un processus de certification des solutions en IA qui permettrait leur utilisation dans des domaines hautement réglementés ? Dans le but de répondre aux enjeux climatiques, comment optimiser le coût énergétique de l’opération d’apprentissage en tant que telle, en plus de celui de la collecte et du stockage des données ?