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. En parallèle, 15 % des flottes utilisent des systèmes de suivi informatique de parc, également appelés télématique, qui ne sont plus adaptés aux enjeux actuels. Historiquement, la télématique répondait à un besoin de géolocalisation via des boîtiers installés sur les véhicules. Cependant, avec l’avènement des véhicules nativement connectés, portés par la tendance du SDV (software defined vehicle), la remontée de données peut désormais se faire sans matériel embarqué additionnel.
De nouvelles variables inévitables
Sans l’adoption de pratiques optimisant la data, un manque d’informations claires sur l’utilisation privée, le comportement routier ou la consommation d’énergies se fait sentir. Ce déficit de visibilité entraîne souvent des pertes économiques dues à des décisions erronées des responsables de parcs, qui doivent jongler avec de nombreuses contraintes. Parmi celles-ci, on note une hausse du coût total de détention des véhicules (TCO) de 30 % depuis 2020, ainsi qu’une inflation impactant l’ensemble des services et des obligations de mise en conformité fiscale, pouvant entraîner des pénalités annuelles de 4 000 euros par véhicule électrique.
Un tournant technologique à négocier
Dans ce contexte, où les véhicules connectés deviendront la norme (près de 90 % des véhicules neufs livrés connectés d’usine d’ici 2030), un paradoxe persiste : l’abondance de données ne garantit pas leur fiabilité. Les données issues des véhicules sont principalement des signaux de capteurs bruts, comportant des anomalies et des imprécisions dues à divers facteurs. L’hétérogénéité des formats et la fragmentation des sources de données selon les constructeurs compliquent également l’interprétation.
Disposer de données brutes ne suffit pas. Leur interprétation nécessite des mécanismes avancés de contrôle qualité et de contextualisation pour transformer ces signaux en informations exploitables. La capacité à fournir des données vérifiées devient un enjeu stratégique pour les entreprises, avec des équipes diversifiées allant des services finance aux départements opérationnels.
L’IA physique : une solution prometteuse
L’IA basée sur la physique combine les principes de la physique et les techniques d’intelligence artificielle pour développer des modèles capables de prédire des systèmes complexes. Cette approche permet de transformer les données brutes des capteurs de véhicules connectés en informations fiables et recommandations pour les flottes. L’IA physique joue un rôle crucial dans l’adoption de l’électromobilité, facilitant l’administration d’infrastructure électrique et la gestion des données remontées des véhicules.
En faisant remonter les données du véhicule sans matériel additionnel, l’IA physique offre une vision précise des frais de recharge à domicile, permettant une gestion budgétaire proactive. Par des alertes et des recommandations ciblées, elle incite à réduire les comportements de recharge coûteux. Cette analyse fine pourrait permettre aux sociétés utilisatrices d’économiser jusqu’à 1 500 euros par véhicule électrique et par an, sur la base d’un véhicule parcourant 30 000 km par an.
Source : Journal du Net
