Quand les IA se mettent au service du climat

Parce qu'il représente près de 45 % de nos dépenses énergétiques nationales et plus de 25 % de nos émissions de CO2, dont les deux tiers proviennent de son chauffage et de sa climatisation, le bâtiment est au cœur des enjeux de la transition énergétique.  Rendre « thermiquement efficaces » nos bâtiments est un enjeu majeur érigé au rang de priorité par la Stratégie Nationale Bas Carbone. Les mesures retenues concernent principalement l'isolation de l'enveloppe des bâtiments et se traduisent en programmes de rénovation thermique qui peuvent être lourds et coûteux si l'on veut véritablement optimiser l'efficacité énergétique des structures.

Or, il est aujourd'hui possible de doter les bâtiments de systèmes de chauffage et de climatisation intrinsèquement décarbonés et économiquement abordables, en combinant le stockage des énergies renouvelables et l'intelligence artificielle.

Ces systèmes se composent d'unités de production thermodynamique (des pompes à chaleur, des groupes froids) alimentées ou non, en fonction de la situation, par des panneaux photovoltaïques ou des capteurs solaires thermiques. Ils intègrent aussi et surtout des unités de stockage géothermique permettant d'utiliser les énergies renouvelables produites l'été ou de récupérer la chaleur perdue des climatiseurs pour chauffer les bâtiments l'hiver.

Ces systèmes de chauffage et climatisation bas carbone sont conçus et exploités à l'aide de logiciels qui s'appuient sur les technologies de l'intelligence artificielle. Au stade de la conception du système, les algorithmes permettent de tester des milliers de combinaisons possibles, en jouant sur le dimensionnement de tous les éléments constitutifs.  Ainsi on peut faire varier la taille des unités de stockage  ou encore la puissance et le type des pompes à chaleur, la taille des champs photovoltaïques en fonction de l'illumination du site et de la consommation prévisionnelle du bâtiment, etc. La puissance des algorithmes permet d'obtenir très rapidement la configuration optimale d'un système énergétique pour un programme immobilier, c'est-à-dire le meilleur rendement possible au moindre coût.

En phase d'exploitation, le « machine learning » (apprentissage automatique) rend possible la prédiction des besoins énergétiques d'un bâtiment en fonction de la météo, mais aussi de l'usage qui en est fait. Par exemple, à l'approche d'une vague de froid et en prévision d'une pointe de demande de chauffage, le système peut produire et stocker à l'avance de la chaleur dans de bonnes conditions thermodynamiques. La régulation réactive du système énergétique devient alors prédictive : le logiciel d'exploitation est capable d'apprendre la réalité du comportement du bâtiment, d'anticiper et de détecter les éventuelles dérives et d'optimiser le fonctionnement du système énergétique en conséquence.

Parce que ces dernières avancées technologiques apportent une réponse concrète et opérationnelle aux enjeux de la transition énergétique sans pour autant évincer l'humain, des sociétés comme Accenta mettent le numérique au service des acteurs qui pensent et bâtissent la ville de demain. C'est pour démocratiser cette approche et faire du bâtiment bas carbone une réalité pour toutes les villes du monde que je présenterai notre projet devant les maires du C40 à l'occasion de la finale du concours «Women4Climate Tech Challenge ».