{"id":6633,"date":"2024-07-02T09:09:00","date_gmt":"2024-07-02T07:09:00","guid":{"rendered":"https:\/\/numalis.com\/?p=6633"},"modified":"2025-01-15T10:47:12","modified_gmt":"2025-01-15T09:47:12","slug":"ia-catalyseur-en-exploration-petroliere-gaziere-en-aval","status":"publish","type":"post","link":"https:\/\/numalis.com\/fr\/ia-catalyseur-en-exploration-petroliere-gaziere-en-aval\/","title":{"rendered":"L’IA comme catalyseur de l’exploration p\u00e9troli\u00e8re et gazi\u00e8re en aval"},"content":{"rendered":"\n

L’utilisation de l’intelligence artificielle dans l’industrie p\u00e9troli\u00e8re et gazi\u00e8re a d\u00e9j\u00e0 un effet profond sur le secteur<\/a>. Avec les 20 premi\u00e8res compagnies p\u00e9troli\u00e8res et gazi\u00e8res mondiales en t\u00eate, l’IA est de plus en plus adopt\u00e9e en raison de l’efficacit\u00e9 qu’elle apporte dans diff\u00e9rents domaines op\u00e9rationnels.<\/p>\n\n\n\n

L’exploration des r\u00e9serves d’hydrocarbures est l’un des processus critiques qui devrait b\u00e9n\u00e9ficier de solutions bas\u00e9es sur l’IA. Cette activit\u00e9 \u00e0 fort enjeu comporte des risques financiers et n\u00e9cessite des technologies de pointe pour optimiser les taux de r\u00e9ussite et compenser les risques. <\/p>\n\n\n\n

Les taux de r\u00e9ussite de l’exploration commerciale ont \u00e9t\u00e9 enregistr\u00e9s entre 29 % et 40 % entre 2020 et 2021 1<\/a><\/sup>. Les explorations infructueuses peuvent co\u00fbter entre 5 et 20 millions de dollars 2<\/a><\/sup>, ce qui souligne la n\u00e9cessit\u00e9 d’augmenter les taux de r\u00e9ussite. <\/p>\n\n\n\n

Cet article examine les applications de l’IA dans l’exploration p\u00e9troli\u00e8re et gazi\u00e8re. Par ailleurs, nous examinons comment les principales entreprises utilisent l’IA pour optimiser les flux de travail et red\u00e9finir les normes de l’industrie. <\/p>\n\n\n\n

Applications de l’IA dans l’exploration p\u00e9troli\u00e8re et gazi\u00e8re<\/h2>\n\n\n\n

Les avanc\u00e9es technologiques telles que l’IA r\u00e9volutionnent la mani\u00e8re dont les entreprises en amont m\u00e8nent leurs activit\u00e9s d’exploration. De l’analyse sismique \u00e0 la mod\u00e9lisation des r\u00e9servoirs, l’IA continue d’aider l’industrie \u00e0 optimiser ses op\u00e9rations.<\/p>\n\n\n\n

\u00c9valuation g\u00e9ologique assist\u00e9e par l’IA<\/h3>\n\n\n\n

L’\u00e9valuation est essentielle pour estimer les ressources en hydrocarbures et prendre des d\u00e9cisions. Cependant, trouver des failles mineures qui peuvent \u00eatre riches en ressources peut \u00eatre une t\u00e2che fastidieuse qui n\u00e9cessite l’analyse de vastes ensembles de donn\u00e9es. Les m\u00e9thodes traditionnelles d\u00e9pendent des analystes humains et prennent beaucoup de temps.<\/p>\n\n\n\n

Les solutions bas\u00e9es sur l’IA facilitent les t\u00e2ches d’exploration cibl\u00e9es telles que la recherche de failles. Ces outils peuvent analyser les donn\u00e9es satellites et les donn\u00e9es historiques d’exploration afin d’identifier les zones pr\u00e9sentant des gisements potentiels. \u00c0 l’aide de r\u00e9seaux neuronaux, les mod\u00e8les peuvent identifier des sch\u00e9mas et des anomalies du sous-sol, ce qui permet de trouver rapidement des sites d’exploration appropri\u00e9s. <\/p>\n\n\n\n

D’autres approches d’IA, telles que l’optimisation non graduelle, ont \u00e9t\u00e9 utilis\u00e9es pour cr\u00e9er des outils de cartographie des roches r\u00e9servoirs. L’IA acc\u00e9l\u00e8re le processus, qui passe de plusieurs semaines \u00e0 quelques secondes, tout en r\u00e9duisant consid\u00e9rablement les risques de cartographie erron\u00e9e dus \u00e0 des erreurs humaines 3<\/a><\/sup>. <\/p>\n\n\n\n

En outre, l’\u00e9valuation g\u00e9ologique permet de cartographier le sous-sol afin d’identifier les r\u00e9servoirs potentiels. Le processus fournit diff\u00e9rents ensembles de donn\u00e9es tels que des donn\u00e9es sismiques et g\u00e9ologiques, des images satellites et des diagraphies de puits. L’interpr\u00e9tation sismique des volumes sismiques tridimensionnels prend g\u00e9n\u00e9ralement des semaines ou des mois 4<\/a><\/sup>. <\/p>\n\n\n\n

Les syst\u00e8mes d’apprentissage profond peuvent analyser ces donn\u00e9es et identifier rapidement des caract\u00e9ristiques sp\u00e9cifiques \u00e0 partir d’\u00e9valuations g\u00e9ologiques. Ils peuvent acc\u00e9l\u00e9rer l’interpr\u00e9tation des donn\u00e9es d’un facteur de 10 \u00e0 1000. Les techniques de reconnaissance des formes peuvent identifier des caract\u00e9ristiques telles que les volumes de probabilit\u00e9 de faille qui indiquent la pr\u00e9sence d’hydrocarbures 5<\/a><\/sup>.<\/p>\n\n\n\n

Par exemple, IBM a d\u00e9velopp\u00e9 un outil intelligent pour analyser de vastes ensembles de donn\u00e9es g\u00e9ologiques non structur\u00e9es pour Wintershall Dea. L’outil a utilis\u00e9 l’apprentissage automatique (ML) et le traitement du langage naturel (NLP) pour construire une solution qui aide les experts \u00e0 prendre des d\u00e9cisions au cours des premi\u00e8res phases de l’exploration p\u00e9troli\u00e8re et gazi\u00e8re. Les agents IA aident \u00e0 pr\u00e9dire les volumes de p\u00e9trole et de gaz attendus.<\/p>\n\n\n\n

Optimisation du forage<\/h3>\n\n\n\n

L’objectif de l’op\u00e9ration de forage est de maximiser le contact entre le puits de forage et la zone de paiement. L’optimisation du forage implique l’am\u00e9lioration du taux de p\u00e9n\u00e9tration du forage, la r\u00e9duction des co\u00fbts de forage et l’optimisation du poids du tr\u00e9pan.<\/p>\n\n\n\n

Les op\u00e9rations de forage modernes collectent de nombreuses donn\u00e9es \u00e0 partir de capteurs qui surveillent et enregistrent en permanence le processus en temps r\u00e9el. En raison de la production intensive de donn\u00e9es, l’IA peut aider \u00e0 surmonter des d\u00e9fis tels que les pannes d’\u00e9quipement et les d\u00e9versements de p\u00e9trole.<\/p>\n\n\n\n

Le forage prend la moiti\u00e9 du temps n\u00e9cessaire \u00e0 la construction d’un puits. Cependant, il peut \u00eatre confront\u00e9 \u00e0 de nombreux probl\u00e8mes, tels que l’incoh\u00e9rence du taux de p\u00e9n\u00e9tration du forage (ROP), la rupture du forage, la partialit\u00e9 de l’op\u00e9rateur et l’absence de directives sur le terrain, qui entra\u00eenent tous une escalade des co\u00fbts 6<\/a><\/sup>. <\/p>\n\n\n\n

Avec le forage autonome, les mod\u00e8les ML analysent en temps r\u00e9el les donn\u00e9es de t\u00e9l\u00e9m\u00e9trie, les donn\u00e9es de subsurface, les plans de puits et le jumeau num\u00e9rique du puits. Cela permet de d\u00e9terminer l’\u00e9tat le plus r\u00e9cent du puits et de guider le syst\u00e8me de forage en ajustant les param\u00e8tres en temps r\u00e9el 7<\/a><\/sup>. Il en r\u00e9sulte une augmentation de la vitesse de rotation, des puits de qualit\u00e9, des r\u00e9ductions de co\u00fbts et des gains de temps. <\/p>\n\n\n\n

Ing\u00e9nierie des r\u00e9servoirs<\/h3>\n\n\n\n

Elle comprend plusieurs activit\u00e9s, dont la mod\u00e9lisation des r\u00e9servoirs. Elle traite de l’\u00e9coulement des fluides, de la pr\u00e9vision de la production et de l’optimisation des gisements 8<\/a><\/sup>. Elle aide les compagnies p\u00e9troli\u00e8res et gazi\u00e8res \u00e0 obtenir des informations correctes sur le r\u00e9servoir, ce qui leur permet de d\u00e9terminer la meilleure fa\u00e7on d’exploiter le gisement. <\/p>\n\n\n\n

Les techniques d’IA telles que les r\u00e9seaux neuronaux artificiels (ANN) sont tr\u00e8s utilis\u00e9es pour estimer les propri\u00e9t\u00e9s des r\u00e9servoirs. Les autres domaines dans lesquels l’IA contribue \u00e0 l’ing\u00e9nierie des r\u00e9servoirs sont les suivants : <\/p>\n\n\n\n

Calculs plus rapides :<\/strong> La mod\u00e9lisation des r\u00e9servoirs par convection est lente et limite le nombre de simulations g\u00e9n\u00e9r\u00e9es. Pour une planification optimale, l’IA peut optimiser ce processus en g\u00e9n\u00e9rant rapidement des mod\u00e8les 9<\/a><\/sup>. <\/p>\n\n\n\n

Am\u00e9lioration de la mise \u00e0 l’\u00e9chelle :<\/strong> La mise \u00e0 l’\u00e9chelle combine des donn\u00e9es provenant de diff\u00e9rentes \u00e9chelles en un seul mod\u00e8le unifi\u00e9. Le processus actuel peut \u00eatre subjectif, les ing\u00e9nieurs de r\u00e9servoir utilisant diff\u00e9rentes m\u00e9thodes pour d\u00e9velopper le mod\u00e8le. Les algorithmes d’apprentissage profond peuvent \u00eatre form\u00e9s sur de multiples cas de mise \u00e0 l’\u00e9chelle manuelle afin de rendre le processus plus rapide et plus objectif.<\/p>\n\n\n\n

Am\u00e9lioration de la correspondance historique :<\/strong> les algorithmes d’apprentissage profond peuvent r\u00e9concilier les informations sur la production pass\u00e9e avec le mod\u00e8le de r\u00e9servoir. La solution peut acc\u00e9l\u00e9rer la mise en correspondance de l’historique et \u00eatre plus objective. <\/p>\n\n\n\n

Maintenance pr\u00e9dictive des \u00e9quipements<\/h3>\n\n\n\n

Les temps d’arr\u00eat non planifi\u00e9s entra\u00eenent des pertes financi\u00e8res consid\u00e9rables. Par exemple, les statistiques indiquent que l’industrie p\u00e9troli\u00e8re et gazi\u00e8re offshore subit 27 jours d’arr\u00eats impr\u00e9vus par an, ce qui repr\u00e9sente un co\u00fbt de 38 millions de dollars 10<\/a><\/sup>.<\/p>\n\n\n\n

En raison de leur environnement de travail, les \u00e9quipements des plates-formes subissent une forte usure. Il est essentiel de r\u00e9duire au minimum les temps d’arr\u00eat des plates-formes au cours de la phase d\u2019exploitation, qui peut s’av\u00e9rer co\u00fbteuse. La maintenance pr\u00e9dictive permet d’identifier les d\u00e9faillances potentielles des appareils de forage et d’y rem\u00e9dier rapidement. <\/p>\n\n\n\n

Les appareils de forage sont \u00e9quip\u00e9s de nombreux capteurs qui collectent en permanence des donn\u00e9es telles que les variations de pression, les vibrations et les niveaux de chaleur 11<\/a><\/sup>. Les points de donn\u00e9es sont ensuite analys\u00e9s \u00e0 l’aide de la ML et de l’analyse avanc\u00e9e des donn\u00e9es pour donner l’\u00e9tat de l’appareil de forage en temps r\u00e9el. <\/p>\n\n\n\n

La solution peut \u00e9galement \u00eatre adapt\u00e9e pour d\u00e9terminer la dur\u00e9e de vie utile restante de composants tels que les tr\u00e9pans. Les op\u00e9rateurs peuvent tirer parti de ces informations pour effectuer une maintenance pr\u00e9ventive en temps voulu afin de maximiser le temps de fonctionnement des actifs.<\/p>\n\n\n\n

Acc\u00e9l\u00e9ration de l’exploration avec des robots autonomes<\/h3>\n\n\n\n

L’utilisation de syst\u00e8mes robotiques autonomes gagne du terrain dans l’industrie p\u00e9troli\u00e8re et gazi\u00e8re. Ils combinent plusieurs technologies, notamment le lidar, l’informatique de pointe, les capteurs IoT et l’IA. La plupart de ces robots sont d\u00e9ploy\u00e9s \u00e0 des fins d’inspection, en particulier dans les zones dangereuses et difficiles d’acc\u00e8s.<\/p>\n\n\n\n

Les robots p\u00e9troliers et gaziers sont principalement impliqu\u00e9s dans l’exploration sous-marine et le forage en mer. Leur utilisation limite l’exposition des humains \u00e0 des terrains complexes et \u00e0 des environnements dangereux et impr\u00e9visibles.<\/p>\n\n\n\n

\u00c0 des fins d’exploration, les v\u00e9hicules sous-marins autonomes (UAV) peuvent utiliser la navigation par IA car la communication par radiofr\u00e9quence est inutilisable sous l’eau 12<\/a><\/sup>. En outre, la vision par ordinateur permet au robot d’inspecter les zones d’int\u00e9r\u00eat et d’\u00e9viter les collisions. L’IA peut doter les syst\u00e8mes robotiques sous-marins de capacit\u00e9s telles que la planification de missions, l’ex\u00e9cution de t\u00e2ches et le suivi d’actions.<\/p>\n\n\n\n

Les robots capturent \u00e9galement des flux continus de donn\u00e9es. Ces informations peuvent \u00eatre utilis\u00e9es dans des mod\u00e8les d’IA pour diff\u00e9rents cas d’utilisation, tels que les fonds marins et les \u00e9tudes de faisabilit\u00e9. <\/p>\n\n\n\n

Par exemple, une startup canadienne a mis au point une plate-forme robotique autonome utilisant l’apprentissage automatique, le traitement des nuages et les technologies lidar. Le robot effectue des t\u00e2ches r\u00e9p\u00e9titives \u00e0 grande vitesse avec une grande efficacit\u00e9 13<\/a><\/sup>.<\/p>\n\n\n\n

Success stories de l’IA dans l’industrie p\u00e9troli\u00e8re et gazi\u00e8re<\/h2>\n\n\n\n

L’IA dans l’industrie du p\u00e9trole et du gaz remonte \u00e0 fort longtemps, avec des entreprises comme Total appliquant l’IA dans ses op\u00e9rations dans les ann\u00e9es 1990. Les progr\u00e8s progressifs des technologies, notamment l’IdO et le big data, ont encore stimul\u00e9 l’adoption de l’IA.<\/p>\n\n\n\n

Voici plusieurs exemples de soci\u00e9t\u00e9s p\u00e9troli\u00e8res et gazi\u00e8res qui utilisent l’IA dans leurs activit\u00e9s d’exploration. <\/p>\n\n\n\n

ExxonMobil – Exploration p\u00e9troli\u00e8re et gazi\u00e8re en eaux profondes<\/h3>\n\n\n\n

En partenariat avec le MIT, ExxonMobil a mis au point un robot dot\u00e9 d’une intelligence artificielle pour d\u00e9tecter les suintements de p\u00e9trole naturels dans les eaux profondes. Le robot sera \u00e9quip\u00e9 d’une IA qui lui permettra d’apprendre et d’adapter ses missions. Il pourra ainsi op\u00e9rer dans des environnements difficiles et enqu\u00eater sur des anomalies 14<\/a><\/sup>.<\/p>\n\n\n\n

L’entreprise a \u00e9galement utilis\u00e9 d’autres solutions d’IA capables de passer au crible les donn\u00e9es sismiques pour acc\u00e9l\u00e9rer la prospection p\u00e9troli\u00e8re et gazi\u00e8re. Les informations fournies par cette solution aident l’entreprise \u00e0 d\u00e9terminer les meilleurs endroits pour poursuivre l’exploration et le forage 15<\/a><\/sup>. <\/p>\n\n\n\n

Total SA – Optimiser l’analyse des donn\u00e9es de sous-solet la prise de d\u00e9cision.<\/h3>\n\n\n\n

Total s’est associ\u00e9 \u00e0 Google Gloud en 2018 pour d\u00e9velopper une solution pilot\u00e9e par l’IA pour l’analyse des donn\u00e9es de sous-sol. Le programme interpr\u00e9terait les donn\u00e9es \u00e0 l’aide de la vision par ordinateur, en particulier les images provenant d’\u00e9tudes sismiques.<\/p>\n\n\n\n

En outre, le programme disposerait de capacit\u00e9s NLP que les g\u00e9ologues pourraient utiliser pour effectuer des requ\u00eates et obtenir des r\u00e9ponses en langage naturel. Il mettrait en corr\u00e9lation les informations provenant de documents techniques et d’analyses d’images, ce qui aiderait les experts \u00e0 \u00e9valuer plus rapidement les gisements de p\u00e9trole et de gaz 16<\/a><\/sup>. <\/p>\n\n\n\n

Shell – Optimisation du forage<\/h3>\n\n\n\n

L’entreprise a mis en place un syst\u00e8me d’IA pour un forage plus rapide et plus pr\u00e9cis. Le syst\u00e8me de forage aliment\u00e9 par l’IA utilise un mod\u00e8le ML avec de multiples points de donn\u00e9es historiques, des simulations et des relev\u00e9s de capteurs en temps r\u00e9el.  <\/p>\n\n\n\n

L’appareil de forage aliment\u00e9 par l’IA permet \u00e0 Shell d’optimiser les trajectoires de forage, ce qui contribue \u00e0 un meilleur positionnement du puits de forage. Le syst\u00e8me est \u00e9galement dot\u00e9 d’un syst\u00e8me d’apprentissage par renforcement qui lui permet d’apprendre au fil du temps.<\/p>\n\n\n\n

Aker BP – maintenance pr\u00e9dictive<\/h3>\n\n\n\n

En termes de production, BP est l’un des plus grands producteurs ind\u00e9pendants de p\u00e9trole en Europe. Fereidoun Abbassian, ancien vice-pr\u00e9sident de la transformation, technologie en amont chez BP, a confirm\u00e9 que l’analyse pr\u00e9dictive bas\u00e9e sur l’IA \u00e9tait un catalyseur pour l’am\u00e9lioration de l’efficacit\u00e9 op\u00e9rationnelle et \u00e9tait essentielle pour aider l’entreprise \u00e0 devenir un net zero (\u00e9missions compens\u00e9es) d’ici 2050 17<\/a><\/sup>.<\/p>\n\n\n\n

En raison de d\u00e9faillances catastrophiques d’une pompe multiphase, BP a d\u00e9ploy\u00e9 une solution de maintenance pr\u00e9dictive aliment\u00e9e par l’IA sur sa plateforme sans personnel \u00e0 Tambar.  Au bout de six mois, le logiciel d’IA a averti Aker BP de la possibilit\u00e9 d’une d\u00e9faillance de la pompe multiphase. La solution utilise un mod\u00e8le de comportement normal qui suit les \u00e9carts de fonctionnement 18<\/a><\/sup>.<\/p>\n\n\n\n

Auparavant, les pannes non planifi\u00e9es co\u00fbtaient plus de 10 millions de dollars en production. En pr\u00e9disant la panne, le dysfonctionnement de la pompe a \u00e9t\u00e9 \u00e9vit\u00e9, ce qui a permis de maintenir la production. <\/p>\n\n\n\n

Conclusion<\/h2>\n\n\n\n

L’utilisation de l’IA et du machine learning s’est d\u00e9velopp\u00e9e dans divers aspects de l’exploration p\u00e9troli\u00e8re et gazi\u00e8re. La capacit\u00e9 de l’IA \u00e0 analyser de grandes quantit\u00e9s de donn\u00e9es a aid\u00e9 l’industrie \u00e0 mieux comprendre les vastes ensembles de donn\u00e9es dont elle dispose.<\/p>\n\n\n\n

De la d\u00e9termination du meilleur endroit pour mener des \u00e9tudes sismiques \u00e0 l’exploration robotique autonome, l’IA renforce les capacit\u00e9s humaines dans la recherche d’hydrocarbures. La technologie permet principalement d’am\u00e9liorer l’efficacit\u00e9 et d’optimiser les t\u00e2ches r\u00e9p\u00e9titives ou dangereuses. Des entreprises de premier plan comme Shell et BP Aker utilisent d\u00e9j\u00e0 l’IA dans l’exploration, en se concentrant sur des activit\u00e9s telles que l’exploration du sous-sol et la maintenance pr\u00e9dictive.<\/p>\n\n\n

  1. Westwood Insight – The State of Exploration 2022<\/a> \u21a9\ufe0e<\/a><\/li>
  2. Upstream: Production and Exploration – Oil and Gas Industry: A Research Guide<\/a> \u21a9\ufe0e<\/a><\/li>
  3. Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future – ScienceDirect<\/a> \u21a9\ufe0e<\/a><\/li>
  4. Redefining Seismic Interpretation with AI | subsurfaceAI<\/a> \u21a9\ufe0e<\/a><\/li>
  5. Intelligent interpretationAI | Seismic Interpretation Software<\/a> \u21a9\ufe0e<\/a><\/li>
  6. How we deploy machine learning to rapidly reduce drilling times<\/a> \u21a9\ufe0e<\/a><\/li>
  7. Drilling automation: A system view<\/a> \u21a9\ufe0e<\/a><\/li>
  8. Application of machine learning and artificial intelligence in oil and gas industry – ScienceDirect<\/a> \u21a9\ufe0e<\/a><\/li>
  9. Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future – ScienceDirect<\/a> \u21a9\ufe0e<\/a><\/li>
  10. Reducing Downtime with Predictive Maintenance on Rigs [7 Ways]<\/a> \u21a9\ufe0e<\/a><\/li>
  11. Predictive Maintenance in the Oil and Gas Industry | LLumin<\/a> \u21a9\ufe0e<\/a><\/li>
  12. Marine AI Software | Artificial Intelligence for UUV, ROV, USV & AUV<\/a> \u21a9\ufe0e<\/a><\/li>
  13. Rigarm<\/a> \u21a9\ufe0e<\/a><\/li>
  14. Application of machine learning and artificial intelligence in oil and gas industry – ScienceDirect<\/a> \u21a9\ufe0e<\/a><\/li>
  15. Empowering AI in Oil and Gas: From Exploration to Production<\/a> \u21a9\ufe0e<\/a><\/li>
  16. Total to Develop Artificial Intelligence Solutions with Google Cloud | TotalEnergies.com<\/a> \u21a9\ufe0e<\/a><\/li>
  17. Machine Learning: The Future of Maintenance for Offshore Oil and Gas<\/a> \u21a9\ufe0e<\/a><\/li>
  18. Top 4 Real-World AI Applications in the Oil and Gas Industry<\/a> \u21a9\ufe0e<\/a><\/li><\/ol>\n\n\n

    <\/p>\n","protected":false},"excerpt":{"rendered":"

    L’utilisation de l’intelligence artificielle dans l’industrie p\u00e9troli\u00e8re et gazi\u00e8re a d\u00e9j\u00e0 un effet profond sur le secteur. Avec les 20 premi\u00e8res compagnies p\u00e9troli\u00e8res et gazi\u00e8res mondiales en t\u00eate, l’IA est de plus en plus adopt\u00e9e en raison de l’efficacit\u00e9 qu’elle apporte dans diff\u00e9rents domaines op\u00e9rationnels. L’exploration des r\u00e9serves d’hydrocarbures est l’un des processus critiques qui […]<\/p>\n","protected":false},"author":8,"featured_media":6636,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"Westwood Insight - The State of Exploration 2022<\/a>\",\"id\":\"d6943f1b-9963-4bab-b2ed-1e51079455a5\"},{\"content\":\"Upstream: Production and Exploration - Oil and Gas Industry: A Research Guide<\/a>\",\"id\":\"8b6994c3-84a0-434f-9fe0-22fbbbdfa537\"},{\"content\":\"Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future - ScienceDirect<\/a>\",\"id\":\"c8decc98-7e34-4ce1-8980-57ebe9a27faf\"},{\"content\":\"Redefining Seismic Interpretation with AI | subsurfaceAI<\/a>\",\"id\":\"1814c899-c285-4a1b-ba62-0fd4d0624c48\"},{\"content\":\"Intelligent interpretationAI | Seismic Interpretation Software<\/a>\",\"id\":\"44aec128-c1b5-4af6-b557-63e9e88cea8e\"},{\"content\":\"How we deploy machine learning to rapidly reduce drilling times<\/a>\",\"id\":\"82964e0b-75a2-4768-8548-e86e5925967c\"},{\"content\":\"Drilling automation: A system view<\/a>\",\"id\":\"a98b7d47-643d-4f65-8c68-fd2afdf783e3\"},{\"content\":\"Application of machine learning and artificial intelligence in oil and gas industry - ScienceDirect<\/a>\",\"id\":\"5381c517-ceed-4c97-8f34-160c20d500e6\"},{\"content\":\"Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future - ScienceDirect<\/a>\",\"id\":\"c1eb2020-a7f4-4d4b-b86d-3dc41842d981\"},{\"content\":\"Reducing Downtime with Predictive Maintenance on Rigs [7 Ways]<\/a>\",\"id\":\"73bf1556-6e4a-4346-ad55-abadae1fb144\"},{\"content\":\"Predictive Maintenance in the Oil and Gas Industry | LLumin<\/a>\",\"id\":\"92a5dfd8-c063-48df-b3df-3f9152624af9\"},{\"content\":\"Marine AI Software | Artificial Intelligence for UUV, ROV, USV & AUV<\/a>\",\"id\":\"ce493464-0556-4700-b4ef-73846225f31b\"},{\"content\":\"Rigarm<\/a>\",\"id\":\"173a0c2c-3d2a-4fc0-af15-27fb2727949a\"},{\"content\":\"Application of machine learning and artificial intelligence in oil and gas industry - ScienceDirect<\/a>\",\"id\":\"a040d6ab-dbfe-4efa-99d1-e2395fe77e44\"},{\"content\":\"Empowering AI in Oil and Gas: From Exploration to Production<\/a>\",\"id\":\"f988f9ec-8941-4a94-b12d-54b28311e934\"},{\"content\":\"Total to Develop Artificial Intelligence Solutions with Google Cloud | TotalEnergies.com<\/a>\",\"id\":\"1985dc1f-8771-4007-a62f-7c8f8cff8feb\"},{\"content\":\"Machine Learning: The Future of Maintenance for Offshore Oil and Gas<\/a>\",\"id\":\"371cff7e-9e84-47bd-b7f2-bf0a279645f5\"},{\"content\":\"Top 4 Real-World AI Applications in the Oil and Gas Industry<\/a>\",\"id\":\"173587c7-18e9-4326-9d3b-7f0b03f1c06b\"}]"},"categories":[149],"tags":[169,199],"class_list":["post-6633","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-industrie","tag-energie","tag-gaz-et-petrole"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6633","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=6633"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6633\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/6636"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=6633"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=6633"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=6633"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}