{"id":6708,"date":"2019-10-03T11:53:11","date_gmt":"2019-10-03T11:53:11","guid":{"rendered":"https:\/\/urbanai.fr\/lia-pour-optimiser-la-consommation-energetique-des-batiments\/"},"modified":"2021-03-01T19:55:06","modified_gmt":"2021-03-01T19:55:06","slug":"lia-pour-optimiser-la-consommation-energetique-des-batiments","status":"publish","type":"post","link":"https:\/\/urbanai.fr\/fr\/lia-pour-optimiser-la-consommation-energetique-des-batiments\/","title":{"rendered":"L\u2019IA pour optimiser la consommation \u00e9nerg\u00e9tique des b\u00e2timents"},"content":{"rendered":"

La consommation \u00e9nerg\u00e9tique des b\u00e2timents est responsable de plus de 30% des \u00e9missions de CO2. <\/em>A New York, ce chiffre s’\u00e9l\u00e8ve \u00e0 70%<\/u><\/em><\/a>, faisant ainsi des gratte-ciels la principale source de pollution de la ville. D\u00e8s lors, comment l\u2019IA peut-elle nous aider \u00e0 r\u00e9duire l\u2019empreinte \u00e9nerg\u00e9tique des b\u00e2timents ? Pour r\u00e9pondre \u00e0 ces questions je suis parti \u00e0 la rencontre de Samuel Nadeau-Piuze – co-fondateur de Maxen Technology, une startup qui utilise de l\u2019IA pour optimiser la consommation \u00e9nerg\u00e9tique de b\u00e2timents – \u00e0 Montr\u00e9al et de David Hsu – Professeur de planification urbaine et environnementale au MIT et chercheur au MIT Energy Initiative – \u00e0 Cambridge.<\/em><\/p>\n

<\/div>\n

Visualiser et comprendre la consommation \u00e9nerg\u00e9tique d\u2019un b\u00e2timent<\/strong><\/p>\n

<\/div>\n

\u00ab Lorsqu\u2019on arrive dans un immeuble, ses occupants n\u2019ont souvent aucune notion de sa consommation \u00e9nerg\u00e9tique. Dans un premier temps, notre travail consiste donc \u00e0 rendre accessible ces informations \u00bb (Samuel Nadeau-Piuze). A cet \u00e9gard, Maxen Technology propose \u00e0 ses clients une plateforme sur laquelle apparait, en temps r\u00e9el, la consommation \u00e9nerg\u00e9tique du b\u00e2timent. L\u2019IA de Maxen Technology offre \u00e9galement la possibilit\u00e9 d\u2019estimer la consommation \u00e9nerg\u00e9tique de l\u2019immeuble sur du moyen terme et de cr\u00e9er des alertes en cas de consommation anormale (ou de tendance de consommation trop \u00e9lev\u00e9e).<\/p>\n

<\/div>\n

David Hsu s\u2019int\u00e9resse \u00e9galement \u00e0 la visualisation des donn\u00e9es \u00e9nerg\u00e9tiques des b\u00e2timents mais d\u2019un autre point de vue : \u00ab En 2009, la ville de New York a impl\u00e9ment\u00e9 des lois [Local Law 84 puis Local Law 87] qui obligent certains b\u00e2timents \u00e0 rendre public leurs donn\u00e9es \u00e9nerg\u00e9tiques. \u00bb Dans le cas de New York, cette d\u00e9marche est d\u2019autant plus int\u00e9ressante qu\u20191% des b\u00e2timents consomment pr\u00e8s de 55% de l\u2019\u00e9nergie de la ville. \u00ab J\u2019ai alors analys\u00e9 l\u2019effet de ce partage de donn\u00e9es sur la consommation \u00e9nerg\u00e9tique des b\u00e2timents. Les r\u00e9sultats que j\u2019ai trouv\u00e9s ont \u00e9t\u00e9 assez surprenants : dans les 3 ans qui ont suivi cette r\u00e9glementation, la consommation \u00e9nerg\u00e9tique de la ville a diminu\u00e9 de 11% \u00bb. Deux ph\u00e9nom\u00e8nes comportementaux viennent expliquer ce r\u00e9sultat. D\u2019une part, la possibilit\u00e9 de suivre sa propre consommation \u00e9nerg\u00e9tique entraine un processus d\u2019auto-mod\u00e9ration. Par ailleurs, le fait d\u2019avoir acc\u00e8s aux donn\u00e9es des autres b\u00e2timents engendre un effet de march\u00e9 (pour rester comp\u00e9titif les b\u00e2timents doivent pr\u00e9senter de bonnes performances \u00e9nerg\u00e9tiques).<\/p>\n

<\/div>\n

La visualisation de ces donn\u00e9es ne fait pas intervenir d\u2019IA. En revanche, cette technologie peut \u00eatre utilis\u00e9e pour comprendre et mod\u00e9liser la consommation \u00e9nerg\u00e9tique de b\u00e2timents. Et pour cause, trop souvent \u00ab les b\u00e2timents ne fonctionnent pas de la mani\u00e8re dont on les a design\u00e9 \u00bb (D.H). L\u2019utilisation de donn\u00e9es \u00e9nerg\u00e9tiques pourraient ainsi contribuer \u00e0 cr\u00e9er des \u00ab typologies de b\u00e2timents \u00bb (D.H) avec, dans chaque typologie, des exemples \u00e0 suivre (selon leurs efficacit\u00e9s \u00e9nerg\u00e9tiques). L\u2019IA permettrait alors d\u2019identifier des patterns<\/em> et de pr\u00e9senter des exemples contextuels dont pourrait vraiment s\u2019inspirer un immeuble (en fonction des caract\u00e9ristiques qui lui sont propres).<\/p>\n

<\/div>\n

L\u2019IA au service de b\u00e2timents verts <\/strong><\/p>\n

<\/div>\n

En 2030, 50% des b\u00e2timents pr\u00e9sents sur les sols am\u00e9ricains seront issus de construction ayant eu lieu avant les ann\u00e9es 2000. Il est donc crucial d\u2019\u00eatre en mesure d\u2019optimiser ces b\u00e2timents existants (avec des infrastructures parfois vieillissantes). \u00ab Par la suite, on souhaite pouvoir optimiser le syst\u00e8me de CVC (Chaleur, Ventilation, Climatisation) d\u2019un b\u00e2timent. On estime qu\u2019on pourrait ainsi diminuer de 10% \u00e0 20% la consommation \u00e9nerg\u00e9tique d\u2019un immeuble \u00bb. Au-del\u00e0 d\u2019actions \u00e9videntes (mais efficaces) qui peuvent \u00eatre facilement automatis\u00e9es (\u00e9teindre des lumi\u00e8res, diminuer la climatisation lorsque personne n\u2019est dans la salle, etc.) Maxen Technology esp\u00e8re atteindre cet objectif en agissant sur des donn\u00e9es complexes. La startup entraine ainsi son IA \u00e0 optimiser l\u2019efficacit\u00e9 \u00e9nerg\u00e9tique d\u2019un b\u00e2timent en prenant en compte des donn\u00e9es externes (la m\u00e9t\u00e9o) et internes (un plateau peut b\u00e9n\u00e9ficier de la chaleur produite par l\u2019\u00e9tage d\u2019en dessous). \u00ab On veut ainsi passer d\u2019un mod\u00e8le r\u00e9actif [baisser la temp\u00e9rature quand il fait trop chaud] \u00e0 un mod\u00e8le proactif \u00bb (S.N-P).<\/p>\n

<\/div>\n

L\u2019IA peut \u00e9galement \u00eatre utilis\u00e9e pour augmenter la part d\u2019\u00e9nergies renouvelables utilis\u00e9es par les b\u00e2timents. \u00ab Au Texas, on peut vous payer, notamment la nuit, pour que vous utilisiez l\u2019\u00e9nergie \u00e9olienne produite \u00bb (D.H). Ce ph\u00e9nom\u00e8ne s\u2019explique par un d\u00e9calage entre l\u2019offre d\u2019\u00e9nergie vertes et la demande d\u2019\u00e9nergie. D\u00e8s lors, l\u2019IA, en pr\u00e9voyant les pics de consommation (et de production d\u2019\u00e9nergies renouvelables) pourrait pallier ce probl\u00e8me. Toujours au Texas \u00ab on pourrait imaginer que des objets intelligents se rechargent automatiquement la nuit [ou durant d’autres p\u00e9riodes de pic de production d’\u00e9nergies vertes et de faible demande d’\u00e9nergie] \u00bb (D.H).<\/p>\n

<\/div>\n

Pour autant, et en d\u00e9pit de ces possibilit\u00e9s, l\u2019IA est loin d\u2019\u00eatre une solution miracle. \u00ab On aura encore besoin d\u2019\u00e9nergies non-renouvelables. Ne serait-ce que parce que le vent ne souffle pas toujours et que le soleil ne brille pas \u00e0 longueur de journ\u00e9es\u2026 \u00bb (D.H). Si cette technologie peut optimiser des mod\u00e8les, il est de notre responsabilit\u00e9 de les questionner et d\u2019en imaginer d\u2019autres, plus durables.<\/p>\n","protected":false},"excerpt":{"rendered":"

La consommation \u00e9nerg\u00e9tique des b\u00e2timents est responsable de plus de 30% des \u00e9missions de CO2. A New York, ce chiffre s’\u00e9l\u00e8ve \u00e0 70%, faisant ainsi des gratte-ciels la principale source de pollution de la ville. D\u00e8s lors, comment l\u2019IA peut-elle nous aider \u00e0 r\u00e9duire l\u2019empreinte \u00e9nerg\u00e9tique des b\u00e2timents ? Pour r\u00e9pondre \u00e0 ces questions je suis parti \u00e0 la rencontre de Samuel Nadeau-Piuze – co-fondateur de Maxen Technology, une startup qui utilise de l\u2019IA pour optimiser la consommation \u00e9nerg\u00e9tique de b\u00e2timents – \u00e0 Montr\u00e9al et de David Hsu – Professeur de planification urbaine et environnementale au MIT et chercheur au MIT Energy Initiative – \u00e0 Cambridge. Visualiser et comprendre la consommation \u00e9nerg\u00e9tique d\u2019un b\u00e2timent \u00ab Lorsqu\u2019on arrive dans un immeuble, ses occupants n\u2019ont souvent aucune notion de sa consommation \u00e9nerg\u00e9tique. Dans un premier temps, notre travail consiste donc \u00e0 rendre accessible ces informations \u00bb (Samuel Nadeau-Piuze). A cet \u00e9gard, Maxen Technology propose \u00e0 ses clients une plateforme sur laquelle apparait, en temps r\u00e9el, la consommation \u00e9nerg\u00e9tique du b\u00e2timent. L\u2019IA de Maxen Technology offre \u00e9galement la possibilit\u00e9 d\u2019estimer la consommation \u00e9nerg\u00e9tique de l\u2019immeuble sur du moyen terme et de cr\u00e9er des alertes en cas de consommation anormale (ou de tendance de consommation trop \u00e9lev\u00e9e). David Hsu s\u2019int\u00e9resse \u00e9galement \u00e0 la visualisation des donn\u00e9es \u00e9nerg\u00e9tiques des b\u00e2timents mais d\u2019un autre point de vue : \u00ab En 2009, la ville de New York a impl\u00e9ment\u00e9 des lois [Local Law 84 puis Local Law 87] qui obligent certains b\u00e2timents \u00e0 rendre public leurs donn\u00e9es \u00e9nerg\u00e9tiques. \u00bb Dans le cas de New York, cette d\u00e9marche est d\u2019autant plus int\u00e9ressante qu\u20191% des b\u00e2timents consomment pr\u00e8s de 55% de l\u2019\u00e9nergie de la ville. \u00ab J\u2019ai alors analys\u00e9 l\u2019effet de ce partage de donn\u00e9es sur la consommation \u00e9nerg\u00e9tique des b\u00e2timents. Les r\u00e9sultats que j\u2019ai trouv\u00e9s ont \u00e9t\u00e9 assez surprenants : dans les 3 ans qui ont suivi cette r\u00e9glementation, la consommation \u00e9nerg\u00e9tique de la ville a diminu\u00e9 de 11% \u00bb. Deux ph\u00e9nom\u00e8nes comportementaux viennent expliquer ce r\u00e9sultat. D\u2019une part, la possibilit\u00e9 de suivre sa propre consommation \u00e9nerg\u00e9tique entraine un processus d\u2019auto-mod\u00e9ration. Par ailleurs, le fait d\u2019avoir acc\u00e8s aux donn\u00e9es des autres b\u00e2timents engendre un effet de march\u00e9 (pour rester comp\u00e9titif les b\u00e2timents doivent pr\u00e9senter de bonnes performances \u00e9nerg\u00e9tiques). La visualisation de ces donn\u00e9es ne fait pas intervenir d\u2019IA. En revanche, cette technologie peut \u00eatre utilis\u00e9e pour comprendre et mod\u00e9liser la consommation \u00e9nerg\u00e9tique de b\u00e2timents. Et pour cause, trop souvent \u00ab les b\u00e2timents ne fonctionnent pas de la mani\u00e8re dont on les a design\u00e9 \u00bb (D.H). L\u2019utilisation de donn\u00e9es \u00e9nerg\u00e9tiques pourraient ainsi contribuer \u00e0 cr\u00e9er des \u00ab typologies de b\u00e2timents \u00bb (D.H) avec, dans chaque typologie, des exemples \u00e0 suivre (selon leurs efficacit\u00e9s \u00e9nerg\u00e9tiques). L\u2019IA permettrait alors d\u2019identifier des patterns et de pr\u00e9senter des exemples contextuels dont pourrait vraiment s\u2019inspirer un immeuble (en fonction des caract\u00e9ristiques qui lui sont propres). L\u2019IA au service de b\u00e2timents verts En 2030, 50% des b\u00e2timents pr\u00e9sents sur les sols am\u00e9ricains seront issus de construction ayant eu lieu avant les ann\u00e9es 2000. Il est donc crucial d\u2019\u00eatre en mesure d\u2019optimiser ces b\u00e2timents existants (avec des infrastructures parfois vieillissantes). \u00ab Par la suite, on souhaite pouvoir optimiser le syst\u00e8me de CVC (Chaleur, Ventilation, Climatisation) d\u2019un b\u00e2timent. On estime qu\u2019on pourrait ainsi diminuer de 10% \u00e0 20% la consommation \u00e9nerg\u00e9tique d\u2019un immeuble \u00bb. Au-del\u00e0 d\u2019actions \u00e9videntes (mais efficaces) qui peuvent \u00eatre facilement automatis\u00e9es (\u00e9teindre des lumi\u00e8res, diminuer la climatisation lorsque personne n\u2019est dans la salle, etc.) Maxen Technology esp\u00e8re atteindre cet objectif en agissant sur des donn\u00e9es complexes. La startup entraine ainsi son IA \u00e0 optimiser l\u2019efficacit\u00e9 \u00e9nerg\u00e9tique d\u2019un b\u00e2timent en prenant en compte des donn\u00e9es externes (la m\u00e9t\u00e9o) et internes (un plateau peut b\u00e9n\u00e9ficier de la chaleur produite par l\u2019\u00e9tage d\u2019en dessous). \u00ab On veut ainsi passer d\u2019un mod\u00e8le r\u00e9actif [baisser la temp\u00e9rature quand il fait trop chaud] \u00e0 un mod\u00e8le proactif \u00bb (S.N-P). L\u2019IA peut \u00e9galement \u00eatre utilis\u00e9e pour augmenter la part d\u2019\u00e9nergies renouvelables utilis\u00e9es par les b\u00e2timents. \u00ab Au Texas, on peut vous payer, notamment la nuit, pour que vous utilisiez l\u2019\u00e9nergie \u00e9olienne produite \u00bb (D.H). Ce ph\u00e9nom\u00e8ne s\u2019explique par un d\u00e9calage entre l\u2019offre d\u2019\u00e9nergie vertes et la demande d\u2019\u00e9nergie. D\u00e8s lors, l\u2019IA, en pr\u00e9voyant les pics de consommation (et de production d\u2019\u00e9nergies renouvelables) pourrait pallier ce probl\u00e8me. Toujours au Texas \u00ab on pourrait imaginer que des objets intelligents se rechargent automatiquement la nuit [ou durant d’autres p\u00e9riodes de pic de production d’\u00e9nergies vertes et de faible demande d’\u00e9nergie] \u00bb (D.H). Pour autant, et en d\u00e9pit de ces possibilit\u00e9s, l\u2019IA est loin d\u2019\u00eatre une solution miracle. \u00ab On aura encore besoin d\u2019\u00e9nergies non-renouvelables. Ne serait-ce que parce que le vent ne souffle pas toujours et que le soleil ne brille pas \u00e0 longueur de journ\u00e9es\u2026 \u00bb (D.H). Si cette technologie peut optimiser des mod\u00e8les, il est de notre responsabilit\u00e9 de les questionner et d\u2019en imaginer d\u2019autres, plus durables.<\/p>\n","protected":false},"author":11,"featured_media":6766,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[160],"tags":[],"class_list":["post-6708","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-batiment-et-infrastructures"],"acf":[],"_links":{"self":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts\/6708","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/comments?post=6708"}],"version-history":[{"count":1,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts\/6708\/revisions"}],"predecessor-version":[{"id":6768,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/posts\/6708\/revisions\/6768"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/media\/6766"}],"wp:attachment":[{"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/media?parent=6708"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/categories?post=6708"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/urbanai.fr\/fr\/wp-json\/wp\/v2\/tags?post=6708"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}