Applied Computing lève 20 M$ pour l'IA pétrolière

Résumé

La start-up londonienne Applied Computing lève 20 M$ pour Orbital, un modèle d’IA de fondation qui aide les sites pétroliers et chimiques à exploiter leurs données industrielles.

Les faits

Applied Computing, start-up basée à Londres, développe un modèle d’IA de fondation pour l’industrie du pétrole, du gaz et de la pétrochimie. Elle vient de lever 20 millions de dollars en série A, un tour mené par le groupe d’ingénierie KBR, avec la participation de Databricks Ventures. Fondée en 2023, l’entreprise cible les systèmes d’exploitation du pétrole, du gaz, du raffinage et de la pétrochimie. Ces sites industriels peuvent compter des milliers de capteurs mesurant température, pression, vitesse ou viscosité. Selon son cofondateur et CEO Callum Adamson, les exploitants ne s’appuient que sur moins de 8 % des données disponibles pour prendre leurs décisions opérationnelles. Il explique que les opérateurs collectent déjà l’information, mais peinent à relier en temps réel les mesures des capteurs, la documentation d’ingénierie, ainsi que la physique et la chimie pour analyser et prédire l’état de l’installation. « C’est faire dialoguer ces trois sources de données en temps réel. C’est là la vraie clé », résume-t-il. Applied Computing présente Orbital comme un modèle de fondation qui se distingue des grands modèles de langage classiques. Là où ces derniers prédisent le mot suivant, Orbital combine un modèle de séries temporelles, un modèle basé sur la physique et un modèle de langage pour prédire l’état d’une installation. Le système analyse les capteurs en tenant compte de la physique et de la chimie, des contraintes d’équipement et de l’activité des opérateurs, et permet aux techniciens de simuler l’impact d’un changement sur l’ensemble des opérations. La start-up met en avant la rapidité de son approche : elle affirme qu’Orbital peut signaler des anomalies, en rechercher les causes et modéliser si une solution proposée créera des problèmes ailleurs dans l’usine en quelques minutes. Adamson assure que le produit peut réduire des investigations qui prenaient auparavant des jours ou des semaines à quelques secondes, avec à la clé une baisse de la consommation d’énergie tout en maintenant la production. Applied Computing indique être passée de la phase de stealth à des revenus annuels récurrents de plusieurs dizaines de millions de dollars en moins de 18 mois.

Pourquoi c’est important

Applied Computing se positionne sur un marché industriel où coexistent des fournisseurs de logiciels établis et des start-up d’IA plus spécialisées. AspenTech propose déjà des logiciels de simulation et de modélisation dopés à l’IA pour les opérations amont, le raffinage et la chimie, tandis qu’AVEVA offre des outils de simulation de procédés basés sur la physique, d’optimisation et de scénarios « what-if » pour les usines. Cognite et Seeq interviennent plutôt sur la couche de données pour analyser les flux industriels et appliquer l’IA à la conception de workflows. Dans ce paysage concurrentiel, Callum Adamson affirme que l’avantage d’Applied Computing ne réside ni dans l’accès aux données industrielles ni dans la connaissance des procédés, mais dans la capacité à réunir des chercheurs en IA capables de construire un modèle rival d’Orbital. « C’est un problème d’IA. Ce n’est pas un problème de données, et ce n’est pas un problème d’énergie », insiste-t-il, estimant que les grands talents de la recherche en IA ne sont pas naturellement attirés par les groupes énergétiques traditionnels. Le partenariat avec KBR doit aussi jouer un rôle clé : il lui apporte données opérationnelles, expertise sectorielle et mises en relation avec de nouveaux clients potentiels, tandis que les déploiements d’Orbital lui donnent accès à des données de fonctionnement de raffineries et d’installations énergétiques rarement accessibles au public.

Questions fréquentes

Combien Applied Computing a-t-elle levé en série A ?

Applied Computing a levé 20 millions de dollars en série A, dans un tour mené par KBR avec la participation de Databricks Ventures.

Quel est l’objectif du modèle Orbital ?

Orbital vise à prédire l’état d’une installation pétrolière, gazière ou pétrochimique en combinant séries temporelles, modèles physiques et langage.

Quel problème de données les sites industriels rencontrent-ils ?

Selon le CEO, les exploitants prennent leurs décisions avec moins de 8 % des données disponibles, faute de pouvoir les relier et les analyser en temps réel.

En quoi Orbital se distingue-t-il des grands modèles de langage ?

Contrairement aux LLM qui prédisent le mot suivant, Orbital combine données de capteurs, physique, chimie et activité des opérateurs pour prédire l’état de l’usine.

Quel partenaire industriel clé soutient Applied Computing ?

Le groupe d’ingénierie KBR mène la série A et a intégré Orbital à sa plateforme numérique INSITE 3.0 pour des projets énergétiques.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.