Réseau CFF: l'IA qui anticipe la facture d'électricité
Les CFF annoncent la veille leur consommation électrique du lendemain. Un point de précision gagné pourrait valoir près d'un million de francs par an.
L'IA de l'EPFL, développée avec les CFF, combine des données de natures différentes: consommation passée, horaires, planification, météo annoncée.
Elle apprend seule lesquelles comptent le plus. L'erreur moyenne recule de 26,6 %, et d'environ 80 % les jours atypiques. Version 2 — l'IA par contraste avec l'ancienne méthode (150, 141 et 145 caractères) Prévoir la veille la consommation des trains est un exercice coûteux : un point de précision gagné pourrait valoir près d'un million de francs par an. Là où les calculs statistiques n'exploitaient que l'historique, l'IA de l'EPFL et des CFF y ajoute horaires, planification et météo annoncée. Il apprend seul le poids de chaque information. L'erreur moyenne baisse de 26,6 %, et d'environ 80 % les jours de chantier ou de grand événement. Ce que je recommande La version 1. Elle place « L'IA de l'EPFL » en sujet du point central, et le troisième point s'ouvre sur « elle apprend seule » — c'est là que réside l'apport, et un lecteur pressé qui ne parcourt que les débuts de phrase le voit. La version 2 est plus démonstrative, mais elle consomme la moitié du point 2 à décrire ce que faisait l'ancienne méthode. En 150 caractères, c'est cher payé. Deux corrections au passage. Votre point 2 écrit « la météo prévus » — accord fautif. Et « l'étude EPFL-CFF » écrase la hiérarchie réelle : l'EPFL a développé le modèle, les CFF sont partenaires. « développée avec les CFF » rend cela correctement. Un arbitrage à faire. La version 1 perd la date du 20 juillet, faute de place. Puisque votre texte oral dit maintenant « récemment », la date ne figure alors plus nulle part. Si vous y tenez, je la réintègre au point 2 en coupant un des quatre types de données.
