Lorsque Michel Gamache s’inscrit au programme de génie minier de Polytechnique Montréal au début des années 1980, il n’a aucune expérience de l’industrie, mis à part un vague intérêt pour la géologie. Aujourd’hui, des années après l’obtention de son diplôme et un doctorat en optimisation et en mathématiques, M. Gamache fait partie de cette vague de personnes des milieux universitaire et industriel qui cherchent à réinventer les activités minières en s’appuyant sur l’intelligence artificielle (IA).

Peu de temps après avoir terminé ses études, M. Gamache décroche un poste d’enseignant dans son alma mater au sein du département d’optimisation et de mathématiques. Au fil des ans, il travaille avec de grands fabricants d’équipement d’origine (FEO) tels que Caterpillar (il les aide à concevoir leurs systèmes de gestion en temps réel d’une flotte de véhicules, ou dispatching), la société de conseil en technologie Peck Tech spécialisée dans l’automatisation du forage, ainsi qu’un certain nombre de sociétés minières du Québec pour les aider à résoudre des problèmes de planification des mines. En tant que membre de l’institut de valorisation des données (IVADO), une organisation publique qui a pour vocation de regrouper professionnels de l’industrie et chercheurs universitaires afin de développer une expertise de pointe dans les domaines des sciences des données, de l’utilisation optimale des ressources et de l’IA, M. Gamache partage son expérience de l’industrie et examine les avantages de l’IA dans son domaine de recherche principal, l’optimisation.

« À l’avenir, l’industrie minière pourra répondre en temps réel à toutes les informations qui proviennent de la mine », déclarait M. Gamache. L’optimisation des exploitations minières canadiennes à l’aide de techniques telles que l’apprentissage automatique est la première étape pour accélérer la résolution des problèmes, indiquait-il. Selon lui, l’apprentissage automatique aidera les ingénieurs des mines dans la planification des mines en temps réel, et contribuera à réduire le temps de calcul généralement nécessaire pour prendre ces décisions.

La collecte de données opérationnelles de qualité sur le site minier est l’une des plus grandes difficultés que l’on rencontre avec ce genre de projets, expliquait-il. Ses tâches consistent notamment à associer ses connaissances de terrain à l’apprentissage automatique pour trier les données et déterminer celles qui sont utiles pour l’optimisation et celles qui ne servent pas à grand-chose.

La planification et l’optimisation des mines posent des difficultés particulières, car chaque modèle d’optimisation comprend des paramètres basés sur des données variables et disponibles telles que la durée d’une tâche et le nombre de mètres que l’on peut forer durant un poste de travail. D’après M. Gamache, en reliant les connaissances de terrain aux avantages qu’offre l’IA, les résultats aideront à générer des modèles plus stables et plus réactifs. « Avec l’IA, on peut mettre à jour les paramètres, ce qui permet de réduire l’incertitude et de réduire la variabilité de nos modèles », expliquait-il. « Lors de la planification, on se rend souvent compte que nombre de données sont peu utiles, aussi il faut changer les modèles régulièrement. »

« Si l’IA est un nouvel outil que l’on peut utiliser, il ne faut pas pour autant s’attendre à ce qu’il fasse des miracles », indiquait-il. « Certaines personnes pensent que l’on peut tout faire avec l’apprentissage automatique, mais pour utiliser l’IA, il faut tout d’abord disposer de données pertinentes. Étant donné que les mines disposent d’une grande quantité de données, on peut les utiliser pour améliorer nos procédés ainsi que les modèles que l’on utilise, pas seulement dans le domaine de l’optimisation, mais aussi dans celui de l’automatisation. »