L'Europe veut dominer le marché des batteries LFP grâce à l'IA

Un projet allemand utilise l'intelligence artificielle pour produire des batteries plus performantes et de manière plus efficace.

Par: Francesco Barontini

Publié par: Lucas Huaumé

6 Aoû à 16:09

Ajouter Motor1.com en tant que source préférée sur Google

En Allemagne, un projet expérimental a été lancé avec l’ambition de révolutionner la production de batteries grâce à l’intelligence artificielle. Baptisé KiBa-Pro, il vise à transformer la fabrication des cellules au moyen d’un logiciel d’analyse reposant sur l’IA.

Financée par le gouvernement allemand à hauteur de 2,4 millions d’euros et coordonnée par EAS Batteries avec RWTH Aachen, le KIT, Batalyse et Omron, l’initiative poursuit un objectif clair : rendre plus efficace la fabrication des cellules lithium-fer-phosphate (LFP) grâce à la collecte et à l’analyse des données, ainsi qu’à l’application de modèles prédictifs.

Des lignes de production dédiées sont nécessaires

Dans un premier temps, les entreprises impliquées travailleront à la numérisation complète de la ligne de production. Des capteurs et des systèmes d’acquisition collecteront en temps réel des informations sur les matériaux, les procédés de fabrication et la qualité, créant ainsi une immense base de données.

C’est alors que l’intelligence artificielle entrera en jeu, en analysant des millions de données pour identifier les corrélations entre les paramètres de production et les caractéristiques finales des cellules LFP, comme la capacité, la durée de vie et les performances.

Le processus d’analyse par l’IA de la production de batteries

Photo : InsideEVs

L’objectif est de simuler virtuellement les modifications du processus de production avant même leur mise en œuvre en usine, afin de réduire les rebuts, d’accélérer le développement et d’améliorer la qualité du produit final. Le projet vise aussi à accroître la durée de vie des cellules et le rendement de la production.

L’intelligence artificielle au service des batteries

En réalité, il ne s’agit que de l’une des nombreuses applications de l’IA dans l’univers des batteries. Les algorithmes sont déjà utilisés dans la recherche de nouvelles chimies, en analysant des millions de combinaisons possibles de matériaux afin d’identifier les plus prometteuses en matière de densité énergétique, de vitesse de recharge, de coûts et de durabilité.

Un travail qui permet de réduire drastiquement le nombre d’essais expérimentaux nécessaires en laboratoire et d’accélérer le développement de technologies encore peu matures, comme les batteries solides ou celles aux ions sodium.

batterie-huawei-nouvelle-plateforme-luterra

Production d’électrodes pour cellules cylindriques

L’IA est aussi embarquée à bord des voitures

L’intelligence artificielle joue ensuite un rôle de plus en plus important tout au long de la vie de la batterie. Les modernes Battery Management System collectent en continu des données sur les tensions, les températures, les courants et les cycles de recharge, afin d’estimer avec davantage de précision l’état de santé de l’accumulateur, d’anticiper sa dégradation et d’optimiser les stratégies de recharge.

Certains constructeurs développent également de véritables jumeaux numériques de la batterie : des modèles virtuels mis à jour grâce aux données envoyées par le véhicule via le cloud, capables de prévoir d’éventuelles anomalies et de suggérer des interventions avant qu’un problème n’apparaisse. À ce sujet, les premières études commencent aussi à se pencher sur les émissions de CO2 liées précisément à ce type d’opérations.

tesla-guerre-nvidia-intelligence-artificielle

La gestion via le cloud des données provenant des batteries

L’IA continue aussi d’être utile lorsque la batterie arrive au terme de sa carrière automobile. En analysant l’état des cellules individuelles, elle peut déterminer si elles sont encore adaptées à une seconde vie en tant que système de stockage stationnaire ou s’il est préférable de les envoyer directement au recyclage, afin de récupérer de la manière la plus efficace possible le lithium, le nickel, le cobalt et les autres matériaux précieux.