Gains :
- Capacité à discerner où l'IA permet de gagner du temps réel dans le flux de travail d'ingénierie géologique et quelles décisions doivent rester de la responsabilité de l'ingénieur
- Capacité à appliquer une discipline qui valide de manière croisée chaque résultat de l'IA avec un ordre de grandeur, une plausibilité géologique et des preuves de terrain
- Reconnaissez les risques d'ambiguïté, d'hallucination et de confidentialité des données et développez l'habitude de configurer des invites sécurisées en anonymisant le contexte.
L’ingénierie géologique est une profession dans laquelle nous ne pouvons jamais voir pleinement la vérité sous terre. Un forage n’échantillonne qu’une tranche centimétrique de plusieurs kilomètres de terrain ; une coupe géophysique est une ombre indirecte ; Une carte est une interprétation des écarts entre les observations. C'est pourquoi la géologie est une discipline qui fonctionne par nature avec l'incertitude. L'intelligence artificielle (IA ; systèmes logiciels qui apprennent des modèles de Big Data et produisent du texte/des images/des chiffres) est un outil puissant pour gérer cette incertitude, mais c'est aussi un outil qui peut dangereusement cacher la même incertitude. Cette unité pose les deux fondations sur lesquelles l'ensemble du module sera construit : où dans le flux de travail géologique l'IA produit-elle une valeur réelle et comment validons-nous chaque résultat.
Soyons clairs dès le début : aucune technique que vous apprendrez au cours de ce module ne remplacera la signature, l'observation sur le terrain et le jugement technique d'un ingénieur géologue compétent. L'intelligence artificielle est un assistant ; Lit vite, écrit vite, capture des modèles. Mais si une pente s’effondre, si les fondations d’un barrage s’effondrent ou si une réserve minérale s’avère plus importante qu’elle ne l’est, la responsabilité n’incombe pas au logiciel, mais à l’ingénieur qui l’a signé. Vous reverrez cette phrase sous différentes formes dans chaque unité du module, car c'est la seule vérité en matière d'ingénierie critique pour la sécurité.
Où l’intelligence artificielle crée-t-elle de la valeur dans le flux de travail géologique ?
La semaine d'un ingénieur géologue est grossièrement divisée en trois types de travail : la préparation des données (numérisation des journaux, édition des notes de terrain, nettoyage des tables), l'interprétation et l'analyse (classification lithologique, corrélation, estimation des ressources, évaluation des dangers) et la communication (rapport, carte, présentation, correspondance). L’IA touche les trois domaines, mais sa contribution et ses risques sont différents dans chacun.
La préparation des données est le domaine de l’intelligence artificielle le plus sûr et le plus rentable. Traduire des descriptions de base en texte libre dans un tableau structuré, standardiser des unités incohérentes, signaler des valeurs aberrantes dans des milliers de lignes de résultats de laboratoire : ce sont des tâches répétitives, basées sur des règles et faciles à vérifier. Même s'il y a une erreur ici, cela prendrait quelques minutes pour revenir à la source (journal brut) et la vérifier.
Le domaine de l’interprétation et de l’analyse comporte la valeur la plus élevée et le risque le plus élevé. L’IA peut suggérer une éventuelle géométrie de faille à partir d’une section de forage ; Cela peut révéler un motif que même un œil expérimenté pourrait manquer. Mais le même modèle peut s’adapter en toute confiance à une unité stratigraphique inexistante (ce phénomène est appelé hallucination : le modèle produit des informations qui n’existent pas réellement, comme si elles étaient réelles). Dans ce domaine, l’IA est un générateur d’hypothèses et non un décideur.
Dans le domaine des communications, l’intelligence artificielle est un accélérateur de tirage. Rédige la section méthode d'un rapport géotechnique, d'un résumé de la littérature ou d'un e-mail en quelques minutes. Le risque ici est que des sources fabriquées et des numéros incorrects puissent se glisser inaperçus dans la signature dans un texte fluide.
Discipline de validation : la règle des trois ancres
Le cœur de ce module repose sur une seule habitude : ne pas intégrer les résultats de l’IA dans une décision d’ingénierie sans la valider. Nous basons la validation sur trois ancres indépendantes.
Première ancre – Ordre de grandeur. Le résultat est-il à peu près dans la plage de puissance attendue de 10 ? La conductivité hydraulique d'un aquifère de sable est généralement de l'ordre de mètres par jour ; Si le modèle donne des kilomètres/jour, il y a une erreur d'unité ou d'édition et cela peut se comprendre sans entrer dans les détails. La résistance à la compression uniaxiale d'un calcaire est comprise entre 30 et 200 MPa ; 3000 MPa, c'est ridicule. Cette vérification prend quelques secondes et détecte la plupart des erreurs.
Deuxième ancre — Plausibilité géologique. Le résultat est-il cohérent avec l’histoire géologique du champ ? Si le modèle a placé un alluvion jeune sous un calcaire marin, soit il y a une faille inverse (et cela doit être prouvé séparément), soit le modèle est une connerie. La séquence stratigraphique, le cadre tectonique et l'environnement de dépôt sont le filtre de plausibilité à travers lequel doit passer toute interprétation.
Troisième point d’ancrage – Preuves de terrain. C'est l'ancre la plus solide. Carottage, observation d'affleurements, vérification sur le terrain. Une interprétation lithologique basée sur les diagraphies est comparée à des carottes prélevées à la même profondeur. Une zone d'altération cartographiée par télédétection est testée avec des échantillons en plusieurs points du terrain. La vérité terrain gagne toujours.
Trois mini-cases : en chiffres
Cas 1 — Gain de temps dans la numérisation des journaux. Un ingénieur numérisait manuellement 42 journaux de forage numérisés (sur papier) datant des années 1980 ; En moyenne 35 minutes par journal, soit environ 24 heures au total. Grâce à un flux de travail de cartographie alimenté par l'IA, il a réduit la première ébauche à 6 minutes, consacrant le temps restant à la vérification visuelle. La durée totale est tombée à environ 8 heures ; Ce qui était crucial, c'était que le temps gagné soit consacré au contrôle.
Cas 2 — Hallucination capturée. Lorsqu'un stagiaire demandait à l'IA de résumer la stratigraphie d'un champ, le texte incluait la phrase « Les évaporites de la formation de Tuzla sont courantes dans la région ». Il n'y avait pas d'évaporite sur le site ; le modèle avait confondu les informations provenant d'un autre bassin. Le filtre de plausibilité géologique (le cadre tectonique de la région n'était pas adapté au dépôt d'évaporites) a détecté l'erreur avant la signature du rapport.
Cas 3 — Erreur d'unité. Dans un calcul source, le modèle a gonflé le tonnage produit d'un facteur 1 000 en confondant la densité avec 2,7 t/m³ au lieu de 2,7 g/cm³ (en fait, les deux sont égaux, mais l'étape intermédiaire du modèle était incorrecte et a gonflé le résultat d'un facteur 1 000). La vérification de l’ordre de grandeur – « ce bloc ne peut pas faire 5 millions de tonnes mais 5 milliards de tonnes » – a immédiatement révélé l’erreur.
Invite faible/Invite forte
Invite faible :
Résumer la géologie de ce champ et évaluer son potentiel minéral.[données]
Invite puissante :
Votre rôle : Un géologue d'exploration senior. Interprétez le résumé de forage ci-dessous en vous basant UNIQUEMENT sur les données fournies. - N'ajoutez aucune formation, minéral ou âge qui ne figure pas dans les données. - Affichez la ligne de données sur laquelle vous vous basez avec des parenthèses à côté de chaque commentaire. - Écrivez « données insuffisantes » lorsque vous n'êtes pas sûr, ne faites pas de devinettes. - Enfin : faites une liste séparée de 3 hypothèses qui doivent être vérifiées. Données : [résumé du forage]
L'invite forte impose trois choses au modèle : s'en tenir à la source, admettre l'incertitude et marquer les éléments à vérifier. Cela ne met pas complètement fin à l’hallucination, mais cela la rend visible.
Quatre modèles copiables
1) Établir un contexte anonymisé :
J'ai besoin d'aide pour une mission de génie géologique. Le nom du champ, les coordonnées et les informations sur l'entreprise sont CONFIDENTIELS ; Je vais les donner avec des expressions représentatives telles que "Champ-A", "Coordonnée X". Quête : [quête]. Fiez-vous simplement aux données techniques que je donne.
2) Trois demandes de vérification d'ancrage :
Effectuez trois vérifications pour le résultat suivant : 1) Ordre de grandeur : chaque nombre se situe-t-il dans la plage attendue ? Sinon, cochez.2) Plausibilité géologique : existe-t-il une affirmation incohérente sur le plan stratigraphique/tectonique ?3) Liste de vérification : éléments qui doivent être confirmés sur le terrain/en laboratoire.Résultat : [texte]
3) Renforcer l'ambiguïté :
Donnez votre interprétation à trois niveaux de confiance : - Confiance élevée (directement étayée par les données) - Confiance moyenne (inférence raisonnable) - Spéculative (données supplémentaires requises) Tâche : [tâche]. Données : [données]
4) Distinction décision/accompagnement :
Divisez la tâche suivante en deux :A) Travaux de données/ébauches que l'IA peut effectuer en toute confianceB) Points de décision pour lesquels l'approbation d'un ingénieur autorisé est OBLIGATOIREDescription de la tâche : [définition]
Rôle de l'IA : risque par type de mission
Type de tâche
Contribution de l'IA
Niveau de risque
Densité de vérification
Numérisation des journaux/tableaux
haut
faible
vérification ponctuelle
Classement préliminaire de lithologie
haut
moyen
Noyau + caractère raisonnable
Calcul ressource/tonnage
moyen
haut
Compte manuel + indépendant
Décision de sécurité en pente/base
limité
très élevé
Approbation complète de l'ingénieur
Projet de rapport/documentation
haut
moyen
confirmation de la source
Évaluation des risques/catastrophes
limité
très élevé
Champ + norme + agrément
Astuce : Pour déterminer le niveau de risque d'une tâche, posez une question : « Quel est le pire qui pourrait arriver si ce résultat est erroné ? » Si la réponse est « Je vais perdre quelques minutes », vérifiez légèrement ; Si « quelqu'un pourrait être blessé », traitez le résultat comme une hypothèse et soumettez-le au processus d'ingénierie complet.
Attention : la caractéristique la plus dangereuse de l’intelligence artificielle n’est pas qu’elle commette des erreurs, mais qu’elle commette des erreurs en toute confiance. Un texte fluide, technique et soigné ne veut pas dire qu’il est correct. Faites confiance aux preuves, pas au style.
Erreurs courantes
- Confondre aisance et précision. Aussi professionnel que soit le texte, les affirmations factuelles (âge, formation, numéro, source) doivent être vérifiées de manière indépendante.
- Ne pas dimensionner le risque par type de tâche. Examiner une analyse de liquéfaction de la même manière qu’un brouillon d’e-mail. Échelles de validation avec préjudice potentiel.
- Saisir des données de terrain confidentielles sans réfléchir. Les informations sur les coordonnées, les notes et les réserves sont commercialement et juridiquement sensibles ; anonymiser avant d’entrer dans le véhicule non contrôlé.
- Ignorer l'incertitude. Ce n’est pas parce que le modèle semble « confiant » que l’incertitude disparaît ; Demandez une fourchette et un niveau de confiance plutôt qu’une estimation ponctuelle.
- Confondre l’IA avec la prise de décision. Le modèle génère des hypothèses ; L'ingénieur responsable prend la décision.
En résumé
- La géologie fonctionne intrinsèquement avec l’incertitude ; L’IA peut à la fois gérer et dangereusement cacher cette incertitude.
- L’intelligence artificielle est la plus sûre et la plus rentable en matière de préparation de données, la plus précieuse mais la plus risquée en interprétation/analyse, et l’accélérateur de communication.
- Chaque résultat est validé par rapport à trois critères : ordre de grandeur, plausibilité géologique, preuves de terrain.
- Le risque d’un résultat est égal au préjudice qu’il causerait s’il était mauvais ; la validation évolue en conséquence.
- Dans l’ingénierie critique pour la sécurité, la sortie de l’IA ne remplace jamais l’approbation d’un ingénieur agréé.
Tâche de candidature
Énumérez cinq tâches géologiques que vous effectuez en une semaine dans le cadre de votre propre travail (par exemple, édition de journaux, corrélation, section de rapport, contrôle de qualité, notation des dangers). Placez chacun au niveau de risque selon le tableau de cette unité et demandez « quelle serait la pire chose qui arriverait si les choses étaient fausses ? » Répondez à la question en une phrase. Ensuite, écrivez une invite forte et anonymisée pour la tâche à risque le plus faible et essayez-la ; Vérifiez la sortie avec trois ancres et notez quelle ancre a détecté un problème.
liste de contrôle
- [ ] Je peux distinguer où l'intelligence artificielle produit une valeur sûre et où elle produit une valeur risquée dans le flux de travail géologique.
- [ ] J'ai acquis le réflexe de vérifier chaque sortie avec un ordre de grandeur, une plausibilité géologique et des preuves de terrain.
- [ ] Le niveau de risque d'une tâche en demandant « quel est le pire qui pourrait arriver si elle tourne mal ? » Je peux déterminer avec la question.
- [ ] Je sais ce que sont l'hallucination et l'incertitude et comment les rendre visibles.
- [ ] J'ai pris l'habitude de mettre en place une invite sécurisée en anonymisant les données de terrain confidentielles.