L'IA explicable dans la gestion d'actifs : comment instaurer la confiance dans les recommandations d'investissement

Si un système d'IA n'est pas en mesure de démontrer pourquoi Même s'il a sélectionné un projet, vous ne devriez pas vous en servir pour orienter vos dépenses.

Je résumerais cet article en une seule idée : dans la gestion d'actifs, les recommandations issues de l'IA doivent être faciles à retracer, à examiner et à justifier. Cela signifie que chaque plan doit relier chaque projet au dossier de l'actif, aux données sources, aux résultats du modèle, aux règles métier et à l'étape finale d'approbation. Lorsque c'est le cas, les équipes peuvent mettre en place Plans d'investissements (CAPEX) et de dépenses d'exploitation (OPEX) qui résistent à l'examen du conseil d'administration, aux audits et aux contraintes budgétaires.

Voici en bref :

• J'ai besoin de explications locales pour les actifs individuels : Pourquoi cet élément, pourquoi cette action, pourquoi maintenant ?
• J'ai besoin de explications sur le portefeuille En ce qui concerne le projet : pourquoi ces projets, dans cet ordre, avec ce budget ?
• Je souhaite que chaque recommandation mette en avant les mêmes facteurs clés :
  • condition
  • risque de défaillance
  • coût du cycle de vie
  • impact sur le service
  • consommation d'énergie
  • empreinte carbone
• J'ai besoin de tests de scénarios pour montrer ce qui change lorsque les hypothèses relatives au budget, aux coûts ou aux politiques évoluent
• J'ai besoin de validation par une personne, le contrôle de version et une piste d'audit pouvant être consultée des années plus tard

L'article met également en avant des résultats commerciaux concrets. Grâce à une planification explicable, les équipes peuvent réduire le temps consacré à la préparation des audits de jusqu'à 70% et réduire le coût total de possession de 25% à 30% grâce à un travail mieux planifié. En termes simples : l'IA est particulièrement utile lorsque les personnes peuvent vérifier la logique, la remettre en question, tout en continuant à soutenir la décision finale.

Voici une façon utile d'envisager la question : le modèle ne se contente pas de classer les projets. Il doit mettre en évidence les compromis entre risque, coût, service, conformité et empreinte carbone en termes simples, avec des chiffres qui correspondent à la façon dont les équipes américaines fonctionnent déjà – comme $600,000, 380 000 kWh/an, 38 tonnes métriques de CO₂e par an, ainsi que des plages horaires de planification telles que 2026–2035.

Comparaison rapide

Ce qu'il faut expliquer	Question principale	Ce que je devrais voir
Recommandation concernant un actif unique	Pourquoi cet actif et pourquoi maintenant ?	Indice d'état, tendance aux défaillances, coût du retard, moment d'intervention, impact prévu
Plan de portefeuille	Pourquoi commencer par ces projets ?	Logique de classement, pondérations, limites budgétaires, risques et bilans carbone
Changement de scénario	Et si les hypothèses venaient à changer ?	Évolution du projet, évolution des dépenses, évolution des risques, évolution des émissions de carbone
Validation et piste d'audit	Qui a donné son accord pour cela, et sur quelle base ?	Données sources, version du modèle, motif de la dérogation, enregistrement de la décision finale

En résumé, cet article explique comment faire évoluer l'IA d'un outil de classement de type « boîte noire » vers un système de planification que les utilisateurs peuvent examiner, remettre en question, valider et utiliser en toute confiance.

sbb-itb-5be7949

1. Ce que l'IA explicable implique pour les décisions d'investissement en actifs

1.1 Que signifie l'IA explicable dans le domaine de la gestion d'actifs ?

Une IA explicable signifie qu’une recommandation d’investissement ne se présente pas comme une « boîte noire ». Elle montre pourquoi Le système a pris cette décision en s'appuyant sur les mêmes critères de condition, de risque, de coût et d'empreinte carbone que ceux sur lesquels s'appuient déjà les équipes chargées de la gestion des actifs.

Ainsi, si un système recommande de rénover le pont A en 2027 ou de reporter le remplacement du système de chauffage, de ventilation et de climatisation du bâtiment B, la logique doit être claire tant sur le plan commercial que technique. Les ingénieurs chargés du pont, les responsables des installations et les comités d'investissement doivent tous disposer d'un raisonnement sur lequel ils peuvent s'appuyer.

Il existe deux points de vue principaux à ce sujet. Explications générales montrer comment le modèle se comporte à l'échelle de l'ensemble du portefeuille. Explications locales indiquer les facteurs qui ont motivé une recommandation concernant un actif ou un projet, tels que l'état d'entretien, la probabilité de défaillance, le coût du cycle de vie, le trafic ou le niveau de criticité, les contraintes réglementaires, l'empreinte carbone et les exigences en matière de niveau de service.

Ces deux points de vue sont importants pour des raisons différentes. Les explications globales mettent en évidence la logique au niveau du portefeuille. Les explications locales justifient, au niveau de chaque actif, l'option d'achat en question. Les explications globales permettent de confirmer que le modèle est cohérent avec ISO 55001- des objectifs et une appétence au risque cohérents. Des explications adaptées au contexte local permettent de justifier un projet spécifique de rénovation ou de modernisation devant un comité ou un auditeur.

Une piste d'audit efficace permet de relier chaque recommandation à l'actif concerné, aux données sources, au modèle et à l'action finale.

1.2 Quelles décisions en matière de planification patrimoniale doivent être justifiées ?

Ce type d'explication revêt une importance particulière lorsqu'une décision a des répercussions sur fonds propres, risque ou conformité. En termes simples, les décisions qui nécessitent le plus d'explicabilité sont celles qui ont des répercussions importantes sur le plan financier, de la sécurité, de la réglementation ou à long terme. Ce sont ces décisions qui peuvent immobiliser des capitaux pendant des années et qui devront peut-être résister à un examen rétrospectif bien après l'approbation du projet.

Cela inclut notamment des décisions telles que :

• classement des projets
• calendrier de renouvellement
• entretien différé
• affectation budgétaire
• options d'atténuation des risques
• séquençage des travaux de mise en conformité en matière de carbone

Ces décisions se trouvent souvent au sein de plans pluriannuels de dépenses d'investissement et d'exploitation, comme un plan décennal de rénovation des bâtiments ou un programme de remplacement des ponts s'étalant sur dix ans, le tout dans le respect des contraintes budgétaires, des risques et des objectifs carbone. Si ces priorités sont remises en question des années plus tard, les décideurs doivent reconstituer le contexte : ce que l'on savait à l'époque, ce que prévoyait le modèle et quels compromis avaient été acceptés ^[6][4][5].

Pour que cet examen ait un sens, chaque recommandation doit également présenter les données sur lesquelles elle s'appuie, le raisonnement qui la sous-tend et la chaîne de validation.

1.3 À quoi ressemble une recommandation digne de confiance ?

Une recommandation fiable est précis, traçables et justifiables. Pour cela, quatre éléments doivent fonctionner de concert :

• Intrants traçables : Les dates d'inspection, les évaluations de l'état, les comptages de trafic, la consommation d'énergie, les facteurs d'émission et les estimations de coûts doivent être rattachés à un système source comportant des règles documentées relatives à la qualité des données.
• Système de notation cohérent : Les scores de risque, les scores de priorité et les indices coûts-avantages doivent reposer sur des formules transparentes, dont les versions sont contrôlées, et appliquées de manière uniforme à l'ensemble du portefeuille.
• Validation par un humain : Les recommandations ayant un impact important devraient être soumises à une commission désignée, avec des seuils d'approbation clairement définis, avant d'être intégrées au plan.
• Documents prêts pour un audit : L'ensemble du processus décisionnel – données utilisées, hypothèses retenues et justification finale – doit être reproductible et pouvoir faire l'objet d'un examen à tout moment.

Élément	Ce qu'il faut
Intrants traçables	Données dont la provenance peut être retracée jusqu'aux systèmes sources, avec des règles de qualité documentées
Système de notation cohérent	Des formules transparentes, gérées par contrôle de version, appliquées de manière uniforme à l'ensemble des actifs
Approbation humaine	Seuils d'approbation définis pour les recommandations à fort impact
Documents prêts pour un audit	Une trace complète des décisions, pouvant être reproduite et consultée ultérieurement

2. Comment mettre en avant les facteurs déterminants des recommandations

2.1 Les facteurs clés à l'origine de chaque recommandation

La confiance augmente lorsque les gens peuvent voir pourquoi Un modèle a formulé une recommandation. Ce n'est pas une supposition. Ce n'est pas une déduction. C'est une constatation.

Chaque recommandation doit indiquer les quatre facteurs qui la sous-tendent : état, risque, coût du cycle de vie et impact carbone/énergétique. Et ces chiffres doivent être présentés selon les unités et le formatage standard américains.

L'état doit être exprimé sous forme de note chiffrée, par exemple : 0–100 ou 1–5, ainsi qu’une courbe de tendance de détérioration établie à partir des rapports d’inspection datés. Le risque doit être divisé en deux parties : probabilité de défaillance et conséquence de l'échec, présenté dans dollars américains, heures, ou impact sur la sécurité. Il convient de comparer les coûts sur l'ensemble du cycle de vie ne rien faire, entreteniret renouveler ou remplacer scénarios sur une 20 ou 30 ans horizon, avec tous les chiffres en dollars américains et un taux d'actualisation donné. Les chiffres relatifs au carbone et à l'énergie doivent apparaître sous la forme kWh/an en matière de consommation d'énergie et tonnes métriques de CO₂e/an en matière d'émissions, avec les valeurs de référence et les valeurs post-projet pour chaque option.

Dans le cadre de la rénovation du tablier d'un pont, cela implique de présenter l'état actuel de celui-ci, ainsi que la baisse prévue au cours des prochaines 5 à 7 ans, l'augmentation de la probabilité de défaillance et l'écart de coût sur le cycle de vie entre agir dès maintenant et attendre. Toute recommandation de report devrait également inclure coût du retard.^[2]

Une fois ces facteurs identifiés, la prochaine étape est simple : expliquer une recommandation en termes clairs.

2.2 Explications locales concernant un actif ou un projet donné

Une explication locale porte sur un actif donné et répond à trois questions directes : Pourquoi cet élément, pourquoi cette action, et pourquoi maintenant ?

La meilleure présentation consiste en un bref résumé rédigé en langage simple, accompagné d'une analyse par facteur indiquant quelles variables ont fait passer la recommandation au-delà du seuil de décision. Par exemple :

" Remplacement prévu pour l'exercice 2027. État : 30/100. Probabilité de défaillance : 7% et en hausse. Coût annuel de réparation : $85 000. Économies d'énergie : 380 000 kWh/an. Réduction des émissions : 38 tonnes métriques de CO₂e/an. Coût initial : $600 000. La VAN sur un cycle de vie de 20 ans s'améliore d'environ $420 000. "

Cela fonctionne parce que chaque indicateur est directement lié à un aspect qui tient à cœur au comité : prévisibilité budgétaire, sécurité ou objectifs de développement durable.

Une réparation de façade reportée nécessite le même niveau de clarté, mais dans un sens inverse. L'explication doit montrer Pourquoi il est judicieux d'attendre. Si la probabilité d'une défaillance critique pour la sécurité est inférieure à 1% par an, le niveau de criticité de l'actif est modéré, et l'analyse des coûts du cycle de vie montre que le regroupement des travaux de façade avec une rénovation prévue des fenêtres et de l'isolation dans 5 ans Si c'est la meilleure solution, l'explication doit le préciser clairement. Elle doit également mettre en évidence les économies d'énergie cumulées réalisées en combinant ces travaux plutôt qu'en réalisant uniquement les travaux de façade. Chaque explication locale doit comporter un lien vers la ressource, données, modèle et action.^[2]

À partir de là, la planification du portefeuille intègre ces critères au niveau des actifs dans un programme d'investissement hiérarchisé.

2.3 Explications générales concernant le plan de portefeuille complet

Au niveau du portefeuille, la question change : Pourquoi ces projets, dans cet ordre, compte tenu de ces contraintes ?

Cela nécessite un cadre de notation clair, combinant plusieurs critères assortis de pondérations définies. Par exemple :

• Risque : 35%
• Coût du cycle de vie : 20%
• Continuité du service : 20%
• Risques liés à la conformité : 15%
• Réduction des émissions de carbone : 10%

Ces poids ne doivent pas apparaître comme par magie. Ils doivent être liés à politique du conseil d'administration, réglementation ou objectifs de décarbonisation.

Le tableau ci-dessous montre comment chaque facteur apparaît dans une explication globale.^[2]

Facteur de décision	Objectif	Comment cela apparaît dans les explications
Risque	Assurer la sécurité publique ; éviter les défaillances	" Ce projet réduit le coût annuel prévu des défaillances de $X et concerne un équipement présentant un risque élevé en matière de sécurité. "
Continuité du service	Assurer la continuité des opérations	" Permet d'éviter environ 120 heures d'interruption de service par an "
Risque lié à la conformité	Respecter les exigences réglementaires	" Élimine un risque de pénalité réglementaire de 1 TP 4 T 250 000 par an "
Coût du cycle de vie	Réduire au minimum les dépenses à long terme	" Améliore la VAN sur 30 ans de $3 100 000, avec un délai de récupération de 7 ans "
Réduction des émissions de carbone	Atteindre les objectifs climatiques	" Réduit les émissions du portefeuille de 12% et évite le rejet de 1 800 tonnes métriques de CO₂e par an "

Une analyse globale solide devrait également présenter les montants totaux des portefeuilles. Par exemple, les principaux 20 projets pourraient, ensemble, réduire le coût annuel prévu lié au risque de $12,000,000, réduire la consommation d'énergie de 9,2 millions de kWh par an, et éviter 3 400 tonnes métriques de CO₂e par an. Ce type de synthèse permet à un comité d'investissement d'examiner le plan d'un seul coup d'œil et de vérifier s'il est équilibré sur l'ensemble des sécurité, coût et durabilité – au lieu de se concentrer excessivement sur un seul objectif.

3. Comment créer un workflow explicable dans Oxand Simeo™

Rendre les recommandations issues de l'IA explicables ne se résume pas à obtenir de meilleurs résultats. Cela implique de mettre en place un processus dans lequel chaque étape laisse une trace d'audit claire. Oxand Simeo™ relie les données sur les actifs, les modèles prédictifs, les règles de priorisation et la simulation de scénarios au sein d'un même processus de planification, de sorte que chaque recommandation puisse être retracée depuis l'actif lui-même jusqu'à la décision d'investissement finale.

3.1 Commencer par dresser un inventaire des actifs fiables et définir des règles relatives aux données

La confiance s'instaure lorsque chaque recommandation s'appuie sur des fiches d'actifs validées et des données d'entrée fondées sur des règles. Une fois les facteurs déterminants définis, le processus commence par la validation des données relatives aux actifs et des règles.

Simeo Inventory rassemble les données relatives aux actifs provenant de sources existantes telles que CMMS, SIGet BIM dans un registre structuré unique. Les actifs sont classés selon une hiérarchie standard : site, système, composant et sous-composant. Pour un portefeuille de ponts, cela pourrait être Pont → Tabli → Joint de dilatation. Pour un portefeuille immobilier, cela pourrait être Bâtiment → CVC → Centrale de traitement d'air. Cette configuration permet de s'assurer que les modèles prédictifs et les règles d'investissement sont appliqués avec le niveau de détail approprié.

Chaque fiche d'actif comprend les champs qui permettent d'en expliquer le fonctionnement : les évaluations de l'état de santé sur une échelle de 1 à 5 ou de 1 à 10, domaines de risque telles que la probabilité de défaillance, les conséquences d'une défaillance et l'impact sur la sécurité, ainsi que caractéristiques liées au coût du cycle de vie tels que le coût de remplacement, les taux unitaires d'entretien et la durée de vie utile. Les portefeuilles américains indiquent également des mesures impériales, comme la longueur des portées en pieds et la surface au sol en pieds carrés, tous les coûts étant exprimés en dollars américains.

Les règles de validation empêchent les données incomplètes ou incohérentes d'être intégrées au modèle. La plateforme signale les champs manquants, comme une inspection soumise sans note d'état, sans identifiant d'actif ou sans date d'inspection dans MM/JJ/AAAA format. Elle détecte également les incohérences logiques, telles qu’une note d’état " médiocre " associée à une probabilité de défaillance trop faible pour être réaliste. L’application mobile Simeo GO aide les équipes de terrain grâce à des inspections guidées fonctionnant hors ligne et se synchronisant ultérieurement avec le cloud, ce qui réduit les lacunes dans les données dès leur source.

3.2 Relier les modèles prédictifs à une logique de planification compréhensible

Une fois que l'inventaire des actifs est validé, l'étape suivante consiste à le relier à des modèles qui expliquent pourquoi une intervention est nécessaire et à quel moment. Le modèle doit permettre de comprendre facilement l'état, les risques, le coût du cycle de vie et les facteurs liés au carbone qui sous-tendent chaque recommandation.

Simeo utilise des règles validées en matière de dégradation et de consommation d’énergie pour prévoir l’évolution dans le temps de l’état, des risques et des coûts de chaque ouvrage. Imaginons que vous disposiez d’un pont en acier situé dans une zone côtière. Son état pourrait passer de " bon " à " passable " en l’espace de 10 ans. Un pont du même type situé dans un climat continental sec pourrait conserver cette note plus longtemps. Des règles d’intervention précisent ensuite comment certaines actions modifient ces évolutions. Par exemple, une règle pourrait stipuler que la remise en peinture des éléments en acier au cours de la 12e année prolonge la durée de vie résiduelle de 10 ans et réduit la probabilité de défaillance liée à la corrosion d’un pourcentage défini.

Chaque action recommandée provient d'une bibliothèque de Plus de 30 000 interventions de maintenance et de renouvellement, chacun d'entre eux étant associé à un coût, à une réduction des risques et à un impact carbone ^[1]. Lorsque Simeo formule une recommandation – par exemple, la rénovation d’un pont en 2028 –, il enregistre l’intégralité du processus décisionnel : l’évolution prévue de l’état de l’ouvrage, le seuil de risque ayant déclenché l’alerte, la règle d’intervention appliquée, ainsi que la comparaison des coûts sur le cycle de vie qui a justifié le choix de cette année-là. Cela signifie que les planificateurs, les auditeurs et les membres du conseil d’administration peuvent retracer le classement d’un projet jusqu’à des données brutes et documentées, au lieu de considérer le résultat comme une « boîte noire ».

Une fois la logique du modèle mise en évidence, les tests de scénarios permettent de voir ce qui change lorsque les contraintes évoluent.

3.3 Utiliser des scénarios et des hypothèses contrefactuelles pour expliquer les compromis

Un seul scénario recommandé ne suffit généralement pas. Les décideurs doivent pouvoir observer comment le scénario évolue lorsque les hypothèses changent. C'est là qu'interviennent la simulation de scénarios et les analyses contrefactuelles.

Simeo permet aux utilisateurs de simuler le même portefeuille selon plusieurs scénarios. Un scénario de référence pourrait par exemple présenter des dépenses sans contrainte sur 10 ans, pour un montant total de $22,000,000 de De 2026 à 2035. Dans un scénario de restrictions budgétaires, les dépenses d'investissement pourraient être plafonnées à $ 15 000 000 sur cinq ans (2026-2030). Cela oblige le moteur à reporter les projets de moindre priorité, à privilégier ceux qui sont essentiels à la sécurité et à accorder davantage d'attention aux mesures de modernisation offrant la plus forte réduction des émissions de carbone par dollar dépensé.

Dans ce cas, la rénovation d'un pont pourrait passer de De 2027 à 2030. Les dépenses diminuent, mais le risque résiduel reste plus élevé pendant ces trois années. La plateforme explique précisément pourquoi : l'état ne cesse de se détériorer, mais le risque reste en dessous du seuil défini et le montant total des dépenses ne dépasse pas le plafond fixé.

Les explications contrefactuelles vont encore plus loin.

" Que se passerait-il si nous augmentions le budget de $15 000 000 à $18 000 000 ? "

Lorsque cette question se pose, la plateforme recalcule le plan et indique quels projets sont maintenus, comment le risque évolue et quel est le coût, en termes de réduction quantifiée du risque, de ce compromis budgétaire au cours des années suivantes. ^[1].

Les résultats de ces scénarios sont ensuite intégrés aux étapes de validation, d'approbation et de documentation décrites dans la section suivante.

4. Comment valider, encadrer et documenter les recommandations issues d'un audit

L'explicabilité n'a que très peu d'intérêt si personne ne teste le modèle, si personne ne sait qui donne son accord et si les traces disparaissent dès qu'un auditeur les demande.

4.1 Valider les résultats du modèle à l'aide de tests rétrospectifs et de tests de résistance

Après avoir procédé à une analyse de scénarios, vérifiez si les recommandations résistent à l'épreuve des résultats passés et des conditions difficiles.

Utilisez le backtesting, les tests de résistance et l’analyse de sensibilité pour mettre le modèle à l’épreuve sous différents angles. Le backtesting compare les recommandations passées du modèle aux résultats réels. Cela permet notamment d’identifier les actifs qui se sont dépréciés le plus rapidement, les interventions qui ont permis d’éviter des pannes urgentes, ainsi que les erreurs commises par le modèle. Oxand Simeo™ facilite ce processus grâce à l’étalonnage du modèle et à des indicateurs d’utilisation, en comparant les prévisions de l’IA aux performances réelles des actifs au fil du temps. ^[3].

Les tests de résistance permettent de vérifier si les classements et les courbes de réduction des risques restent stables dans des conditions défavorables, telles qu’une soudaine 20% réduction budgétaire, une 30% une hausse des coûts de construction ou une nouvelle norme fédérale en matière de résilience. L'analyse de sensibilité permet de vérifier si les résultats évoluent comme prévu lorsque les données d'entrée changent. Par exemple, si le fait d'améliorer l'état d'un bâtiment, en le faisant passer de " médiocre " à " passable ", ne réduit pas son niveau d'urgence, cela signifie qu'un élément de la logique du modèle doit être examiné de plus près.

Intégrez les données relatives à la précision, à la stabilité, au biais et à la cohérence des explications dans un tableau de bord que les comités et les auditeurs pourront consulter. Mettez-le à jour au moins une fois par an et joignez-le aux dossiers destinés au conseil d'administration et aux comités.

Une fois que les résultats ont été validés, la prochaine étape est simple : déterminer qui peut les approuver, qui peut les rejeter et qui signe la décision finale.

4.2 Définir les étapes de validation humaine et les rôles au sein du comité

Utilisez les résultats de la validation comme point de départ pour prendre des décisions en matière d'approbation et de dérogation.

Un modèle à trois lignes de défense fonctionne bien dans ce cas :

• Les gestionnaires d'actifs sont responsables des recommandations au niveau des projets.
• Alignement de la méthodologie d'évaluation des risques et de la conformité avec la politique en vigueur.
• Les comités d'investissement approuvent les décisions importantes en matière d'investissement.

Le tableau ci-dessous montre comment ces rôles se répartissent généralement selon les types de décisions courants :

Type de décision	Rôle de l'IA	Propriétaire	Responsable de la validation	Documents requis
Modifications des paramètres du modèle	Fournit des sorties de sensibilité	Responsable de l'analyse des actifs	Directeur des actifs	Journal des modifications, résumé de la validation, fiche de modèle mise à jour
Plan d'investissement annuel	Génère un portefeuille classé par ordre de priorité	Gestionnaires d'actifs	Comité d'investissement	Rapports de scénarios, contrôle des biais, examen de la conformité des politiques
Remplacement de l'IA au niveau du projet	Signaler la recommandation d'origine	Un gestionnaire d'actifs propose un changement	Directeur régional ou responsable désigné chargé de l'approbation	Justification de la dérogation, éléments probants, risques et impact carbone

Exiger une validation humaine avant toute modification de modèle, toute publication de version et tout projet dépassant les seuils définis en dollars américains.

4.3 Élaborer une documentation permettant de faciliter les audits et l'examen par le conseil d'administration

Une fois les rôles d'approbation définis, consignez chaque décision de manière à ce qu'elle puisse résister à un audit et à un examen par le conseil d'administration.

Générer de la documentation en continu à partir du modèle de planification en temps réel. Oxand Simeo™ génère automatiquement une piste d'audit, en enregistrant chaque recommandation avec ses données sources, la version du modèle et l'action finale. ^[2]. Les organisations qui ont adopté cette approche ont réduit le temps de préparation des audits jusqu’à 70% ^[1][2].

L'ensemble de la documentation doit couvrir trois niveaux. Au niveau du modèle, tenez à jour un inventaire des modèles précisant l'objectif de chaque modèle, ses sources de données, ses hypothèses clés et ses limites connues. Conservez un historique des versions avec les dates de publication et les résultats de validation. Ajoutez des fiches de modèle résumant les indicateurs de performance.

À la niveau des données, les dictionnaires de données, les règles de qualité, les systèmes sources tels que les GMAO, les SIG et le BIM, ainsi que les unités de mesure telles que les pieds carrés, les miles, les °F et les USD. Assurez également le suivi de la traçabilité des données, depuis les données brutes d'entrée jusqu'à l'ensemble de données de planification utilisé par le modèle.

À la niveau de recommandation, conservez les documents explicatifs relatifs aux décisions importantes. Il peut s'agir notamment de tableaux présentant l'importance des différents facteurs, de rapports comparatifs de scénarios et de résumés rédigés dans un langage simple que les membres du conseil d'administration peuvent lire sans avoir à décrypter le jargon propre aux modèles.

Consignez chaque dérogation en précisant la recommandation initiale, la modification apportée, la raison de cette modification, ainsi que l'effet attendu sur les risques et les émissions de carbone.

Les calendriers de conservation doivent être conformes aux exigences américaines en matière d'audit financier, qui sont généralement 7 à 10 ans ^[2]. Associez cela à des contrôles d'accès basés sur les rôles et à des règles de nommage cohérentes, afin que tout enregistrement puisse être rapidement extrait en cas d'enquête réglementaire ou d'examen par le conseil d'administration.

5. Transformer l'IA explicable en plans d'investissement fiables

Une fois la validation, l'approbation et la documentation en place, la dernière étape est simple en théorie mais difficile dans la pratique : transformer des résultats explicables en décisions que les dirigeants peuvent financer et défendre. C'est à ce stade que l'IA explicable cesse d'être un simple résultat de modèle pour devenir un plan d'investissement prêt à être présenté au conseil d'administration et à faire l'objet d'un audit.

5.1 Points clés à retenir pour les portefeuilles d'infrastructures et d'immobilier

Pour les propriétaires d'infrastructures et de biens immobiliers aux États-Unis, les retombées sont assez directes : des priorités de projet plus claires, des plans d'investissements (CAPEX) et de dépenses d'exploitation (OPEX) plus solides, une réduction des risques opérationnels et des plans qui tiennent la route face aux objectifs carbone. C'est cette capacité d'explication qui fait la différence entre un classement affiché sur un tableau de bord et un projet financé que les dirigeants soutiendront réellement.

Quelques principes permettent de mettre tout cela en perspective.

Tout d'abord, les explications doivent fonctionner à deux niveaux : portefeuille et actifs. La vue « Portefeuille » répond à Pourquoi ces projets maintenant ?. La vue « Actifs » répond à Pourquoi ce pont, ce bâtiment ou ce système ?. Lorsque ces deux vues restent facilement accessibles, les dirigeants disposent de la synthèse dont ils ont besoin, tandis que les ingénieurs et les auditeurs peuvent examiner en détail les éléments justifiant chaque poste.

Deuxièmement, chaque recommandation doit présenter les mêmes facteurs déterminants selon le même format. Cette cohérence est essentielle. Chaque recommandation doit exposer ses principaux facteurs déterminants en termes commerciaux clairs :

• condition
• probabilité de défaillance
• coût du cycle de vie
• impact sur le service
• consommation d'énergie
• empreinte carbone

Lorsque ces facteurs sont présentés côte à côte – qu’il s’agisse de la rénovation de ponts, de la mise aux normes de bâtiments ou du report d’entretiens –, les comités d’investissement peuvent comparer les différentes options sur un pied d’égalité. Et cela change la donne. Au lieu de débattre pour savoir quel projet semble le plus urgent, les équipes peuvent examiner les mêmes éléments d’information de manière uniforme.

Les comparaisons de scénarios sont également utiles dans ce cas. A stratégie axée sur les risques, a plan de décarbonisation, et un plan soumis à des contraintes budgétaires Chacun d'entre eux présente une voie différente. Mis côte à côte, ces scénarios mettent clairement en évidence les compromis à faire. Ce type de visibilité renforce la confiance au sein du comité et contribue à faire avancer les validations plutôt que de les laisser s'enliser.

C'est la gouvernance et la documentation qui font toute la différence utilisable dans les processus décisionnels concrets. Une piste d'audit complète doit permettre de relier chaque investissement recommandé à l'actif, aux données d'état, au modèle et à l'action correspondants. C'est là le niveau d'exigence en matière de planification des investissements qui permet de résister à l'examen du conseil d'administration, à l'audit et à l'examen du public.

L'IA explicable transforme l'IA, qui n'est plus un simple moteur de notation, en un système de planification transparent au service de la gouvernance, de la budgétisation et de la gestion à long terme.

FAQ

En quoi l'IA explicable diffère-t-elle d'un outil de classement de type « boîte noire » ?

Un outil de classement de type « boîte noire » fournit des résultats sans expliquer comment il y est parvenu. IA explicable fait exactement le contraire. Il crée une piste d'audit qui relie chaque recommandation aux éléments probants sur lesquels elle s'appuie.

Cela signifie que vous pouvez identifier les facteurs qui ont influencé le plan d'investissement, notamment les profils de risque, les coûts du cycle de vie, l'empreinte carbone et les données relatives à l'état des actifs. Ainsi, les propriétaires d'actifs, les auditeurs et les comités d'investissement peuvent vérifier la logique, valider la recommandation et se fier aux informations qui leur sont présentées.

De quelles données avons-nous besoin pour rendre explicables les recommandations d'investissement basées sur l'IA ?

Vous avez besoin de données fiables et centralisées, regroupées au sein d'une base unifiée. Cela implique de rassembler les informations internes relatives aux actifs, telles que les dates d'installation, les registres de maintenance, l'historique des pannes et les évaluations de l'état des installations, ainsi que des données externes telles que la variabilité climatique, les exigences réglementaires, les tendances du marché et l'activité sismique.

Vous avez également besoin de données normalisées santé et criticité les scores, ainsi que les contraintes opérationnelles telles que les plafonds budgétaires, les dates de bail, les périodes d'arrêt et les indicateurs de performance en matière d'émissions de carbone ou d'énergie.

Comment peut-on prouver qu'une recommandation issue de l'IA est prête à faire l'objet d'un audit ?

Une recommandation issue de l'IA est prête à faire l'objet d'un audit lorsque chaque décision laisse une une démarche claire et fondée sur des données probantes. En d'autres termes, il devrait être possible de remonter, à partir d'une recommandation, jusqu'aux données, aux règles et aux enregistrements qui l'ont déterminée.

Cela commence par registres d'actifs centralisés et normalisés s'appuyant sur des données de haute qualité et des dossiers complets. Si les données sources sont dispersées, incohérentes ou s'il manque des détails essentiels, les résultats perdent rapidement de leur fiabilité.

Il est également utile de disposer des points de contrôle appropriés :

• ISO 55000 listes de contrôle pour assurer la cohérence des avis
• Pistes d'audit issues des plans d'investissement afin que les décisions puissent être retracées étape par étape
• Gouvernance relative à la propriété, à la validation et à la gestion des versions des données pour montrer qui gère les données, comment elles sont vérifiées et ce qui a évolué au fil du temps

Ensemble, ces éléments rendent les recommandations plus transparent, reproductibles, maîtrisées et justifiables auprès des auditeurs, des comités d'investissement et des parties prenantes.

Articles de blog connexes

• Gestion des actifs d'infrastructure : Une approche basée sur le risque pour la planification pluriannuelle des dépenses d'investissement
• Des données aux décisions : Transformer l'analyse des actifs en économies de CAPEX
• L'IA pour la planification des investissements en actifs : Là où elle crée réellement de la valeur
• Comment l'IA peut-elle aider à établir des priorités pour le renouvellement des infrastructures vieillissantes dans un contexte de contraintes budgétaires ?