Fiabilité et résilience dans la planification des réseaux électriques

La plupart des réseaux classent leurs investissements sur la valeur attendue. Pour la fiabilité, ça fonctionne. Pour la résilience, ça échoue discrètement, et l’échec est systématique : vous sous-financez la queue de distribution sans jamais l’avoir décidé.

La fiabilité, la résilience, la préparation aux DER (Distributed Energy Resources), la modernisation numérique et la croissance se disputent toutes le même capital fini. Vous le savez déjà. Ce qui est moins évident, c’est que l’arithmétique utilisée par la plupart des organismes pour les arbitrer n’est pas neutre. Elle a un biais, ce biais va dans une seule direction, et il est assez fort pour inverser un plan d’investissement.

La valeur attendue fonctionne pour la fiabilité. Elle échoue pour la résilience.

Transformer le risque en monnaie convertible est le bon réflexe, et nous en avons détaillé la mécanique dans le premier article de cette série. Vous ramenez chaque risque à la même forme de valeur attendue : la probabilité d’un résultat défavorable multipliée par sa conséquence monétisée. Un dollar de risque de fiabilité réduit devient directement comparable à un dollar de risque de résilience ou de croissance. Mêmes unités, un seul classement, pas de politique.

Puis vous l’essayez, et les distributions ne concordent pas.

Le risque de fiabilité est fréquent et bien maîtrisé. Vous avez des centaines de défaillances par année et des décennies d’historique, alors la moyenne décrit vraiment bien ce que l’an prochain vous coûtera. Le risque de résilience est l’opposé : faible probabilité, conséquence grave, queue épaisse. Un événement cinquantenaire présente un coût annuel attendu qui paraît modeste et un coût réalisé qui peut dépasser une décennie de dépenses en fiabilité. La moyenne ne résume pas ce risque. C’est la moyenne d’un scénario qui, la plupart du temps, ne se produit pas, et qui domine tout le reste à l’occasion.

Un cadre sérieux ajoute donc une mesure de queue. Mais la solution habituelle comporte un piège, et il vaut la peine de suivre les chiffres.

Un exemple chiffré : comment le classement s’inverse

Deux programmes se disputent le même capital sur le même réseau. Les paramètres ci-dessous servent d’illustration. Ils ont été choisis pour être ronds et vérifiables, et non tirés d’un mandat client. Refaites le calcul avec vos propres chiffres et le constat tient.

Le programme de fiabilité porte sur une catégorie d’actifs affichant environ 200 défaillances par année, pour une conséquence monétisée moyenne de 50 000 dollars. Il coûte 3 millions de dollars par année et réduit de moitié le taux de défaillance. Le programme de résilience renforce le réseau contre une tempête de verglas majeure présentant une probabilité annuelle de 2 % et une conséquence de 400 millions de dollars. Il coûte 12 millions de dollars par année sur une base annualisée et ramène la conséquence à 100 millions de dollars.

Paramètres illustratifs. Une seule catégorie d’événement, une seule année, aucune corrélation entre les programmes.

Lisez la deuxième ligne attentivement, parce que c’est elle qui prend les gens par surprise. À un seuil de confiance de 95 %, la valeur à risque déclare l’exposition en résilience à zéro. Pas sous-estimée. Zéro. Quatre-vingt-dix-huit pour cent des années ne contiennent aucune tempête, alors l’année au 95e centile est une année tranquille. Un organisme qui adopte la valeur à risque précisément pour corriger le problème de la valeur attendue peut quand même faire disparaître sa plus grande exposition du classement.

La solution est une mesure de queue conditionnelle. La valeur à risque conditionnelle pose une autre question : sachant que nous sommes dans les 5 % d’années les plus mauvaises, quelle est la perte moyenne? Pour le programme de résilience, cela fait la moyenne des années de tempête et des années tranquilles à l’intérieur de la queue, et donne 160 millions de dollars. Pour le programme de fiabilité, où la loi des grands nombres garde la distribution serrée, cela donne environ 11,5 millions.

Voici maintenant ce qui décide du plan, parce qu’une exposition brute n’est pas une décision d’investissement. Personne ne finance le plus gros chiffre. On finance ce qui rapporte le plus par dollar dépensé, c’est-à-dire le risque réduit par dollar. Sur la valeur attendue, le programme de fiabilité donne 1,7 contre 0,5 pour le programme de résilience : la fiabilité remporte le capital, et ce n’est pas serré. Sur la valeur à risque conditionnelle, le programme de résilience donne 10,0 contre 1,8 pour la fiabilité : la résilience gagne par plus de cinq contre un. Même portefeuille, même année, mêmes données, mêmes coûts. C’est le choix de la mesure de risque, et non le choix d’investissement, qui a décidé du plan.

Une réserve honnête, parce qu’un lecteur attentif la trouvera. Le chiffre de 160 millions de dollars dépend de l’endroit où le seuil de confiance est fixé : 80 millions à 90 %, 400 millions à 98 %. C’est un facteur de cinq, attribuable au choix d’un seuil plutôt qu’à quoi que ce soit qui concerne le réseau. Ce qui résiste au choix du seuil, c’est le classement. Sur tout cet intervalle, le programme de résilience demeure le meilleur achat sur une mesure de queue et le moins bon sur la valeur attendue. L’ordre de grandeur est un choix de modélisation qui doit être énoncé. L’inversion, non.

Deux autres choix de cadrage méritent d’être explicites. Le tableau porte sur une seule année, ce qui avantage le programme de fiabilité, puisque sur un horizon de vingt ans la probabilité d’au moins une tempête majeure est de 33 %, et non de 2 %. Et les programmes sont traités comme non corrélés, ce qui est généreux, parce qu’une année de tempête est aussi une année de défaillances d’équipement plus nombreuses.

Voilà pourquoi la mesure, le seuil de confiance, l’horizon et les hypothèses de corrélation doivent tous faire l’objet de décisions explicites et documentées, plutôt que d’être hérités par défaut du premier chiffrier venu.

La frontière se construit à partir de la mesure choisie

À partir de là, la mécanique de la théorie du portefeuille fait ce qu’on attend d’elle. Pour un niveau de risque donné, quelle affectation produit le plus de valeur? Tracez les portefeuilles candidats et ils dessinent une frontière efficiente : les affectations où l’on ne peut obtenir plus de valeur sans prendre plus de risque. Un cadre de valeur explicite, les objectifs de l’organisme traduits en mesures pondérées et quantifiées en valeur actuelle, classe les investissements concurrents sur une seule échelle de mérite, comme la VAN ou le ratio avantages-coûts. Vous choisissez ensuite le point de la frontière qui correspond à votre appétit pour le risque.

Mais la frontière hérite du biais de ses intrants. Construisez-la sur la valeur attendue et vous obtenez une vraie frontière du mauvais problème. C’est l’implication inconfortable de l’exemple ci-dessus : une optimisation peut être techniquement irréprochable et optimiser malgré tout un portefeuille que vous n’auriez pas choisi si la queue avait été visible.

La frontière n’est pas non plus une ligne déterministe unique, alors que c’est presque toujours ainsi qu’on la dessine. La simulation de Monte-Carlo sur des milliers de scénarios d’affectation, couvrant différentes trajectoires de dégradation, prévisions de demande et réalisations climatiques, retourne une enveloppe probabiliste. Cette distinction porte une décision. Le portefeuille situé sur la frontière dans votre scénario de référence ne gardera peut-être pas sa position quand le futur bougera. Une affectation légèrement moins efficiente, mais qui reste sur la frontière dans la plupart des scénarios, constitue généralement le meilleur plan. Cet arbitrage est invisible sur une courbe déterministe.

Le levier que personne ne chiffre : le calendrier

L’argent a un coût, alors reporter un investissement qui n’a pas encore besoin d’avoir lieu comporte un avantage réel en valeur actuelle. La question n’est jamais seulement quoi construire, mais quand. Une intervention optimale pour un actif isolé peut perdre sa place une fois qu’elle se dispute les fonds avec tout le reste. Deux plans aux projets identiques peuvent livrer une valeur sensiblement différente par le seul séquençage : l’un reporte les coûts et libère de la capacité aux bons moments, l’autre non. Optimiser le calendrier, et pas seulement la liste, est souvent l’amélioration la moins coûteuse qui soit. Elle coûte de l’analyse, pas de l’acier.

En Australie, CitiPower a fait cela pour 103 transformateurs de puissance. Plutôt que de défendre une date de remplacement, l’entreprise a calculé pour chaque appareil l’année où le coût d’investissement actualisé, additionné du risque accumulé, était le plus faible, puis a planifié à cette année-là. Les parties prenantes qui poussaient pour reporter le remplacement ont obtenu une réponse chiffrée au lieu d’une opinion.

Trois questions pour tester votre propre processus

Rien de tout cela n’est abstrait. Chacune de ces questions se répond par oui ou par non, et un non est un constat.

1. Pouvez-vous exprimer aujourd’hui le risque de résilience et le risque de fiabilité dans les mêmes unités?

Il ne s’agit pas de bien décrire les deux. Il s’agit d’exprimer les deux en risque monétisé, sur la même échelle, dans un document qu’une personne extérieure à votre équipe pourrait vérifier.

2. Votre processus choisit-il l’année d’investissement, ou la lui fournissez-vous?

Si l’année arrive comme un intrant venu de l’équipe des actifs, le calendrier n’est pas optimisé. Il est présumé, et l’avantage en valeur actuelle du report demeure invisible au classement.

3. Votre portefeuille est-il sur la frontière à travers les scénarios, ou seulement dans le scénario de référence?

Si vous n’avez jamais vérifié où votre affectation atterrit sous une courbe de dégradation plus sévère ou un scénario climatique plus humide, vous savez qu’elle est efficiente sous un seul futur, et rien sur les autres.

Un non à la première question signifie que le problème de queue de l’exemple ci-dessus est actuellement invisible pour votre plan d’investissement. Un non à la deuxième signifie que vous laissez de la valeur actuelle sur la table. Un non à la troisième signifie que votre plan est optimisé pour une prévision plutôt que pour un éventail.

Pourquoi cela devient inévitable

Les réseaux financent la fiabilité, la résilience, l’électrification, les grandes charges industrielles et la modernisation numérique en même temps, avec un capital qui n’a pas suivi. La norme internationale ISO 55000 définit la gestion d’actifs comme l’équilibre entre les coûts, les risques et la performance au regard des objectifs de l’organisme. Ce qui a changé, c’est que cet équilibre doit désormais être quantifié, et que les réseaux doivent justifier le portefeuille plutôt que chaque projet qu’il contient. Il ne suffit plus de montrer que chaque investissement est solide individuellement. Vous devez montrer que la combinaison est la meilleure utilisation possible du capital fini, et qu’aucune autre combinaison ou séquence ne livrerait plus de valeur pour le risque porté. Le cadrage même du plan est soumis au même examen, ce qui fait l’objet du troisième article de cette série.

Les autorités de réglementation avancent déjà. Au Royaume-Uni, l’Ofgem a harmonisé la façon dont les entreprises qu’il encadre déclarent le risque, en distribution et en transport d’électricité comme en gaz, en s’appuyant sur l’état et la criticité des actifs pour obtenir un risque monétisé comparable d’une entreprise à l’autre. En Ontario, la Commission de l’énergie exige des distributeurs qu’ils déposent des plans de gestion d’actifs présentant leur processus de planification et leurs pratiques d’optimisation du cycle de vie. Le cadre québécois de gestion des infrastructures publiques oblige les organismes publics à chiffrer leur inventaire, l’état de leurs infrastructures, leurs besoins de maintien d’actifs, leur déficit de maintien d’actifs et leur valeur de remplacement. Territoires différents, même demande : montrez les chiffres, pas le récit.

Ce qui amène le problème de queue sur le terrain réglementaire. Dès qu’un régulateur peut placer vos chiffres de risque à côté de ceux de vos pairs, un cadre qui déclare votre plus grande exposition à zéro n’est plus une préférence de modélisation. C’est une exposition en soi. La même exigence rejoint les propriétaires d’actifs municipaux et publics par une autre voie.

Comment Direxyon y parvient

Un cadre multicritère fondé sur la valeur, au moyen de méthodes telles que TOPSIS, ELECTRE ou MACBETH, ramène les risques de fiabilité, de résilience et de croissance aux mêmes unités ajustées au risque. Le risque de résilience à queue épaisse est porté par une mesure de queue conditionnelle plutôt que par la moyenne ou un centile naïf, de sorte que l’exposition qui disparaîtrait autrement reste dans le classement. La méthode optimise le calendrier d’investissement en même temps que la combinaison, et la simulation de Monte-Carlo retourne la frontière sous forme d’enveloppe probabiliste plutôt que de courbe unique, ce qui rend la robustesse visible à côté de l’efficience. Le résultat est un classement unique et vérifiable, où chaque arbitrage est documenté, sous une forme qui tient devant une autorité de réglementation

Questions fréquemment posées