L'IA aide la transition énergétique des logements
Le parc de logements résidentiels représente 27% des émissions de gaz à effet de la France et c’est donc un enjeu majeur de la transition énergétique d’aider les foyers à consommer moins d’énergie dans les prochaines années. Alors que l’intelligence artificielle a permis de faire des progrès considérables ces dernières années dans beaucoup de secteurs (médecine, mobilité…), ses applications dans le secteur du bâtiment sont tout juste en train de naître. La raison principale est que le bâtiment est historiquement un secteur dans lequel les données sont relativement rares et surtout très peu organisées.
Comment construire les jeux de données qui permettent d’accélérer le déploiement de l’IA dans le bâtiment ?
Pour faire émerger des applications de l’intelligence artificielle dans le bâtiment, la première étape est de collecter et d’organiser les données qui sont liées à ce bâtiment. Ces données sont de trois types bien distincts et proviennent elles-mêmes de sources disjointes qui n’ont jamais été mises en relation. Homeys s’exerce chaque jour à organiser ces données pour tous les logements que la start-up analyse.
Le premier type de données sont celles qui caractérisent le bâtiment. Ces données dites du bâti proviennent de jeux de données en open data qui ont été mis en ligne récemment par le gouvernement et qui vont des données cadastrales à des données de description du territoire produites par l’IGN en passant par des données sur les DPE des logements partagées en juin 2020 pour la première fois par l’ADEME. Ces données sont évidemment enrichies par les images satellites dont la précision s’améliore chaque année et ouvrent de nouveaux champs d’analyse. Les informations personnelles sur les habitants des logements (nombre de personnes dans le foyer, propriétaire vs. locataire...) peuvent venir compléter ces données.
Le second type de données, ce sont toutes les données qui sont issues des compteurs communicants (Linky et Gazpar) ou bien issues de capteurs placés dans les logements comme des sondes de température LoRa ou Sigfox que l’on peut placer dans les logements pour suivre les usages. Accessibles par les organisations tierces qui ont signées un partenariat avec Enedis et GRDF (et avec le consentement du particulier occupant le logement), ces données sont des données personnelles qui doivent être traitées conformément aux règles édictées par le RGPD. Homeys a développé des outils permettant à n’importe quel individu qui le souhaite de récupérer les données de ses compteurs.
Le dernier type de données utiles pour entraîner des modèles d’intelligence artificielle sur la réduction de la facture énergétique dans les logements sont les données météorologiques liées à la localisation du logement fournies par Météo France.
Comment ces données sont-elles organisées pour entraîner des modèles ?
Il existe au moins trois types d’habitat : l’habitat collectif, la maison individuelle, et la maison partagée. Pour permettre un traitement efficace des données, Homeys a donc dû penser à un plan d’organisation des données qui permette de couvrir ces trois types d’habitat en prenant en compte leurs spécificités et l’existence des multiples modes de chauffage possibles à l’échelle de ces bâtiments.
Dans les outils d’Homeys, toutes les données liées à un bâtiment et à un logement sont donc bien répertoriées et organisées pour permettre une analyse des économies d’énergie à l’échelle d’un immeuble, d’un appartement ou bien d’une maison individuelle. Cette organisation des données à l’échelle du logement est unique sur le marché.
Quelles sont les applications de l’IA dans la détection et l’activation des économies d’énergie dans l’habitat ?
L’analyse des données liée à chaque bâtiment et chaque logement permet d’entraîner des modèles d’intelligence artificielle pour accélérer la transition énergétique dans l’habitat. Ces modèles permettent de cibler les bâtiments dans lesquels des travaux de rénovation énergétique ou bien l’installation d’unités de production d’énergie (panneaux photovoltaïques par exemple) serait efficace. Sur ces sujets, certaines analyses qui étaient encore faites à la main il y a quelques années sont totalement automatisées et on citera notamment pour le cas du solaire le projet SunRoof de Google qui analyse les toitures des logements pour identifier les maisons sur lesquelles une installation solaire serait rentable.
Au-delà de cette capacité de ciblage, l’IA est un outil extraordinaire pour engager les consommateurs dans des actions d’économies d’énergie. Toutes ces données, assemblées à l’échelle du bâtiment, permettent de proposer des conseils personnalisés à chacun pour maximiser l’impact des économies d’énergie générées. Que ce soit des conseils de travaux de rénovation énergétique, des éco-gestes ou bien des propositions d’installation d’équipements, les données permettent aux fournisseurs d’énergie, aux collectivités, aux spécialistes de la rénovation énergétique de communiquer efficacement avec leurs clients.
La bonne nouvelle c’est que les économies d’énergie vont s’accélérer car les outils développés par Homeys permettent donc de mieux cibler les conseils aux ménages pour réaliser des économies d’énergie mais aussi d’apprendre sur l’efficacité de ces conseils. en évaluant l’efficacité des actions menées, Homeys créé en effet ce cercle vertueux d’apprentissage qui fait entrer les économies d’énergie du bâtiment dans l’ère de l’intelligence artificielle.
