IA et nouvelle gouvernance : le cap Sonatrach 2026

Le 26/10/2025, SONATRACH a changé de capitaine : M. Nour Eddine Daoudi a été officiellement installé Président-directeur général du Groupe, en présence du Ministre d’État, Ministre de l’Énergie, des Mines et des Énergies renouvelables, ainsi que des instances de gouvernance du secteur. Ce type de nomination n’est pas un simple fait de calendrier. Dans une entreprise où chaque décision se traduit en milliards d’investissements, en sécurité énergétique nationale et en contrats internationaux, un changement de PDG est souvent un signal stratégique.

Dans la série « Comment l’IA soutient le secteur de l’énergie et des hydrocarbures en Algérie », ce moment compte pour une raison très concrète : l’intégration de l’intelligence artificielle dépend autant de la technologie que du leadership. On peut acheter des plateformes, recruter des data scientists, signer des partenariats… mais sans une direction qui tranche, finance, arbitre et suit l’exécution, l’IA reste un “pilote” isolé.

Voici donc une lecture utile (et opérationnelle) de cette nomination : qu’est-ce que l’arrivée de M. Daoudi peut changer pour l’IA, la digitalisation et la performance de SONATRACH — et, par ricochet, pour l’écosystème énergie/hydrocarbures en Algérie ?

Ce que la nomination de M. Daoudi dit des priorités 2026

Réponse directe : la communication officielle met au premier plan l’augmentation des capacités, la modernisation E&P, la transition énergétique, la réduction des émissions, et l’usage de technologies numériques avancées. Autrement dit : les sujets où l’IA apporte des gains mesurables.

Lors de la cérémonie d’installation, les autorités ont insisté sur une séquence claire :

• Accroître la production nationale, notamment en gaz naturel
• Développer la pétrochimie pour renforcer la transformation locale
• Accélérer la transition énergétique et réduire l’empreinte carbone
• Moderniser l’exploration et la production via des technologies digitales
• Renforcer la coopération internationale par des contrats et partenariats

Ce n’est pas un catalogue “com”. C’est une feuille de route où l’IA sert de moteur d’exécution, parce qu’elle permet de faire mieux sans attendre dix ans de CAPEX : optimisation, maintenance, planification, sécurité, et réduction des pertes.

Un point souvent sous-estimé : la gouvernance de la donnée

Dans les grands groupes hydrocarbures, le frein n°1 à l’IA n’est pas l’algorithme. C’est la question : qui est propriétaire de la donnée, qui la nettoie, qui la partage, et selon quelles règles ?

Un PDG qui veut de l’IA à l’échelle doit généralement imposer :

1. un cadre de gouvernance des données industrielles (capteurs, historien, SCADA, rapports terrain)
2. des standards (qualité, nomenclatures, traçabilité)
3. un modèle d’exploitation (centre d’excellence, équipes produit, MLOps)

Cette “discipline” est rarement glamour, mais c’est ce qui fait passer l’IA du PowerPoint au terrain.

Pourquoi le profil du PDG compte autant que les outils

Réponse directe : le parcours de M. Daoudi — ingénieur géologue, expérience en exploration, puis présidence d’ALNAFT avec une logique de modernisation — correspond au type de leadership qui comprend la valeur des modèles, des incertitudes et des décisions sous contrainte.

Selon les éléments publics, M. Daoudi :

• est ingénieur d’État en géologie (USTHB, 1987)
• a évolué à SONATRACH dans l’Exploration avec des responsabilités croissantes
• a dirigé la Division Exploration (2018–2019)
• a présidé ALNAFT (04/2020–06/2023), avec une réforme orientée transparence, efficacité, climat d’investissement

Ce mix est intéressant pour l’IA car l’exploration et la valorisation reposent sur :

• des données hétérogènes (sismique, diagraphies, carottes, tests)
• des décisions probabilistes (risque géologique, incertitude)
• des budgets lourds où chaque optimisation compte

Un dirigeant qui a vécu ces arbitrages a plus de chances de soutenir des usages IA “durs” : modèles prédictifs, optimisation, jumeaux numériques, et systèmes d’aide à la décision.

Mythe à casser : « l’IA, c’est surtout un sujet IT »

Non. Dans l’énergie, l’IA est d’abord un sujet d’opérations et de sûreté.

L’IT rend possible. Mais la valeur se crée quand les métiers adoptent, quand les procédures changent, et quand la direction accepte de mesurer (et de comparer) les résultats.

Où l’IA peut produire des gains rapides chez SONATRACH (et comment)

Réponse directe : les meilleurs retours arrivent quand l’IA est branchée sur des problèmes simples à définir, riches en données et coûteux en cas d’erreur : maintenance, production, énergie, sécurité, logistique.

Voici 5 chantiers typiques — réalistes — qu’une direction peut prioriser en 2026.

1) Maintenance prédictive sur équipements critiques

Objectif : réduire les arrêts non planifiés et prolonger la durée de vie des actifs.

Cas d’usage concrets :

• pompes, compresseurs, turbines
• colonnes de séparation, échangeurs
• instrumentation et vannes critiques

Approche IA pragmatique :

• modèles d’anomalie sur vibrations/températures/pressions
• prédiction du temps avant panne (Remaining Useful Life)
• intégration GMAO : création automatique de bons de travail

La clé : démarrer sur 1–2 familles d’équipements et imposer une boucle de feedback (panne réelle vs prédite).

2) Optimisation de production et réduction du “downtime”

Objectif : stabiliser la production et améliorer le rendement des installations.

Ce que l’IA fait bien :

• détecter les dérives de process avant qu’elles ne deviennent des incidents
• recommander des réglages (setpoints) sur des contraintes HSE/qualité
• anticiper les goulots (débits, pressions, limitations aval)

Même sans automatisation totale, un système d’aide à la décision peut déjà améliorer la discipline opérationnelle.

3) IA pour l’exploration : accélérer sans “brûler” le risque

Objectif : décider plus vite et mieux sur les prospects et la planification.

Applications possibles :

• interprétation assistée de sismique (détection de failles, horizons)
• analyse de risques géologiques avec scoring probabiliste
• priorisation de portefeuille (prospects) selon valeur/risque

Ce point colle à l’ambition de moderniser l’E&P via le numérique, évoquée lors de l’installation.

4) Réduction des émissions : méthane, torchage, efficacité énergétique

Objectif : baisser les émissions tout en protégeant la production.

Ce que l’IA rend plus efficace :

• détection d’événements anormaux (fuites, torchage excessif)
• optimisation énergétique (consommation des utilités, vapeur, électricité)
• reporting plus fiable, plus rapide, et exploitable par les managers

La transition énergétique n’est pas qu’un sujet “nouveaux projets”. C’est aussi une discipline d’exploitation.

5) Planification, supply chain et contrats : des gains moins visibles, mais réels

Objectif : sécuriser la livraison, réduire les coûts de stockage et améliorer le service.

Exemples :

• prévisions de demande (raffinage, distribution)
• optimisation des stocks (pièces de rechange)
• détection de risques fournisseurs et retards

Là aussi, l’IA marche quand elle s’appuie sur un bon socle de données et des règles de gouvernance.

International, transparence, partenariats : l’IA comme langage commun

Réponse directe : le message officiel insiste sur la coopération internationale et la modernisation. Or, aujourd’hui, la capacité à partager des données, des indicateurs et des preuves de performance est un avantage en négociation.

Quand une entreprise peut démontrer :

• un suivi d’intégrité des actifs basé sur données
• un reporting émissions robuste
• une maîtrise des risques opérationnels

… elle rassure. Et elle négocie mieux. Dans un marché où les partenaires demandent plus de traçabilité (HSE, carbone, conformité), la digitalisation et l’IA deviennent des éléments de crédibilité.

Une phrase que je répète souvent : « Dans l’énergie, la performance se prouve plus qu’elle ne se proclame. » L’IA aide justement à produire cette preuve, régulièrement.

Ce que SONATRACH doit faire (vite) pour que l’IA tienne ses promesses

Réponse directe : réussir l’IA à l’échelle exige une stratégie d’exécution en 4 briques : données, cas d’usage, exploitation industrielle, et conduite du changement.

Voici une check-list simple, utile pour une grande entreprise énergétique en Algérie.

1) Prioriser 6–10 cas d’usage “P&L”

Éviter l’erreur classique : 30 pilotes sans suite.

Choisir des cas qui ont :

• un sponsor métier clair
• une donnée accessible
• un KPI unique (ex. heures d’arrêt évitées, kWh économisés)

2) Mettre en place un modèle opérationnel IA (MLOps)

Sans MLOps, un modèle meurt après 3 mois.

Minimum à mettre en place :

• monitoring de dérive
• gestion des versions
• sécurité et droits d’accès
• processus de validation métier

3) Former les équipes terrain, pas seulement le siège

L’adoption dépend des superviseurs, des ingénieurs de quart, de la maintenance.

Formats efficaces :

• ateliers de 2–3h sur un cas concret
• “playbooks” d’utilisation en situation réelle
• retour d’expérience mensuel (ce qui a marché / échoué)

4) Sécuriser le cadre : cybersécurité, conformité, confidentialité

L’IA industrielle s’appuie sur des systèmes sensibles.

Il faut :

• segmenter les réseaux (OT/IT)
• tracer les accès
• documenter les modèles (auditabilité)
• prévoir des scénarios de repli (fallback)

Ce que cette nomination peut déclencher dans l’écosystème algérien

Réponse directe : quand SONATRACH accélère, l’écosystème suit : sous-traitants, universités, start-up, centres de recherche, intégrateurs, et partenaires internationaux.

Si la direction pousse une IA “utile” (pas décorative), on peut voir :

• plus de projets communs avec les laboratoires et écoles d’ingénieurs
• une demande accrue en compétences data (data engineers, spécialistes OT)
• des appels d’offres intégrant des exigences sur la donnée et la traçabilité
• une standardisation progressive des pratiques digitales dans le secteur

Et c’est exactement l’ambition de notre série : montrer comment l’IA peut soutenir un secteur stratégique, avec des bénéfices mesurables.

Prochaines étapes : passer d’une intention à un programme IA mesurable

La nomination de M. Nour Eddine Daoudi, annoncée fin octobre 2025, arrive à un moment où le secteur fait face à des objectifs simultanés : produire plus (notamment en gaz), transformer davantage (pétrochimie), réduire l’empreinte carbone, et moderniser les systèmes. Ces objectifs se contredisent parfois. L’IA sert justement à arbitrer : où gagner en efficacité, où réduire le risque, où investir en priorité.

Si vous êtes décideur, responsable opérations, HSE, maintenance, SI ou partenaire industriel, le bon réflexe en 2026 est simple : demander une feuille de route IA en 90 jours, avec 3 livrables concrets (données prêtes, cas d’usage priorisés, gouvernance). Ensuite seulement, on industrialise.

Et vous, dans votre périmètre (amont, transport, raffinage, pétrochimie), quel est le processus où 1% d’amélioration aurait l’impact économique le plus visible dès le prochain semestre ?