Le laboratoire COSMO de planification stochastique des mines, qui fait partie du département de génie des mines et des matériaux de l’Université McGill à Montréal, a fêté le 23 juin dernier son 20e anniversaire. 

Ce laboratoire d’ingénierie a été inauguré en septembre 2006. Il s’intéresse à la modélisation géostatistique des corps minéralisés, à la quantification de l’incertitude et de la variabilité des gisements de minerais, à l’optimisation des complexes miniers depuis l’extraction jusqu’à la chaîne de valeur, ainsi qu’à la vente des produits minéraux. Le laboratoire collabore avec un consortium de sociétés minières, parmi lesquelles AngloGold Ashanti, BHP, Iamgold, Newmont Mining et Vale, ainsi que des organisations telles que l’ICM, l’Australasian Institute of Mining and Metallurgy (AusIMM, l’Institut australasien des mines et de la métallurgie) et la Society for Mining, Metallurgy & Exploration (SME, la société des mines, de la métallurgie et de l’exploration). 

La planification stochastique des mines forme la base du travail effectué à COSMO. Elle s’appuie sur la modélisation probabiliste et l’optimisation pour étayer l’aménagement des mines et l’exploitation dans un contexte d’incertitude géologique, économique et opérationnelle. Plutôt que de s’en remettre à des prévisions uniques pour l’avenir, la planification minière stochastique génère des décisions conçues pour bien fonctionner dans divers cas de figure. Ainsi, les sociétés minières peuvent prendre des décisions plus éclairées et mieux gérer le risque dans des environnements complexes et incertains. 

Modéliser l’incertitude 

Comme l’expliquait Roussos Dimitrakopoulos, directeur du laboratoire COSMO et professeur dans le département de génie des mines et des matériaux de l’Université McGill, le laboratoire a été créé pour répondre à une difficulté majeure dans l’aménagement des mines. De fait, les sociétés minières développaient des plans sur le long terme à l’aide de modèles géologiques uniques et déterministes, et ce malgré l’incertitude inhérente aux gisements de minerais. 

Après avoir constaté le bienfait des scénarios probabilistes et des méthodes de simulation utilisées par l’industrie pétrolière pour prendre des décisions qui intègrent l’incertitude, M. Dimitrakopoulos a reconnu la nécessité de  

développer de nouvelles méthodes d’optimisation pour l’aménagement des mines qui prenaient en compte plusieurs cas de figure géologiques, mais aussi des incertitudes économiques et opérationnelles telles que les fluctuations des prix des matières premières et l’évolution des conditions de marché. 

Cette prise de conscience l’a mené à faire de la planification stochastique des mines l’objectif premier de ses recherches. En 2004, l’aide reçue par BHP a permis de créer la chaire de recherche du Canada à McGill, qui a posé les bases de la création du laboratoire COSMO en 2006. 

En s’appuyant sur cette base de recherche, le laboratoire a depuis transformé ces méthodes d’optimisation stochastique en outils pratiques pour l’industrie minière. En collaboration avec KPI Mining Solutions, COSMO a lancé, en janvier 2023, le KPI-COSMO Stochastic Mining Optimizer, le premier logiciel d’optimisation stochastique et simultanée pour les chaînes de valeur des  

minéraux. Ce logiciel d’optimisation, initialement conçu pour les exploitations à ciel ouvert, est devenu le premier produit commercialisé à émerger du laboratoire. Il s’agit aussi du prototype d’une série planifiée de solutions logicielles d’optimisation stochastique à l’intention des sociétés minières. 

Les futures versions du logiciel devraient intégrer des méthodes et des activités liées à l’exploitation minière souterraine, ce qui permettra d’élargir son applicabilité à divers environnements miniers. 

En intégrant plusieurs scénarios géologiques et variables incertaines telles que les futurs prix des matières premières, le logiciel vise à optimiser la chaîne de valeur des minéraux, ce qui permettra d’améliorer les calendriers de production de la mine et aidera les sociétés à prendre des décisions plus éclairées en cas d’incertitudes, tout en s’alignant sur les prévisions opérationnelles et financières. 

Du laboratoire à l’industrie 

L’une des contributions les plus vitales du laboratoire COSMO à l’industrie, d’après M. Dimitrakopoulos, est la formation qu’il dispense à la prochaine génération de spécialistes du secteur minier. Nombre de ses étudiants et étudiantes appliqueront les connaissances développées au laboratoire dans leurs propres carrières. 

Depuis sa création en 2006, le laboratoire a assuré l’éducation et la formation de 30 étudiantes et étudiants diplômés en finançant intégralement leurs travaux de recherche. 

« Nous aimerions voir se répandre des programmes miniers qui présentent les notions fondamentales [de la planification stochastique des mines] dans leurs programmes de premier cycle », indiquait M. Dimitrakopoulos. « L’un des plus grands efforts ces dernières années a été de prendre contact avec d’autres universités et de les aider à adapter les supports [nécessaires] à leurs classes. » 

« En novembre [de] l’année dernière par exemple, j’étais au Brésil et j’ai rencontré plusieurs membres du corps enseignant. Je leur ai donné les supports et les dossiers nécessaires pour faciliter l’intégration des nouveaux développements dans [leur programme] », ajoutait-il. 

Ryan Goodfellow, chercheur et ancien étudiant diplômé, est un exemple de l’impact de COSMO sur la prochaine génération de spécialistes du secteur minier. Il est actuellement directeur de l’optimisation des mines à Newmont. 

Évoquant ses études de premier cycle à l’Université McGill, M. Goodfellow se rappelait qu’elles ne portaient pas suffisamment sur l’aménagement des mines. Lors d’un stage en 2008 avec Metso, en Australie, il a constaté cette lacune et a commencé à explorer le domaine plus avant. Sa recherche l’a mené jusqu’aux travaux de M. Dimitrakopoulos au laboratoire COSMO de McGill, où on l’a encouragé à suivre un cours en modélisation stochastique des corps minéralisés. Inspiré par ce sujet, M. Goodfellow a poursuivi ses études universitaires et a, plus tard, effectué un doctorat, qu’il a achevé en 2014, sous la supervision de M. Dimitrakopoulos. C’est pendant son doctorat que M. Goodfellow et d’autres étudiants et étudiantes ont mis au point le KPI-COSMO Stochastic Mining Optimizer. 

« COSMO et [ses] relations avec les commanditaires de l’industrie ont ouvert de nombreuses portes. J’ai eu la grande chance de suivre des cours de formation accélérée avec M. Dimitrakopoulos, et de me rendre dans de nombreux sites miniers avec lui au Brésil et ailleurs », indiquait-il. 

Il expliquait qu’il a pu directement transférer les compétences techniques qu’il a développées à COSMO, notamment l’optimisation et l’ordonnancement, à son poste actuel à Newmont. Au-delà de ces capacités techniques, il louait l’aptitude de M. Dimitrakopoulos à enseigner à ses élèves des compétences non techniques, telles que la communication efficace. Il leur apprend notamment à présenter des notions complexes de recherche de manière claire et accessible, ce que M. Goodfellow considère comme essentiel maintenant qu’il travaille dans une fonction où son public n’est souvent pas technique. 

En repensant à ses années à COSMO, M. Goodfellow expliquait que les élèves devraient envisager l’expérience avec curiosité et ouverture d’esprit face aux possibilités qui accompagnent l’appartenance à la communauté plus vaste du laboratoire. 

« La recherche rassemble toujours un ensemble incroyablement diversifié de personnes dans le laboratoire, toutes dotées de capacités différentes », indiquait-il. Sur le moment, on ne sait jamais comment les personnes avec qui l’on travaille côte à côte détermineront et influenceront notre carrière dans les années suivantes, ajoutait-il. « Je vous conseille aussi de vraiment tirer parti des [relations] qui peuvent se créer avec les commanditaires de l’industrie, car nombre d’entre eux ont obtenu leur diplôme à COSMO. Ils sont tous très solidaires et souhaitent vous voir réussir. » 

Plus récemment, la recherche à COSMO s’est élargie à l’intelligence artificielle (IA) et à l’apprentissage par renforcement, dans le but de créer des « complexes d’apprentissage dans le domaine des mines » qui utilisent des données en temps réel pour s’adapter continuellement et améliorer les décisions opérationnelles à court terme. M. Dimitrakopoulos insistait sur le fait que l’IA n’a pas vocation à remplacer les méthodes d’aménagement des mines, mais plutôt à les améliorer en offrant des outils d’adaptation qui aident à répondre à l’évolution des conditions opérationnelles et à mieux soutenir le processus décisionnel. 

Si ce domaine est encore en plein développement, ces méthodes auront, selon lui, une incidence majeure sur l’avenir du secteur minier.

Traduit par Karen Rolland