La course mondiale aux minéraux critiques, tels que le cuivre, le platine et le palladium, s’intensifie à mesure que la transition vers l’énergie verte et les technologies de pointe exige davantage de matières premières. Pour Earth AI, une startup utilisant l’intelligence artificielle pour localiser ces précieuses ressources, le principal obstacle au progrès n’est pas la technologie elle-même, mais la rapidité de la vérification physique.
Le goulot d’étranglement : des prédictions de l’IA à la réalité physique
Earth AI utilise des modèles d’apprentissage automatique sophistiqués pour identifier les gisements minéraux prometteurs dans des régions auparavant considérées comme stériles, notamment certaines parties de l’Australie. Cependant, l’efficacité d’un modèle d’IA dépend des données qu’il reçoit. Bien que le logiciel puisse prédire où pourraient se trouver les minéraux, il ne peut pas confirmer leur présence ou leur concentration sans preuve physique.
Pour combler cette lacune, l’entreprise doit se lancer dans une exploration souterraine, qui nécessite de forer dans la terre pour extraire des échantillons de roche. Ce processus crée une dépendance critique à l’égard de laboratoires externes pour analyser les échantillons.
Le problème avec les laboratoires tiers
Actuellement, l’industrie de l’exploration minière est confrontée à un obstacle logistique important : les arriérés de laboratoire.
Roman Teslyuk, fondateur et PDG d’Earth AI, note que même si les délais de laboratoire étaient autrefois d’environ deux mois, l’intérêt croissant pour les minéraux critiques à l’échelle mondiale a fait plus que doubler ces délais d’attente. Cela crée un « décalage des données » qui nuit à l’efficacité :
- Prise de décision retardée : Des mois d’attente pour les résultats signifient que la prochaine phase de forage est basée sur des informations obsolètes.
- Forage inefficace : Sans retour d’information rapide, les entreprises ne peuvent pas facilement ajuster leurs trajectoires de forage pour suivre les veines minérales les plus concentrées.
- Retards accumulés : Earth AI rapporte avoir “7 km de retard”, ce qui signifie qu’ils ont actuellement 7 000 mètres d’échantillons de forage en attente d’analyse.
La solution : l’intégration verticale
Pour résoudre ce problème, Earth AI s’oriente vers une intégration verticale en créant ses propres laboratoires internes. Ce changement stratégique vise à transformer le délai de vérification des minéraux de cinq mois à seulement cinq jours.
En contrôlant le processus de laboratoire, Earth AI entend créer une boucle de rétroaction à grande vitesse :
1. L’IA identifie un site potentiel.
2. Le forage extrait des échantillons de roche.
3. Les laboratoires internes analysent les échantillons immédiatement.
4. Les données affine l’IA, permettant un forage ultérieur plus précis.
Ce cycle rapide minimise le « forage aveugle », garantissant que chaque mètre foré est optimisé pour fournir des données de la plus haute qualité pour le modèle.
Pourquoi c’est important pour l’industrie
Cette décision met en évidence une tendance croissante dans le secteur des ressources axé sur la technologie : la nécessité de contrôler l’ensemble de la chaîne de valeur. À mesure que l’IA devient plus capable de faire des prévisions géologiques complexes, le facteur limitant passe de « l’intelligence » à « l’infrastructure ».
Alors qu’Earth AI continuera à faire appel à des laboratoires tiers pour valider les découvertes à des fins économiques et liées à la vente, l’approche interne est conçue pour optimiser la phase d’exploration. Dans un marché où la rapidité et la précision déterminent la viabilité économique d’une mine, réduire la boucle de rétroaction de plusieurs mois à quelques jours pourrait constituer un avantage concurrentiel décisif.
Conclusion
En construisant ses propres laboratoires, Earth AI tente de résoudre le problème du « retard des données » qui freine l’exploration traditionnelle. Cette intégration verticale vise à transformer les processus de forage lents et coûteux en un cycle de découverte rapide, piloté par l’IA.
