Efficacité énergétique : Deepki analyse les parcs de bâtiments

Cleantech Republic : Quelle différence entre l'analyse d'un bâtiment et celle d'un parc ?

Vincent Bryant : L'analyse d'un seul immeuble à partir des outils habituels, en réalisant des visites et en utilisant des capteurs, peut s'avérer rentable lorsqu'elle est menée à la demande d'un propriétaire occupant. Mais personne n'est prêt à payer une étude (et l'instrumentation associée) sur plusieurs centaines de points de vente par exemple, surtout si l'on est locataire ! Il fallait donc trouver une méthodologie alternative, exempte de capteurs.

Comment l'avez-vous conçue ?

Mon associé (ndlr : Emmanuel Blanchet) et moi affichons 20 ans d'expérience cumulée dans l'efficacité énergétique des bâtiments, et avons remarqué deux choses. D'abord qu'il existe beaucoup plus de données disponibles que l'on imagine sur les bâtiments. Et ensuite qu'une poignée de recommandations techniques et opérationnelles parmi les plus rentables se répètent dans 75% des audits unitaires de bâtiments. Nous avons pensé qu'une approche combinant statistiques et système expert était possible.

Pouvez-vous nous détailler cette méthodologie et son fonctionnement ?

La première étape consiste à récolter les données du client : adresse, surface, équipements installés, mode constructif et année, factures énergétiques, courbes de charges, nombre d'occupants, de visiteurs, nature de l'activité, chiffre d'affaires du site... Ce sont plusieurs milliers de données annuelles qui sont en réalité (relativement) faciles à collecter pour un seul site. Bien sûr, une fois les sources identifiées, les flux sont automatisés avec une granularité généralement mensuelle. Deuxième étape : l'analyse des données (après nettoyage et harmonisation) en utilisant comme référentiel non seulement des données exogènes (météo, climat, orientation, open data urbaines...) mais surtout les data elles-mêmes ! Autrement dit, nous ne cherchons pas à modéliser physiquement chaque bâtiment pour ensuite les additionner, mais à évaluer chaque site par rapport aux meilleurs de la base, en tenant compte des similitudes. C'est la méthode « best in class ».

Vous passez ensuite à la phase de conseil ?

La dernière étape consiste effectivement à appliquer des modèles prédictifs capables de décliner des recommandations : réglages d'horloges, régulation, remplacement d'équipements, travaux sur le bâti (isolation, masques solaires...), et même modifications contractuelles ou encore optimisation des achats. Au final, nous garantissons des économies d'énergie de 5% minimum.

Un chiffre honorable... mais certains de vos confrères annoncent trois fois plus !

Sur un grand bâtiment unique peut être... Pas sur l'ensemble d'un parc immobilier, sans compteur, et en trois semaines ! Un exemple : la facture de notre client Picard (les surgelés) affiche 20 millions d'euros par an. Je vous laisse calculer ce que représente 5% d'économies. Notre modèle économique comprend un fixe (lancement du projet, paramétrages...) et un abonnement annuel à la plate-forme d'analyse, pour un coût total inférieur à 1% de la facture énergétique annuelle du parc. Le retour sur investissement est donc inférieur au trimestre. D'ailleurs nos clients l'ont bien compris : nous avons réalisé 500 000 euros de chiffre d'affaires pour notre premier exercice et visons trois fois plus pour 2016.

Comment allez-vous financer cette croissance ?

Nous lançons une levée de fonds pour le premier semestre 2016. Nous souhaitons accélérer notre déploiement commercial, recruter des experts (ndlr : Deepki emploie de nombreux Data-Scientists, profils rares et courtisés) et élargir notre offre. A la demande de nos clients, nous sommes notamment en train d'adapter nos modèles prédictifs pour les consommations d'eau et la maintenance prédictive des équipements.

En vidéo : Vincent Bryant - Prix Cleantech Republic 2015