Learning Across Wells: A Robust Framework for Lithology Classification and Prediction

Bien en dessous de la surface de la Terre, là où la lumière du soleil ne pénètre jamais, se trouve un monde complexe de couches rocheuses qui détiennent les clés de notre eau, de notre énergie et de notre compréhension de l'histoire de la planète. Pour naviguer dans ce royaume caché, les géoscientifiques descendent de longs instruments effilés dans des trous profonds forés dans le sol. Ces outils, appelés diagraphies sur câble (wireline logs), mesurent les propriétés physiques de la roche à mesure qu'ils la traversent, enregistrant la quantité de rayonnement que la roche émet, sa densité, la vitesse à laquelle le son la traverse, et l'espace disponible entre ses grains pour contenir des fluides. En lisant ces mesures, les experts peuvent faire la différence entre une roche boueuse et molle appelée schiste, un grès poreux et perméable qui pourrait contenir du pétrole ou de l'eau, un sable étroitement compacté qui résiste au flux, ou une roche carbonatée dure comme le calcaire. Pendant des décennies, cette tâche a reposé sur des experts humains qui interprètent manuellement ces courbes, un processus lent, sujet à l'erreur humaine et difficile à maintenir de manière cohérente lorsqu'il s'agit de traiter des milliers de points de données provenant de nombreux puits différents.

Dans une étude récente, des chercheurs ont cherché à voir si les ordinateurs pouvaient accomplir ce travail mieux et plus efficacement que les humains, spécifiquement lors du passage d'un puits à un autre. Ils se sont concentrés sur deux méthodes distinctes d'apprentissage automatique (machine learning), une branche de l'intelligence artificielle où les ordinateurs apprennent des modèles à partir de données plutôt que de suivre des règles rigides et préétablies. La première méthode, appelée Forêt Aléatoire (Random Forest), fonctionne comme un comité de décideurs. Elle construit de nombreux arbres de décision simples, chacun examinant les données d'une manière légèrement différente, puis combine leurs réponses pour parvenir à une conclusion finale. Cette approche est connue pour être robuste et tolérante face aux données désordonnées. La seconde méthode, connue sous le nom de K-plus proches voisins (K-Nearest Neighbors), repose sur un principe de similitude plus simple. Elle examine un nouvel échantillon de roche inconnu et demande : « Quels échantillons connus dans ma base de données ressemblent le plus à celui-ci ? » Elle attribue ensuite au nouvel échantillon l'étiquette de ses voisins les plus proches. Bien que les deux méthodes aient été utilisées auparavant, elles avaient rarement été testées l'une contre l'autre dans le scénario spécifique et exigeant de la prédiction de types de roches dans un tout nouveau puits utilisant des données provenant de puits différents.

Les chercheurs ont rassemblé des données provenant de quatre puits de pétrole et de gaz dans la mer du Nord, une région connue pour sa géologie complexe. Ils n'avaient pas accès à des échantillons physiques de roche, ou « carottes », provenant de ces trous spécifiques pour servir de vérité terrain parfaite. Au lieu de cela, ils ont créé un ensemble cohérent de règles pour étiqueter les types de roches basés sur les mesures de diagraphie. Par exemple, ils ont décidé que toute roche présentant une lecture de rayonnement élevée était du schiste, tandis que les roches avec une faible radiation et des niveaux spécifiques de densité et de porosité étaient classées comme grès ou sable compact (tight sand). Ils ont utilisé trois des puits pour enseigner leurs modèles informatiques, leur permettant d'apprendre la relation entre les mesures de diagraphie et ces étiquettes de roche. Le quatrième puits a été complètement caché, servant de test à l'aveugle pour voir si les modèles pouvaient réellement généraliser leurs connaissances à un nouvel environnement qu'ils n'avaient jamais vu auparavant.

Les résultats de ce test à l'aveugle ont été frappants. Lorsqu'on a demandé aux modèles de prédire les types de roches dans le puits invisible, la méthode de la Forêt Aléatoire a obtenu un score parfait, identifiant correctement chaque échantillon de schiste, de grès et de sable compact. Elle a atteint une précision de cent pour cent. En revanche, la méthode des K-plus proches voisins, bien que très performante, a commis des erreurs. Elle a correctement identifié la plupart des types de roches, mais a eu des difficultés avec le schiste, le classant par erreur comme grès ou sable compact. Cela a entraîné une précision globale d'environ quatre-vingt-dix-huit virgule cinq pour cent. La différence peut sembler minime, mais dans le contexte de la géologie, où de fines couches de roche peuvent déterminer si un puits est productif ou sec, ces quelques erreurs comptent. Les chercheurs ont constaté que le modèle de la Forêt Aléatoire n'était pas seulement légèrement meilleur ; il était systématiquement correct dans chaque instance où les deux modèles divergeaient.

Pour s'assurer qu'il ne s'agissait pas d'un coup de chance avec un puits spécifique, les chercheurs ont répété le test de manière rigoureuse. Ils ont alterné en cachant chaque puits des quatre, entraînant les modèles sur les trois autres, puis en testant sur celui qui était caché. Cette approche de « laisser un élément de côté » (leave-one-out) a confirmé que le modèle de la Forêt Aléatoire était supérieur dans chaque scénario. Même lorsque le puits testé présentait des caractéristiques très différentes des puits d'entraînement — comme des lectures de rayonnement moyennes beaucoup plus élevées — le modèle de la Forêt Aléatoire s'est adapté et est resté précis. Le modèle des K-plus proches voisins, cependant, a failli de manière significative face à ces différences. Cela s'est produit parce que la méthode des K-plus proches voisins dépend fortement de l'échelle numérique exacte des données ; si les chiffres varient légèrement entre les puits en raison de différentes conditions de forage ou de l'étalonnage des outils, la « distance » entre les échantillons change, entraînant de la confusion. Le modèle de la For est Aléatoire, en revanche, examine l'ordre relatif et les seuils des données, ce qui le rend beaucoup plus résilient aux variations naturelles.

L'étude a également permis de comprendre quelles mesures aidaient réellement les ordinateurs à prendre leurs décisions. Les modèles se sont accordés sur le fait que la mesure du rayon gamma, qui détecte le rayonnement naturel, était l'indice le plus important pour distinguer les types de roches. Cela est logique, car les règles utilisées pour étiqueter les roches reposaient largement sur cette lecture pour séparer le schiste de tout le reste. Les mesures de densité et de porosité étaient également cruciales, aidant à différencier le sable meuble du sable compact et dense. Étonnamment, le temps de transit sonique, qui mesure la vitesse à laquelle le son traverse la roche, n'a presque aucune contribution au processus de décision. Les modèles ont appris à ignorer cette courbe car, selon les règles spécifiques utilisées pour cette étude, elle n'aidait pas à distinguer les types de roches. Cette découverte est précieuse car elle suggère que, dans des situations similaires, les géoscientifiques pourraient ne pas avoir besoin de collecter toutes les mesures possibles pour obtenir une classification de roche fiable.

En fin de compte, cette recherche démontre que l'apprentissage automatique peut être un outil puissant pour comprendre le sous-sol terrestre, mais le choix de l'algorithme est crucial. L'étude montre que si les méthodes simples basées sur la similitude peuvent bien fonctionner dans des situations contrôlées et sur un seul puits, elles peinent lorsqu'il s'agit de transférer des connaissances d'un puits à un autre avec des conditions variables. L'approche de la Forêt Aléatoire s'est avérée être un cadre plus robuste et plus fiable pour cette tâche, capable de gérer la réalité désordonnée et variable de la géologie réelle sans nécessiter d'ajustements complexes. En prouvant que ces modèles peuvent apprendre à reconnaître des motifs rocheux à travers différents environnements, ce travail fournit une base solide pour automatiser une partie critique de l'exploration géologique, rendant potentiellement le processus plus rapide, plus cohérent et moins dépendant de l'interprétation subjective d'experts individuels.