Résumé des points clés
Avec la réforme de la marchéisation de l’électricité (les nouvelles énergies cessent d’être garanties en quantité et en prix, et la tarification de marché devient la norme) et les contraintes liées à l’émissions de carbone (l’inclusion des émissions dans les critères d’évaluation et le coût chiffré du carbone), la logique de rentabilité de l’industrie des nouvelles énergies passe d’un modèle basé sur des revenus stables à un modèle plus difficile. Pour faire face à ces pressions, les entreprises investissent massivement dans l’intelligence artificielle (IA) afin d’améliorer leurs capacités de prédiction de la production d’électricité, d’organisation du dispatch et de négociation des transactions, dans le but d’obtenir un surcoût sur le marché. Cependant, elles rencontrent également des défis réels tels que des barrières de données et l’opacité des algorithmes. La logique de la concurrence dans l’industrie évolue, passant d’un focus sur la capacité de production à un accent mis sur l’intelligence des systèmes énergétiques.
I. Les règles du profit changent : de la rentabilité facile à une dépendance totale du marché
Auparavant, les entreprises des nouvelles énergies avaient la vie facile : l’État garantissait qu’elles pourraient vendre toute l’électricité produite à un prix fixe, ce qui équivalait à un revenu stable. Mais avec la mise en œuvre d’une série de politiques en 2025, ce modèle a complètement disparu :
- Toutes les nouvelles énergies sont mises sur le marché : l’éolien et le photovoltaïque ne peuvent plus compter sur le soutien de l’État pour vendre leur électricité ; les prix varient en fonction de l’offre et de la demande.
- Couverture complète du marché spot : les prix de l’électricité changent en temps réel, selon les conditions du marché.
- Contraintes plus strictes sur les émissions de carbone : les émissions de carbone sont intégrées aux critères d’évaluation des entreprises, et le coût du carbone doit être pris en compte de manière concrète dans leurs comptes financiers.
Résultat ? Les revenus des entreprises ont diminué (les cinq grandes entreprises centrales énergétiques ont toutes vu leur chiffre d’affaires reculer en 2025), et le taux d’endettement a grimpé (de nombreuses entreprises ont dépassé la limite de 70 % imposée par l’Administration d’État des actifs étatiques), rendant la rentabilité encore plus difficile.
II. Les entreprises investissent dans l’IA comme dernier recours
Pour survivre dans ces nouvelles conditions, les entreprises mettent en place des systèmes intelligents pour améliorer leurs performances :
- Vision à long terme : utilisation de grands modèles météorologiques et énergétiques pour intégrer la production photovoltaïque et l’stockage d’énergie de manière intelligente.
- Tianhe Fujia : a développé un modèle d’IA pour la gestion des émissions de carbone, aidant les entreprises à calculer et gérer leurs dépenses en carbone.
- Luming Starlight : propose un système d’IA pour les transactions énergétiques, visant à aider ses clients à négocier 80 milliards de kilowatt-heures d’électricité en 2026, ce qui leur permettrait de vendre leur électricité à des prix plus élevés sur le marché.
L’objectif principal de ces outils IA est de passer d’un modèle de revenus basé sur la capacité de production à un modèle dynamique, axé sur l’utilisation de l’intelligence pour obtenir des surcoûts.
III. L’IA résout trois problèmes majeurs : prévision fiable de la production, organisation efficace du dispatch, négociations rentables
Quels sont les vrais bénéfices de l’IA pour les entreprises ? Principalement trois domaines problématiques :
1. Prédiction précise de la production : l’électricité produite par les éoliennes et les panneaux solaires est instable (nuages obscurcissant les panneaux, arrêt soudain du vent) ; l’IA permet de prédire avec précision la quantité d’électricité produite, évitant ainsi des pénalités en cas d’erreurs de prévision.
2 Organisation plus flexible du dispatch : le système énergétique comprend de nombreuses ressources dispersées (chargeurs, systèmes de stockage d’énergie, centrales virtuelles) ; l’IA peut coordonner ces ressources en temps réel, beaucoup plus rapidement que les humains.
3 Négociations plus rentables : la vente d’électricité implique aujourd’hui plusieurs types de transactions (spot, à moyen et long terme, services auxiliaires) ; l’IA peut analyser de grandes quantités de données pour aider les entreprises à choisir le meilleur moment pour proposer leurs offres et maximiser leurs revenus.
IV. Les obstacles à l’intégration de l’IA : manque de données et opacité des algorithmes
L’IA n’est pas tout-puissant et rencontre encore plusieurs problèmes importants :
- Barrières de données : les réseaux électriques, les utilisateurs et les équipements gèrent leurs données séparément, créant des “îlots d’information” ; le partage de ces données est difficile en raison des craintes de violation de la confidentialité.
- Opacité des algorithmes : il est difficile de comprendre la logique des décisions prises par les algorithmes (par exemple, pourquoi choisir un certain prix pour vendre l’électricité) ; les régulateurs et les utilisateurs ont des doutes à ce sujet.
- Risques de sécurité : les systèmes IA peuvent être attaqués (par exemple, en fournissant des données falsifiées), entraînant des pertes financières.
Si ces problèmes ne sont pas résolus, l’IA restera difficile à utiliser à grande échelle.
V. La logique de la concurrence change radicalement : du nombre d’équipements au niveau d’intelligence
Auparavant, les entreprises des nouvelles énergies se faisaient concurrence sur l’efficacité de leurs composants et la taille de leurs installations ; aujourd’hui, le critère principal est l’intelligence de leurs systèmes énergétiques.
Comme l’a dit un expert de Tianhe Fujia : “Auparavant, on parlait des composants et des batteries ; maintenant, il s’agit de l’intelligence des systèmes énergétiques.” La prochaine étape pour l’industrie des nouvelles énergies ne consiste pas à installer davantage d’équipements, mais à rendre ceux qui existent plus intelligents, afin d’optimiser la valeur de chaque kilowatt-heure produite.
En somme, cette nouvelle illustre un changement majeur : les “bons jours” de l’industrie des nouvelles énergies sont révolus, et il faut désormais compter sur l’intelligence pour survivre. L’IA est la clé pour briser ces obstacles, mais le chemin à parcourir est encore long. Tout le monde peut comprendre cette tendance et saisir pourquoi de nombreuses entreprises parlent aujourd’hui d’une approche “énergie + IA” : il s’agit d’une nécessité pour leur survie.