Samuel Addo-Frempong, développeur de la plateforme minexTRM et directeur minier chez Tex-Mining, explique comment un modèle de classement des cibles basé sur l’intelligence artificielle (IA) et soucieux de l’économie combine la géologie avec les intrants opérationnels et financiers pour réduire le temps de découverte, affiner les budgets de forage, réduire les perturbations des terres et donner confiance aux conseils d’administration dans tous les produits, y compris les minéraux critiques.

Tex-Mining remporte le prix de l’Innovation aux Mining Technology Excellence Awards 2025 pour la plateforme basée sur l’IA.

Découvrez un marketing B2B performant

Combinez veille économique et excellence éditoriale pour toucher des professionnels engagés sur 36 plateformes médiatiques de premier plan.

En savoir plus

Technologie minière (MT): Samuel, félicitations pour le prix de l’innovation: lorsque vous regardez en 2015, quel problème dans la prise de décision en matière d’exploration vous a poussé à construire minexTRM, et comment cette mission a-t-elle évolué?

L’exploration minière est une aventure coûteuse, longue et risquée, car il n’y a aucune certitude de découverte significative. C’est ce qui m’a motivé à développer un modèle qui pourrait guider les entreprises vers la canalisation des ressources vers des cibles à fort potentiel pour devenir des découvertes majeures. Au fil des années, avec la demande croissante de ressources minérales et la nécessité de reconstituer les ressources épuisées, il est devenu évident que le temps pressait et qu’il fallait découvrir plus rapidement les prochains gisements massifs. C’est à ce moment-là que l’intelligence artificielle a été intégrée au modèle, pour améliorer l’analyse des données et améliorer la précision des prévisions, dans le but ultime de réduire le temps de découverte des minéraux.

MT: Comment cette vision originale a-t-elle façonné les choix de produits que vous avez faits: qu’avez-vous délibérément inclus (ou exclu) pour que l’outil reste pratique pour les équipes de terrain et d’entreprise?

Au-delà de la signature géologique, ce modèle intègre des informations techniques, opérationnelles et financières comme entrées du modèle. L’idée est d’évaluer les paramètres opérationnels potentiels et les aspects économiques de diverses cibles d’exploration, même à un stade précoce d’exploration. Il convient de noter qu’en dehors du contexte géologique, les données opérationnelles et financières ont un impact significatif sur l’économie d’un prospect minier. C’est le principal motif de leur intégration dans le modèle.

MT : Gagner ce prix suscite inévitablement des attentes. Que signifie la reconnaissance pour vos relations clients et vos propres objectifs en tant que leader?

Le fait de remporter le prix de l’innovation démontre l’impact positif de ce modèle de classement des cibles d’exploration minérale basé sur l’IA sur l’industrie minière. Nous comprenons les attentes et sommes vraiment impatients de travailler avec nos clients sur leurs différents projets miniers. Mon objectif personnel est de relever le défi urgent auquel notre industrie est actuellement confrontée, qui consiste à remplacer les ressources minérales qui s’épuisent rapidement en tirant parti des avantages de ce modèle pour atteindre cet objectif.

MT : De nombreux outils promettent un ciblage plus intelligent. Dans l’utilisation quotidienne, qu’est-ce qui change en premier pour un client: comment il planifie le forage, structure les études ou alloue les budgets?

Ce qui distingue cet outil, c’est l’intégration de données opérationnelles et financières, outre la géologie. Grâce à l’utilisation de cet outil, les entreprises sont confiantes dans leur capacité à découvrir d’importants gisements minéraux lorsqu’elles commencent le forage avancé. Les budgets de forage sont préparés en se concentrant sur des cibles d’exploration prometteuses – ce qui permet d’économiser du temps, du temps et de l’environnement puisque cette approche de forage ciblée entraîne moins de perturbations environnementales.

MT : L’adoption est rarement une simple question technologique. Quels ont été les principaux obstacles que vous avez rencontrés (qualité des données, culture ou flux de travail) et comment avez-vous aidé les équipes à les surmonter?

L’industrie minière est relativement lente à adopter les nouvelles technologies, probablement en raison d’un mélange de préoccupations culturelles et de qualité. Ce qui a contribué à l’adoption de cet outil, c’est sa phase pilote réussie. Pour convaincre les clients de l’efficacité de cet outil dans le classement des cibles d’exploration, des projets pilotes sont menés en utilisant leurs ensembles de données géologiques préliminaires connus. Une fois que l’outil classe les différents prospects et indique quels prospects doivent suivre avec une exploration avancée en préparation au développement minier, les clients sont convaincus lorsque les prévisions s’alignent sur les résultats de leurs efforts d’exploration avancée.

MT : La confiance se gagne dans la fosse et dans la salle de réunion. Comment validez-vous les résultats du modèle avec les géologues et les équipes financières afin que tous deux se sentent en confiance pour agir sur les classements?

Une approche qui a contribué à l’acceptation des résultats du modèle consistait à aligner les résultats du modèle sur les résultats de forage avancé du site minier. Essentiellement, le modèle est utilisé pour classer et prédire les cibles d’exploration prometteuses sur la base des ensembles de données d’exploration préliminaires existantes de la mine. Bien que les résultats des activités de forage avancé/de confiance soient disponibles, des ensembles de données à un stade précoce sont délibérément utilisés. Le résultat du modèle est ensuite comparé aux résultats disponibles de l’analyse de confiance, et à mesure qu’ils s’alignent, les équipes de direction acquièrent la conviction que le modèle fonctionne.

MT:L’un des points forts de minexTRM réside dans la comparaison d’objectifs différents sur une base économique. Pouvez-vous nous expliquer comment cela a influencé les décisions au niveau du portefeuille sans revenir sur des exemples déjà dans le domaine public?

La géologie à elle seule ne suffit pas à déterminer un gisement minéral économique. En plus de la géologie, il faut prendre en compte les paramètres d’ingénierie et d’exploitation, les coûts et les prévisions des prix des matières premières. La combinaison de tous ces éléments peut modifier l’économie globale d’un prospect minier. À mon avis, une cible minérale prometteuse est celle qui satisfait à tous les paramètres, et c’est le genre de discussions que nous engageons avec nos clients lors de l’élaboration de leurs stratégies d’exploration minérale.

MT:Vous opérez dans plusieurs géologies et matières premières, y compris les minéraux critiques. Quelles leçons pratiques avez-vous tirées de l’adaptation de l’approche à différents styles de gisement et régions?

C’est une question intéressante. La nature et le style de minéralisation peuvent être similaires pour certains types de gisements, mais pas les mêmes, car il existe une certaine unicité associée à chaque formation de gisement minéral. En termes simples, les algorithmes d’IA du modèle sont générés pour identifier ces caractéristiques et indicateurs uniques afin de faciliter l’analyse des modèles dans le cadre du processus de prédiction. Il est important de connaître les contrôles possibles de la minéralisation dès les premiers stades de l’exploration afin de fournir cette connaissance de base de la signature géologique potentielle.

MT : L’IA évolue rapidement. Comment actualiser les modèles tout en gardant une expérience utilisateur stable pour les équipes terrain ?

Les algorithmes d’IA fonctionnent en arrière-plan lors de l’analyse des données géoscientifiques, les mises à jour sont généralement indépendantes de l’interface utilisateur. Les utilisateurs peuvent utiliser l’outil en toute transparence, quelles que soient les mises à niveau de l’algorithme.

MT : Où gardez-vous intentionnellement un « humain au courant » et comment équilibrez-vous le classement automatisé avec le jugement d’expert aux portes de décision clés ?

Bien que l’outil soit essentiellement automatisé, des apports humains sont nécessaires dans les domaines de saisie d’ensembles de données géoscientifiques à un stade précoce, tels que diverses formes d’anomalies géophysiques et géochimiques. De plus, les humains sont nécessaires pour déterminer les coûts, les paramètres de fonctionnement potentiels et les intrants financiers tels que le prix des matières premières et les taux d’actualisation.

MT : Les analyses de scénarios et de sensibilité sont au cœur de la plateforme. Comment les clients utilisent-ils ces outils pour gérer en temps réel la volatilité des prix, l’inflation des coûts ou l’incertitude métallurgique ?

En règle générale, l’outil permet aux clients d’effectuer diverses sensibilités sur le classement du scénario de base. Au cours de cette analyse de sensibilité, les clients peuvent évaluer la sensibilité des prospects classés à divers paramètres opérationnels et économiques. Cela aide les clients à décider quelles perspectives avancer pour un développement éventuel en fonction de leur robustesse, dans des conditions opérationnelles et économiques variables.

MT: Au-delà du coût de découverte et des ajouts de réserves, quels indicateurs capturent le mieux la valeur d’un programme d’exploration pluriannuel: rapidité de décision, conversion des ressources ou autre?

L’outil apporte de la valeur dans quatre domaines clés : réduction des coûts de découverte, réduction du temps de découverte, réduction des perturbations des terres et prise de décision accélérée, en d’autres termes accélération de la définition de la stratégie d’exploration.

MT : ESG et efficacité vont de plus en plus de pair. Comment la plateforme contribue-t-elle à réduire les forages inutiles, à raccourcir les campagnes ou à réduire les perturbations des sols?

Imaginez avoir plusieurs cibles d’exploration et ne pas savoir laquelle d’entre elles avancer pour le développement. Vous pourriez finir par les interroger tous pour prendre cette décision. Ce faisant, une grande surface sera perturbée. Considérant que l’utilisation de ce modèle permettra de restreindre ces cibles à celles qui sont prometteuses pour les activités de forage avancées, réduisant ainsi l’impact sur les terres.

MT: Pour l’avenir, quelles capacités privilégierez-vous ensuite et comment font-elles progresser votre vision d’une exploration objective et consciente des préjugés?

La demande de minéraux critiques est en augmentation car ils sont essentiels aux technologies modernes, à l’économie et à la sécurité nationale. Nous voyons des pays se précipiter pour dominer le secteur des minéraux critiques. À l’avenir, l’accent sera davantage mis sur l’identification des principales sources de minéraux critiques. Cet objectif donne la priorité absolue à l’utilisation de ce modèle pour aider à localiser les principales sources de minéraux critiques tels que le lithium, le cobalt, le cuivre, le nickel et les éléments de terres rares.

À propos de Samuel Addo-Frempong

Samuel Addo-Frempong est un ingénieur minier avec plus de 16 ans d’expérience dans le domaine des métaux communs et précieux. Il est actuellement directeur minier chez Tex-Mining, une société de conseil minier dont le siège est à Dubaï, aux Émirats arabes unis, et qui fournit des services de conseil minier à des clients du monde entier. Samuel est diplômé en génie minier de l’Université des Mines et de la Technologie du Ghana. Il est ensuite diplômé (Summa Cum Laude) de la Colorado School of Mines où il a obtenu sa maîtrise en ingénierie et gestion minières.

Le domaine d’expertise de Samuel comprend la génération d’objectifs d’exploration minière, l’élaboration de stratégies d’exploration minérale, les rapports sur les ressources et réserves minérales, la construction et le développement de mines, l’optimisation des processus miniers, les fusions et acquisitions, les études techniques (évaluation économique préliminaire, études de préfaisabilité, études de faisabilité), ainsi que la technologie et l’innovation minières. Il a travaillé sur des projets et des opérations minières en Afrique, au Moyen-Orient, en Amérique latine et en Europe de l’Est, en se concentrant sur l’or, le cuivre, le cobalt, les éléments des terres rares, le lithium, le nickel et le graphite.

Samuel est une personne compétente/qualifiée telle que définie par le NI 43-101 du Canada, la SEC des États-Unis, le JORC d’Australie et le SAIMM d’Afrique du Sud, et est membre de la Society for Mining, Metallurgy and Exploration (SME), de l’American Exploration and Mining Association et de l’Australasian Institution of Mining and Metallurgy (AusIMM).

Contact: samuel.addofrempong@tex-mining.com