Eni rend des téraoctets de données non structurées souterraines exploitables grâce à MongoDB Atlas

INTRODUCTION

Une entreprise énergétique de premier plan en transition vers le zéro émission nette

Basée en Italie, Eni est une entreprise énergétique intégrée de premier plan qui emploie plus de 30 000 personnes dans 69 pays. Ses activités vont de la recherche et du forage de gaz naturel et de pétrole à la cogénération d’électricité, aux énergies renouvelables, au bioraffinage et à la production chimique.

En 2020, Eni a lancé une stratégie visant à atteindre le zéro émission nette d’ici 2050 et à développer des produits plus durables sur le plan environnemental et financier. Les décennies de recherche et d’innovation d’Eni en matière de technologie seront essentielles pour y parvenir.

« Je travaille dans l’équipe de calcul technique pour les géosciences et les équipes chargées des activités souterraines aux côtés des services de géologie, de géosciences et de géophysique », explique Sabato Severino, architecte de solutions d’IA senior pour les géosciences chez Eni. « Nous sommes chargés de trouver les meilleures solutions sur le marché pour notre infrastructure cloud et de les adapter pour répondre aux besoins métier spécifiques. »

Les projets incluent l'utilisation de l'IA pour le forage et l'exploration, l'exploitation des API cloud pour accélérer l'innovation et la création d'une plateforme intelligente pour promouvoir le partage des connaissances au sein de la plus grande division commerciale de l'entreprise : les ressources naturelles.

La plate-forme de gestion de documents pour les géosciences d’Eni offre un écosystème de services et d’applications pour créer et partager du contenu. Elle exploite des modèles d’IA intégrés pour extraire des informations à partir de documents et stocke les données non structurées dans une base de données NoSQL. Ces données sont étroitement liées aux données structurées gérées par une plate-forme de données propriétaire. Ces données sont visualisées dans des applications personnalisées destinées aux gestionnaires de contenu, aux analystes de données et aux spécialistes tels que les géologues, les ingénieurs et les équipes de forage pour obtenir des informations plus approfondies.

« Notre plate-forme doit être sécurisée, précise et efficace. La précision est vitale pour les scientifiques travaillant dans ce secteur » explique M. Severino. « Lorsqu’elles sont bien utilisées, ces données nous aident à travailler plus rapidement et plus intelligemment, à réduire les coûts grâce à l’optimisation et à prendre en charge nos décisions métier. »

LE DÉFI

Rendre des données complètes accessibles à la recherche scientifique

La plate-forme documentaire d’Eni intègre et homogénéise de grandes quantités de données non structurées. Les documents produits par les différents pays sont rédigés en italien, en anglais et en français, et chaque région utilise des unités de mesure différentes. Les utilisateurs extraient des données vers des tableaux de bord à des fins d’interrogation basées sur des critères spécifiques, mais le manque de normalisation rendait trop complexe la création de jeux de données complets et l’exécution de requêtes avec la base de données relationnelle d’origine.

Les défis pour l’équipe de M. Severino consistaient à assurer la maintenance de la plate-forme alors qu’elle intégrait un volume croissant de données (des centaines de milliers de documents et des téraoctets de données), et à permettre à différents groupes d’utilisateurs d’extraire rapidement et facilement des informations pertinentes à partir d’enregistrements complets.

« Alors que nous développions notre plate-forme, nous nous sommes rendus compte que nous passions trop de temps à gérer plusieurs systèmes. Nous devions accélérer la mise sur le marché tout en garantissant que la plate-forme pourrait prendre en charge un environnement international et multi-cloud à l’avenir, ce que notre base de données actuelle ne pouvait pas faire », explique M. Severino.

D’un point de vue technique, l’entreprise devait créer une plate-forme de données documentaires évolutive et gérée permettant l’organisation, l’extraction et l’utilisation de données provenant de documents traités et enrichis. Ce système devait être en mesure d’effectuer des recherches complexes via une interface de type Google et de permettre le développement d’un ensemble de microservices de traitement du langage naturel (NLP) et d’IA générative pour prendre en charge l’écosystème. La plate-forme de données documentaires servirait d’infrastructure de prise en charge pour conserver et manipuler les textes, tableaux, images et métadonnées obtenus à partir des processus d’extraction et d’enrichissement du contenu.

LA SOLUTION

Migrer vers une plate-forme de données de documents gérée indépendante du cloud

Eni s’est associé à MongoDB Consulting pour la formation et pour prendre en charge la migration des charges de travail vers MongoDB Atlas. « MongoDB est beaucoup plus rentable que notre solution précédente, qui avait un modèle de tarification complexe rendant difficile l’optimisation des coûts pour les charges de travail imprévisibles », explique M. Severino.

’'entreprise souhaitait passer à un service géré doté d'une expérience utilisateur fluide et d’une interface facile à utiliser pour les développeurs. Bon nombre de membres du personnel connaissaient déjà MongoDB, ce qui a fluidifié la transition et assuré une efficacité continue. De plus, la nature indépendante du cloud d'Atlas offre la souplesse dont Eni avait besoin pour éviter tout verrouillage par le fournisseur et maintenir ses capacités multicloud. Cela s'inscrit dans sa stratégie à long terme et lui permet de s'adapter à l'évolution des besoins métier.

« MongoDB Atlas n’est pas seulement une base de données, c’est un ensemble complet de produits et de services. Elle est indépendante du cloud et combine des fonctionnalités riches avec la souplesse dont nous avions besoin pour nous l’approprier », explique M. Severino. « L’assistance que nous avons reçue de la part de MongoDB Consulting était excellent, elle était adapté à nos défis uniques et nous sommes impatients de voir cette relation se développer à l’avenir. »

Eni a lancé un environnement de test sur MongoDB Atlas et, avec la prise en charge de plusieurs langages de programmation, des données JSON et des API REST (qui permettent d’accéder aux données via des requêtes HTTPs), Eni est en mesure de répondre aux exigences strictes de sécurité et de conformité des données du secteur.

Grâce à MongoDB Atlas, les utilisateurs d’Eni peuvent trouver rapidement des données sur plusieurs années et zones géographiques pour identifier les tendances et analyser les modèles qui facilitent la prise de décision dans leur domaine. MongoDB Atlas Search aide également à filtrer les documents non pertinents. La première équipe à mettre cela à l’épreuve était un groupe de collaborateurs technophiles du service recherche, qui ont été intégrés dans le but d’inspirer d’autres équipes d’Eni à utiliser la plate-forme. L’équipe a également intégré des modèles d’IA et d’apprentissage automatique, tels que la recherche vectorielle à la plate-forme pour rendre l’identification des modèles encore plus facile.

« Auparavant, les données cloisonnées signifiaient que nous risquions d’avoir des rapports qui n’étaient pas totalement précis. Lorsque vous opérez dans différentes zones géographiques et que vous recherchez de petites variations et des changements dans le paysage géophysique, il est très important que les modèles soient basés sur des données complètes et non seulement sur les données récupérées par une recherche basique », explique M. Severino.

Un autre processus auparavant complexe consistait à développer des tableaux de bord pour les applications et l’analyse de données. Eni s’appuyait sur un mélange d’outils publics et commerciaux, écrivant du code pour définir les composants, les mises en page et les interactions, et maîtrisant les langages de script ainsi que les fonctionnalités de gestion des données. Cela a créé une courbe d’apprentissage considérable pour les développeurs. Avec l’introduction d'Atlas Charts, une solution sans code pour créer des tableaux de bord interactifs attrayants, aux côtés d’autres solutions comme Power BI, ce point de friction a été considérablement atténué.

« Atlas Charts est vraiment utile pour visualiser des données non structurées. Nous avions l’habitude de les extraire manuellement vers des fichiers Excel ou CSV, qui sont difficiles à lire pour l’œil humain », commente M. Severino. « Désormais, les utilisateurs peuvent facilement se connecter à des sources de données, créer des graphiques et élaborer des tableaux de bord avec un minimum d’effort, même s’ils ne sont pas développeurs. »

En tant que fonctionnalité native de MongoDB Atlas, elle permet des mises à jour en temps réel des tableaux de bord et rend l’utilisation des données beaucoup plus facile et accessible.

LES RÉSULTATS

Des performances supérieures et des capacités de recherche plus intelligentes

Les premières réactions concernant l’environnement de test ont été positives. Les utilisateurs ont été impressionnés par les performances de la plate-forme et M. Severino s’attend à ce qu’elle soit encore plus facile à gérer une fois que MongoDB Atlas sera intégré à l’écosystème plus large d’Eni.

En créant sa plate-forme interne avec MongoDB, les développeurs et les scientifiques qui accèdent aux rapports chez Eni profitent d’une expérience utilisateur plus fluide. Les scientifiques peuvent personnaliser les rapports en fonction du projet spécifique sur lequel ils travaillent et n’ont pas besoin de demander à un collègue d’élaborer des tableaux ou des graphiques pour eux, ce qui accélérera à terme l’innovation et la prise de décision. Ils disposent également d’une fonction de recherche avancée et conviviale pour trouver rapidement et facilement des jeux de données complets.

Les développeurs, quant à eux, bénéficient d’une meilleure visibilité sur l’ensemble de l’environnement grâce au tableau de bord de MongoDB Atlas et peuvent consacrer plus de temps à la personnalisation du système et moins à la maintenance de routine, ce qui accélérera la mise sur le marché. Les prévisions indiquent que cette réduction du temps de développement se traduira par des économies de coûts ainsi qu’une plus grande efficacité.

« Depuis que nous sommes passés à MongoDB Atlas, nous avons considérablement réduit le temps de développement grâce aux fonctionnalités de gestion simplifiées et au tableau de bord convivial de la plateforme », explique Severino. « Cela s'est traduit par des économies significatives pour notre organisation. »

En tirant parti des fonctionnalités de gestion automatisée, les développeurs peuvent également consacrer beaucoup moins de temps à la maintenance courante telle que les sauvegardes, la mise à l’échelle et les mises à jour. Cela leur permet de se concentrer sur des tâches à plus forte valeur ajoutée, comme la personnalisation du système et la mise en oeuvre de nouvelles fonctionnalités, améliorant ainsi la productivité et l’efficacité globales de l’équipe.

« Nous avons entrepris de mettre en œuvre MongoDB pour unir les ressources souterraines et naturelles, mais nous avons déjà attiré l’attention de nos collègues dans au sein de l’entreprise. Si nous continuons à obtenir de bons résultats, nous recommanderons avec plaisir un déploiement plus large dans l’entreprise », conclut M. Severino.

Alors qu’Eni mène la transition vers un avenir plus vert, MongoDB Atlas permettra de recueillir plus facilement et plus rapidement d’énormes volumes de données non structurées sur sa plate-forme intelligente et de les rendre exploitables. Pour les scientifiques qui effectuent des recherches essentielles, cette expérience fluide leur permettra de se concentrer sur les tâches comptent le plus.

L’entreprise est également ravie de découvrir comment l’IA générative accélérera les projets souterrains à l’avenir. « L’IA générative que nous avons introduite crée actuellement des intégrations vectorielles à partir de documents. Ainsi, lorsqu’un utilisateur pose une question, le système récupère le document le plus pertinent et utilise les grands modèles de langage pour construire la réponse », explique M. Severino.

« Nous envisageons de migrer les intégrations vectorielles vers MongoDB Atlas afin de créer un système fonctionnel et entièrement intégré. Nous serons alors en mesure d’utiliser Atlas Vector Search pour créer des expériences alimentées par l’IA sans quitter la plate-forme Atlas, une expérience bien meilleure pour les développeurs. »