« Très bien, donc les agents voient les données du drone. »
C’est ce que j’entends sans cesse lorsque j’explique l’architecture de ClearSpot. Et à chaque fois, je sais que nous ne l’avons pas encore expliquée.
Cette phrase est la version en dix secondes de la manière dont les agents IA et drones travaillent ensemble dans l’exploitation-maintenance (O&M) des centrales solaires à grande échelle. Elle est techniquement exacte, mais incomplète sur le plan opérationnel. Ce qui compte, c’est la séquence : qui décide quand faire voler, ce qu’il advient des images, en combien de temps le système produit un ordre de travail et ce qui se passe une fois l’intervention terminée.
Pourquoi cet écart compte
L’exploitation solaire a toujours vécu dans deux mondes séparés.
Le premier est l’intelligence électrique : SCADA, supervision des strings et analyses de performance. Ce monde traite les données des onduleurs, des capteurs de courant, des capteurs d’irradiance et des températures. Il est rapide, continu et riche en chiffres, mais il ne voit pas les défauts physiques.
Le second est l’intelligence visuelle : l’inspection par drone, l’imagerie thermique et les orthomosaïques RVB. Ce monde repère les microfissures, les salissures, les défaillances de diodes bypass et les connexions en surchauffe. Il voit ce que les systèmes électriques ne détectent pas, mais il est ponctuel et déconnecté.
C’est dans l’écart entre ces deux mondes que se perd une grande part de la valeur de l’O&M. Le SCADA peut repérer une anomalie, mais il ne peut pas dire si la cause est l’encrassement, un dommage matériel ou un défaut naissant. L’imagerie par drone peut montrer le défaut, mais sans contexte opérationnel, elle reste isolée. La plateforme d’IA agentique de ClearSpot comble cet écart en réunissant intelligence électrique et intelligence visuelle dans un même contexte opérationnel.
Les cinq couches
L’architecture repose sur cinq couches, chacune ayant une mission précise.
1. Perception électrique
L’agent d’intégration SCADA ingère les données de votre SCADA existant par des protocoles standard tels que Modbus, IEC 61850 et REST. Il normalise les données, vérifie la dérive et transmet le résultat aux agents de performance.
Aucun remplacement du SCADA n’est nécessaire. Le matériel existant reste en place et devient le réseau de capteurs du maillage. C’est pourquoi l’intégration ne perturbe rien : la couche d’intelligence change, mais l’investissement matériel est préservé.
2. Détection d’anomalies
L’agent de performance des strings et l’agent de supervision des performances analysent en continu les données SCADA normalisées. Ils ne se fondent pas sur le franchissement d’un seul seuil. Ils recherchent des schémas de variation dans le temps, des corrélations entre strings et une sous-performance persistante.
Un string qui tombe à 94 % de la production attendue peut n’être que du bruit. Un string qui décline de 0,3 % de mois en mois pendant six mois, alors que les strings voisins présentent le même schéma, est un signal qui appelle une investigation physique. C’est là que le benchmarking de performance par IA se révèle plus utile que la logique d’alarme classique.
3. Décision d’envoi
Lorsque l’agent de supervision des performances détecte un signal qui justifie une investigation physique, il crée une demande d’inspection par drone dans le contexte opérationnel partagé. La demande précise le string ou la zone concernés, le type d’anomalie et le mode d’imagerie recommandé.
L’agent d’exploitation O&M vérifie ensuite la météo, la disponibilité des drones et les inspections en attente. Si les conditions sont favorables, il déclenche une inspection de panneaux solaires par drone ciblée. Si le site dispose d’un matériel de type drone-in-a-box, le vol peut être autonome. S’il fait appel à un prestataire, la demande est transmise avec un briefing de vol précis.
4. Perception physique
L’agent de vision par drone reçoit le briefing de vol, pilote la mission et traite les images après l’atterrissage. Il s’agit de bien plus qu’une simple revue d’images : orthorectification, géoréférencement, classification thermique, notation de la sévérité et mise en correspondance spatiale avec l’anomalie électrique à l’origine du vol.
La classification ne fonctionne que sur des données thermiques radiométriques, où chaque pixel porte une valeur de température. L’agent compare chaque module à des modules sains soumis à la même irradiance et note la sévérité selon l’écart de température (ΔT), conformément aux conditions de prise de vue fixées par l’IEC TS 62446-3 pour la thermographie infrarouge extérieure des centrales photovoltaïques. Une image non radiométrique peut montrer qu’un point chaud existe, mais pas sa gravité.
C’est pourquoi le flux de travail technique complet est déterminant, comme l’explique notre guide sur l’inspection thermographique radiométrique des centrales solaires. Le résultat n’est pas un rapport PDF, mais un registre structuré des défauts que la couche opérationnelle peut exploiter immédiatement.
5. Action
Le registre des défauts alimente l’agent d’exploitation O&M. Chaque défaut est classé, noté selon sa sévérité, rattaché à son impact sur la production et converti en spécification d’ordre de travail.
Le système vérifie le stock avant de créer l’intervention. Si les pièces sont disponibles localement, la planification des techniciens démarre aussitôt. Si elles manquent, l’approvisionnement est lancé en parallèle. Il en résulte un chemin direct de la détection à l’action, sans transmissions manuelles qui ralentissent le processus.
Un exemple illustratif
Voici à quoi ressemble la boucle en pratique. Il s’agit d’un exemple illustratif : « Site Alentejo » et les horaires ci-dessous constituent un scénario représentatif, et non un dossier client.
Lundi, 7 h 23 : l’agent de performance des strings signale le string C7 sur Site Alentejo. Sa production recule de 0,31 % d’un mois sur l’autre depuis sept mois consécutifs. C’est un signal de variation dans le temps, et non une alarme de seuil.
Lundi, 8 h 15 : l’agent d’exploitation O&M émet une demande d’inspection par drone. Le ciel est dégagé et le vent est inférieur à 12 km/h : l’envoi est approuvé.
Lundi, 8 h 40 : le drone décolle du site. Il survole les rangées 12 à 19 en imagerie thermique et RVB.
Lundi, 9 h 15 : le drone revient et téléverse les images.
Lundi, 11 h 30 : l’agent de vision par drone termine le traitement. Il identifie sept points chauds liés à des défaillances de diodes bypass, deux points chauds liés à des ombres de salissures et une surchauffe de connexion à la boîte de jonction C7-J14.
Lundi, 12 h 05 : l’agent d’exploitation O&M génère deux ordres de travail. Le premier porte sur un nettoyage urgent et le resserrage de la boîte de jonction. Le second concerne la réparation des sept modules touchés, avec déclenchement de l’approvisionnement des pièces.
Lundi, 12 h 05 : l’agent de gestion des garanties rapproche aussi le lot de modules des conditions de garantie. Le lot étant encore couvert, un dossier de réclamation est initié.
Durée totale écoulée : moins de cinq heures entre le signal d’anomalie et l’ordre de travail assorti de l’action de garantie.
Le gain opérationnel ne tient pas seulement à une inspection plus rapide. La décision, l’envoi des équipes et le rétablissement vont plus vite aussi.
Pourquoi cela compte à grande échelle
Sur un portefeuille de 100 MW, une détection plus rapide des défauts, des cycles de réparation plus courts et une meilleure récupération des garanties s’additionnent. ClearSpot indique 99 % de détection des défauts, une réduction de 30–50 % des coûts d’O&M, une réduction de 65 % des temps d’arrêt et une disponibilité de 97 % et plus pour la centrale lorsque agents et drones fonctionnent comme une seule boucle. ClearSpot est proposé sous forme d’abonnement à la plateforme, de 50 à 1 000 USD par MW et par an selon l’envergure du portefeuille, la taille des sites et le niveau d’automatisation et de supervision.
L’enjeu n’est pas que les drones remplacent le SCADA, mais qu’ils étendent la couche opérationnelle au-delà de ce que le SCADA peut faire seul.
Conclusion
Les agents IA et les drones travaillent ensemble parce qu’ils résolvent des parties différentes d’un même problème. Les agents décident, les drones perçoivent, et la couche opérationnelle transforme ce contexte combiné en action.
Pour le contexte réseau et opérationnel, le rapport de l’IEA PVPS sur la gestion de la puissance active et SolarPower Europe expliquent pourquoi les systèmes solaires exigent un pilotage opérationnel plus dynamique.
Questions fréquentes
Les agents surveillent les données SCADA et celles des strings pour repérer les anomalies, décident quand un contrôle physique est nécessaire et envoient un vol de drone ciblé. Les images du drone sont classées dans un registre des défauts, et les agents transforment chaque défaut en ordre de travail, en demande de pièces ou en réclamation de garantie.
Non. L’agent d’intégration SCADA lit les données du SCADA existant par des protocoles standard tels que Modbus, IEC 61850 et REST. Le matériel reste en place et devient le réseau de capteurs des agents.
Un signal qui nécessite une investigation physique, comme un déclin persistant de la variation dans le temps sur un string ou une corrélation entre strings, plutôt qu’une simple alarme de seuil. L’agent d’exploitation vérifie ensuite la météo, la disponibilité des drones et les inspections en attente avant l’envoi.
À un registre structuré des défauts plutôt qu’à un PDF : chaque défaut est géoréférencé, classé à partir d’images thermiques radiométriques et RVB, noté selon sa sévérité et rapproché de l’anomalie électrique à l’origine du vol.