Evonik Oxeno a annoncé le 9 novembre 2026 avoir intégré, pour la première fois, des modèles de procédé fondés sur l’intelligence artificielle dans la conduite courante de ses unités de Marl et d’Anvers, avec un objectif affiché : consommer moins d’énergie par tonne produite.
- Des modèles hybrides, dits « boîte grise », sont utilisés en exploitation réelle sur deux sites C4.
- Ils s’appuient sur une bibliothèque de plus d’un million de simulations d’états de l’installation.
- Les recommandations de conduite tombent en quelques secondes, notamment lors des changements de charge.
- L’étape suivante est le transfert automatique des résultats vers le système de contrôle-commande.
Plan de l'article
Que vient d’annoncer Evonik Oxeno ? #
Filiale à 100 % du groupe Evonik, Evonik Oxeno se présente comme un acteur de référence de la chimie des C4. Elle exploite deux complexes de taille mondiale, à Marl en Allemagne et à Anvers en Belgique. C’est sur ces deux sites que les nouveaux modèles sont désormais en service.
À lire Électrovannes : Bürkert agrandit son usine de Gerabronn et la convertit à la géothermie
Selon le communiqué officiel d’Evonik, ces modèles servent trois objectifs : améliorer l’efficacité énergétique, réduire les émissions de CO2 et accélérer les décisions lorsque la composition des flux de matières premières évolue.
Le projet porte le nom COMPAS, pour Control and Optimization using AI Models for Process Advancement and Cost Saving. Il est mené par les équipes d’ingénierie et de simulation de l’entreprise.
Comment fonctionnent ces modèles « boîte grise » ? #
Un modèle boîte noire apprend uniquement à partir des données, sans connaître la physique du procédé. Un modèle boîte blanche repose entièrement sur les équations de bilan, de thermodynamique et de cinétique. L’approche boîte grise combine les deux.
D’après CHEManager, l’équipe d’Evonik Oxeno a calculé à l’avance plus d’un million de simulations d’états de l’installation. Ces résultats ont servi à entraîner des modèles d’IA qui décrivent la thermodynamique et la cinétique de l’unité.
L’intérêt est pratique. Un simulateur rigoureux peut demander un temps de calcul important pour chaque scénario. Le modèle entraîné, lui, restitue un comportement proche en un temps très court, ce qui permet de proposer des consignes à l’opérateur en quelques secondes.
Ce que disent les responsables du projet
Dans le communiqué, Niklas Paul, responsable de l’ingénierie chez Evonik Oxeno, résume la démarche : « Nous combinons notre connaissance approfondie des procédés chimiques avec les capacités de l’intelligence artificielle ».
Robert Franke, responsable simulation et cinétique, fixe l’horizon : sur la base de cette technologie, l’entreprise avance « pas à pas vers un Verbund C4 auto-optimisé ».
Quels résultats sont annoncés ? #
Evonik indique que les applications actuelles montrent une forte concordance entre les prédictions des modèles et les données réelles d’exploitation. Cette fidélité permet de proposer des modes de marche optimisés.
À lire Optimiser les rendements matière d’un procédé continu
Le groupe fait état d’une baisse de l’énergie nécessaire pour fabriquer le produit visé, et donc de l’empreinte CO2 des installations. Aucun pourcentage de gain n’est toutefois publié : il s’agit de résultats déclarés par l’industriel, sans chiffrage public à ce stade.
Le communiqué met aussi en avant la réactivité. Quand les flux de matières premières changent, les opérateurs disposent plus vite d’une recommandation de conduite, là où l’ajustement reposait davantage sur l’expérience et sur des essais successifs.
Pourquoi la boucle n’est-elle pas encore fermée ? #
Pour l’instant, les modèles produisent des recommandations. La décision finale reste dans la salle de contrôle. Evonik précise que d’autres applications sont en cours de mise en œuvre, dont le transfert automatique des résultats vers le système de conduite de l’installation.
Ce passage du conseil à l’action est le point sensible de tout projet d’optimisation en ligne. Il suppose de définir les limites de consignes, les verrous de sécurité et la manière dont l’optimiseur cohabite avec la régulation existante et les contrôles avancés déjà en place.
Le site chemXplore rapporte que l’équipe a publié sa méthodologie dans les revues Chemie Ingenieur Technik et Chemical Engineering & Technology. Une protection par brevet est également recherchée.
Qu’est-ce que cela change pour les exploitants de procédés ? #
L’annonce illustre une tendance de fond : l’IA entre dans l’usine chimique non pas à la place des modèles physiques, mais en s’appuyant sur eux. C’est une réponse à la méfiance fréquente des exploitants envers des modèles purement statistiques, difficiles à justifier hors de leur domaine d’apprentissage.
Evonik estime que l’approche peut être transposée à d’autres procédés chimiques et pétrochimiques. Pour un site qui dispose déjà d’un simulateur de procédé fiable, la démarche consiste à exploiter ce capital de modélisation pour en tirer un outil rapide, utilisable en exploitation.
Reste à voir comment les gains se confirmeront dans la durée, et à quel rythme la boucle sera fermée sur le contrôle-commande. Les publications scientifiques citées par l’industriel devraient permettre aux ingénieurs procédés d’examiner la méthode dans le détail.
Questions fréquentes #
Qu’est-ce que le projet COMPAS d’Evonik Oxeno ?
C’est un projet d’optimisation de procédé qui utilise des modèles d’IA entraînés sur plus d’un million de simulations d’états de l’installation. Il est déployé en exploitation sur les sites de Marl et d’Anvers.
Qu’appelle-t-on un modèle boîte grise ?
C’est un modèle hybride qui associe des connaissances physiques, comme la thermodynamique et la cinétique, à des composantes apprises par intelligence artificielle. Il reste plus explicable qu’un modèle purement statistique.
Les modèles pilotent-ils directement les unités ?
Pas encore. Ils fournissent des recommandations de conduite en quelques secondes. Evonik indique que le transfert automatique des résultats vers le système de contrôle-commande est en cours de mise en œuvre.



