Chez Total, nous avons fait progresser la data science et l’apprentissage automatique lorsque nous avons prôné la démarche « projet data de bout-en-bout » au sein du Groupe[1]. L’objectif était de faire prendre conscience aux collaborateurs que les aspects data science n’étaient qu’une partie du problème, insuffisants pour avoir un impact concret sur leurs pratiques. Ne s’intéresser qu’à la modélisation scientifique revient à faire des prototypes. Pour rendre leur déploiement possible et pérenne, il faut des facilitateurs technologiques, méthodologiques et culturels. Le dispositif présenté dans l’article cité ci-avant avait posé les premières pierres de chantiers de transformation de fond menés chez Total. Ils s’articulent désormais autour de trois grands axes : diffusion de la culture data, renforcement des pratiques de data management et évolutions des systèmes technologiques.

CULTURE DATA

Il n’est pas évident pour des non spécialistes de percevoir la réalité derrière les concepts de data science ou de machine learning, et de comprendre comment ils peuvent améliorer leur quotidien. De plus, il y a un réel intérêt à aider les ingénieurs à monter en compétence pour incorporer ces techniques dans leurs pratiques. En conséquence, nos équipes travaillent avec les services formation de Total à la mise en place de formations adaptées, par exemple :

• « Artificial intelligence for leaders » : pour démythifier l’IA auprès des managers ;
• « Data science for everyone » : e-learning diffusé massivement auprès de tous les collaborateurs, qui présente les concepts de la data science et une vingtaine d’applications concrètes chez Total ;
• « Bootcamp machine learning » et « Digital factory academy » : formations techniques pour ceux qui veulent apprendre ou développer leurs compétences en développement et MLOps.
  

Ce travail sur les formations a été accompagné par une clarification des savoir-faire data, pour que l’ensemble du Groupe ait la même compréhension des différents métiers de la chaîne de valeur d’un projet data (data scientist, data engineer, data architect, data officers, etc.).

Les métiers de la data chez Total

DATA MANAGEMENT

Historiquement, Total produit, stocke et consomme énormément de données[2]. Les pratiques de data management (gestion de la qualité, des référentiels, des métadonnées, du cycle de vie des données et de leur cartographie, etc.) qui leur étaient associés étaient hétérogènes. Or, sans bonnes données, pas de bon machine learning. Pour aller plus loin et de façon coordonnée, un réseau transverse a été mis en place. Il a conduit à la nomination de Data Officers, en charge du l’amélioration et du pilotage du data management des principaux domaines de données de Total.

LA DATA, DE l'OR INVISIBLE POUR GÉRER L'OR NOIR ET LES SERVICES DÉVELOPPÉS PAR TOTAL

Les domaines de données Total

Ce réseau définit les bonnes pratiques partagées en termes d’organisation, d’outils, de processus. Chaque Data Officer s’assure de leurs bonnes déclinaisons, pour leurs domaines de données respectifs. L’un des sujets d’actualité est le déploiement d’un catalogue de données d’entreprise.

SYSTÈMES TECHNOLOGIQUES

Total gère un ensemble varié de systèmes technologiques (MES, ERP, CRM…). Pour faciliter l’accès et la mise à disposition de données de qualité, permettre le développement de solutions data science et de « machine learning » avec des technologies modernes, mais aussi leur déploiement avec des approches CI/CD, il faut les coupler avec des systèmes techniques adaptés.

Pour cela, une politique de « plateformes digitales » est définie et mise en œuvre avec les directions des Systèmes d’Information du Groupe. Elle permet à Total de rester à l’état de l’art pour réaliser des développements internes en data science, ou pour s’interfacer facilement avec des start-up ou des éditeurs fournisseurs de solutions prêtes-à-l’emploi.

Vue fonctionnelle des plateformes digitales déployées

Total récolte aujourd’hui les fruits de trois années de conduite du changement, qui permet de disposer de fondamentaux suffisamment robustes pour accélérer la transformation digitale de Total, qui s’est matérialisée par la création de la « Total Digital Factory », une filiale de 300 collaborateurs entièrement dédiée au développement de solutions numériques.

Pour la suite, les enjeux à court terme que nous percevons pour que la data se diffuse toujours plus intimement dans nos processus sont :

• Le suivi en production des modèles et la gestion de leur évolutivité (dérive, réentraînement, gestion des boucles de rétroaction entre les modèles, les hommes et les systèmes techniques, gestion des « bulles de filtre », …). L’état de l’art technique et scientifique dans ce domaine évolue assez rapidement et il faut le suivre de près, car plus le nombre de modèles en production est grand, plus il faut être en mesure d’automatiser leur gestion post-déploiement,
• Le renforcement du couplage homme/machine : d’une part, pour que les collaborateurs utilisent avec confiance un modèle de machine learning (les notions d’interprétabilité, évoquées dans cette édition, sont un atout précieux) ; d’autre part, en travaillant sur les notions de design de processus. On pense beaucoup à la création de modèles pour améliorer des processus. L’étape suivante serait d’aller plus loin, en repensant entièrement les processus, avec les interactions hommes/data/machine learning en clé de voute[3].

Références

[1] LUTZ, M., AZAN, W., & GALICHER, A. (Oct 2018). Agilité des données et structure organisationnelle : le cas Total. Management et Datascience, 3(1).
https://management-datascience.org/articles/4736/.

[2] Pour un aperçu concret des volumes de données et leurs usages, se référer à cette série de mini-articles LinkedIn : https://www.linkedin.com/pulse/la-data-chez-Total-le-raffinage-michel-lutz  ; https://www.linkedin.com/pulse/la-data-chez-Total-un-atout-majeur-pour-lexploration-et-michel-lutz ; https://www.linkedin.com/pulse/la-data-chez-Total-électricité-et-énergies-michel-lutz/

[3} Une ébauche de réflexion est proposée ici : https://www.linkedin.com/pulse/crossing-viewpoints-data-humanism-michel-lutz/

Michel LUTZ
Data scientist depuis 2010, Michel Lutz est désormais responsable de la transformation data du Groupe Total. Il est également responsable de l’équipe data (spécialistes en data science, data management et MLOps) de la Total Digital Factory

@LutzAnalytics