ADNOC disposait déjà d’une IA de 70 milliards de paramètres. Puis elle a acheté une plateforme pour la connecter.

Le 2 novembre, lors de la conférence énergétique ADIPEC à Abu Dhabi, ADNOC a annoncé un accord pluriannuel avec OpenAI et G42 visant à déployer OpenAI Frontier dans l’ensemble de ses activités. G42 a signé par l’intermédiaire de sa filiale Inception42. Aucun prix n’a été divulgué.
La présentation faite dans les documents de presse indique qu’ADNOC devient la première entreprise énergétique à exploiter Frontier, qu’OpenAI décrit comme une plateforme permettant de connecter et de coordonner des agents d’IA à travers les opérations métier. Cette phrase est lourde de sens, et la plupart des articles sont passés à côté.
ADNOC ne manquait pas d’IA. Elle disposait d’un modèle de 70 milliards de paramètres entraîné sur plus de cinquante ans de ses propres données géologiques et opérationnelles. Elle avait un contrat de trois ans et de 340 millions de dollars pour déployer ce modèle. Ce qui lui manquait, c’était un moyen de faire dialoguer ces modèles au niveau où les capitaux sont alloués.
Ce qui est déjà dans le sous-sol
Le système existant s’appelle ENERGYai, développé par l’entreprise d’IA d’Abu Dhabi AIQ avec G42 et Microsoft. Le modèle a été entraîné sur cinq décennies de données d’ADNOC. Lors d’un essai de 90 jours achevé en janvier 2025, il s’est appuyé sur les données de plus de 15 % des puits terrestres et offshore d’ADNOC, et l’entreprise a fait état d’une amélioration de 70 % de la précision sur les principaux aspects de l’interprétation sismique.
Ce résultat a permis de décrocher un contrat. AIQ a obtenu un accord de trois ans et de 340 millions de dollars pour étendre ENERGYai à l’ensemble des opérations amont, en commençant par cinq agents chargés des travaux de subsurface. Ces agents lisent des volumes sismiques, des diagraphies de puits et des modèles de réservoir. Ce sont des spécialistes, et ils excellent dans leur domaine dans un périmètre restreint.
Un agent spécialisé qui lit des données sismiques n’a pas d’avis sur la question de savoir si un plan de développement de champ particulier devrait être séquencé différemment afin de libérer des capitaux pour le prochain exercice fiscal. Cette décision vit dans des tableurs, des réunions de planification et l’esprit de personnes qui font cela depuis vingt ans.
À quoi sert réellement Frontier
La plateforme d’OpenAI est censée se situer au-dessus de cette couche. La description qu’en fait l’entreprise est celle d’une coordination d’agents à travers les opérations métier. Dans le cas d’ADNOC, l’objectif annoncé est de relier l’intelligence opérationnelle aux décisions en matière de capital et commerciales afin que ces décisions soient prises ensemble plutôt que successivement.
Deux applications sont citées comme cibles initiales.
La première est la planification directrice des champs. Aujourd’hui, ce travail est une chaîne d’études distinctes : subsurface, installations, économie. Chacune prend des semaines, et chacune attend la précédente. ADNOC affirme que les modèles de raisonnement d’OpenAI combineront les données de milliers de puits, de plusieurs réservoirs superposés et de centaines d’installations de surface avec des facteurs de capital, de coût et commerciaux, afin que le plan soit optimisé pour un champ entier plutôt que réservoir par réservoir. Le résultat annoncé est de passer de mois à heures pour des plans de développement complexes.
La seconde est plus ambitieuse et plus vague. ADNOC veut valoriser chaque baril tant qu’il est encore sous terre. Des agents connectés à la production, au traitement, au raffinage, à la logistique, aux ventes et au trading prévoiraient en continu l’offre, la demande, les prix et les marges du brut, et évalueraient l’effet commercial et opérationnel de chaque décision.
Lisez ces deux applications ensemble et la logique se dessine. La première compresse un cycle de planification. La seconde tente de transformer un exercice trimestriel en calcul permanent. Aucune des deux n’est une capacité de modèle. Toutes deux sont des problèmes d’intégration.
Ce qui le rend déployable
Trois détails de l’annonce comptent plus que les capacités.
Souveraineté. Le système fonctionne sur l’infrastructure d’IA de G42 aux Émirats arabes unis. Pour une compagnie pétrolière d’État, le lieu où s’effectue l’inférence est une question de conseil d’administration, pas une préférence informatique. Une plateforme qui connecte des agents à travers les données de production, de trading et commerciales ne peut pas résider sur le cloud public d’un tiers dans une autre juridiction.
Supervision humaine. ADNOC indique que des experts humains conservent la supervision des décisions à conséquences. C’est le bon choix de mot. Le mot « conséquences » fait tout le travail : les requêtes de routine s’exécutent, les décisions importantes reviennent à une personne.
Adoption déjà en place. ADNOC a déployé ChatGPT Enterprise auprès de plus de 40 000 employés et affirme que l’adoption a dépassé 97 %. Ce chiffre mérite qu’on s’y arrête. La plupart des programmes d’IA en entreprise ont du mal à dépasser 30 %. Une main-d’œuvre qui utilise déjà quotidiennement le produit de conversation du fournisseur constitue une condition de départ très différente de celle d’une main-d’œuvre qui ne l’a jamais vu.
L’accord couvre également la cyberdéfense via l’initiative Daybreak Blue d’OpenAI et la formation des effectifs. Le même jour à Abu Dhabi, OpenAI a signé avec l’investisseur souverain Mubadala et un pacte de cinq ans avec Inception42 couvrant les gouvernements, les entreprises et l’éducation.
La comparaison qui compte
Les majors pétrolières achètent de l’IA depuis une décennie, et les résultats se sont concentrés à deux endroits : la maintenance prédictive des équipements tournants et l’interprétation sismique. Les deux relèvent de la reconnaissance de formes sur des données historiques, et les deux produisent une recommandation qu’un spécialiste peut vérifier en un après-midi.
La planification de champ est différente parce que la réponse est un plan, et un plan n’a pas de vérité terrain avant des années. Si la couche de raisonnement produit en quatre heures un plan de développement qu’une équipe d’ingénieurs aurait mis quatre mois à produire, il n’existe pas de test immédiat pour savoir si c’est un bon plan. On le découvre lorsque les puits sont forés.
C’est pourquoi la mention de la supervision humaine et la piste d’audit comptent davantage ici que dans un chatbot. Une plateforme capable de remodeler un plan de production en un après-midi est une plateforme capable d’engager des centaines de millions de dollars de capital en un après-midi.
Ce qui ne figure pas dans l’annonce
Il n’y a pas de calendrier pour l’une ou l’autre application. Il n’y a pas d’objectifs de performance. Il n’y a pas de valeur de l’accord, pas de nombre de licences pour la nouvelle plateforme, et aucune explication de la manière dont la couche de raisonnement gère le fait que les modèles géologiques sont probabilistes alors que les modèles financiers exigent des estimations ponctuelles.
L’affirmation « de mois à heures » est celle à surveiller. Compresser un cycle de planification est mesurable, et si ADNOC publie des chiffres avant/après dans un an, ce sera le point de données le plus utile dont quiconque disposera sur les plateformes d’agents en entreprise dans l’industrie lourde. D’ici là, ce n’est qu’un objectif.
Il y a aussi une question structurelle. ENERGYai a été développé par AIQ, une coentreprise impliquant G42 et Microsoft. Frontier appartient à OpenAI. Superposer l’une à l’autre signifie deux fournisseurs, deux feuilles de route et deux postures de sécurité au sein du même chemin de décision. Le directeur général d’ADNOC, Sultan Al Jaber, l’a présenté comme un dépassement des applications individuelles. La version ingénierie de cette phrase, c’est que le coût d’intégration vient de devenir une ligne budgétaire permanente.
Pourquoi l’énergie d’abord
Le pétrole et le gaz constituent un choix étrange pour le premier déploiement phare de Frontier, jusqu’à ce qu’on regarde les données. Un champ compte des milliers de puits, des décennies d’historique de production, des centaines d’installations et un modèle de flux de trésorerie que tout le monde discute. C’est dense, structuré, à forte valeur et déjà instrumenté. Si une plateforme de coordination d’agents peut faire ses preuves quelque part, c’est bien ici.
Le secteur a aussi l’habitude d’acheter des logiciels qui promettent de raccourcir les cycles de planification. Ce avec quoi il a moins d’expérience, ce sont des logiciels qui changent la réponse plutôt que le calendrier. La seconde application d’ADNOC, la valorisation du baril encore sous terre, est ce genre de logiciel. Elle propose une autre manière de décider quoi produire et quand.
C’est là le pari. Non pas que les modèles de raisonnement puissent lire une coupe sismique, car ils en sont déjà capables. Mais qu’une couche connectée au-dessus des spécialistes puisse produire un meilleur plan de champ que la chaîne actuelle d’études séquentielles, au sein d’une infrastructure souveraine, avec une validation humaine.
ADNOC affirme démontrer comment l’IA de pointe remodèle tout un secteur. La partie vérifiable de cette affirmation arrivera lorsque le premier plan de champ sortira en quelques heures et que quelqu’un extérieur à l’entreprise vérifiera s’il s’agissait d’un meilleur plan.
Articles associés
1 % des entreprises paie 80 % de la facture d'IA, et ce groupe a cessé de croître
L'indice de Ramp montre une consommation d'IA qui croît plus vite que les revenus. La raison est simple : 1 % des entreprises concentre 80 % de la dépense, et cette cohorte est retombée sous son pic d'été.
Claude peut désormais lire vos relevés bancaires. Anthropic lui a délibérément refusé toute capacité d’action.
La conception en lecture seule est le produit, et la déliaison ne retire pas ce qui se trouve déjà dans une conversation.
Adobe ne demande plus aux marketeurs d’ouvrir Adobe
Pendant une décennie, la stratégie consistait à posséder l’interface. Adobe vient de parier l’inverse.
CrowdStrike a livré un kill switch pour les agents IA. Le plus dur est de savoir quoi arrêter.
Un kill switch transforme une supposition en quelque chose d'applicable. L'application nécessite une liste, et c'est la partie que personne n'a.