Intelligence artificielle et smart buildings : l’avenir de la smart city

L’intelligence artificielle (IA) est au cœur des dernières innovations sur les smart buildings. Elle permet d’anticiper les comportements et les consommations des habitants, mais aussi de modéliser l’efficacité énergétique d’un bâtiment, en neuf ou en rénovation, ou encore, de lui appliquer une maintenance prédictive. L’IA peut aussi accompagner les visions plus globales, à l’échelle d’un quartier puis d’une ville, afin de choisir les bons investissements pour faire des économies d’énergie réelles.

 

Des solutions matures sont désormais disponibles pour rendre les bâtiments intelligents, notamment d’un point de vue énergétique (consommation électrique, chaleur, eau chaude sanitaire). Ces solutions permettent d’ajuster en temps réel les consommations aux besoins des occupants, tant pour un usage d’habitation que pour un usage professionnel (tertiaire notamment).

 

Le smart building : piloter en temps réel la consommation énergétique

 

Mais il est possible d’aller plus loin. Des algorithmes d’intelligence artificielle, coordonnés avec les données fournies par l’IoT (« Internet of Things », les objets connectés), peuvent automatiser ces ajustements. Un smart building est équipé de nombreux capteurs, qui lui permettent de déterminer, en temps réel, quel appareil électrique est allumé et éteint, quel est le niveau du chauffage, quelles sont les conditions météo, quand l’ascenseur fonctionne, etc.

Ces capteurs génèrent une grande quantité de données, qu’il s’agit ensuite d’agréger. Elles offrent ainsi un suivi précis des comportements énergétiques du bâtiment, et permettent à des opérateurs humains de déterminer des stratégies énergétiques, et de mettre en place des automatismes. Par exemple éteindre la lumière quand un espace n’est pas occupé, moduler le chauffage ou la climatisation en fonction de l’occupation de l’immeuble et des conditions météo, etc.

 

L’IA permet d’anticiper les comportements et donc les consommations

 

Mais l’IA permet d’anticiper ces actions, et de les automatiser avec beaucoup plus de finesse. Grâce au deep learning – qui est l’apprentissage profond par une forme d’intelligence artificielle ou “IA” est capable d’analyser seule les comportements et les préférences des habitants, et générer des modèles d’action. Elle peut ainsi individualiser les scénarios à l’échelle d’un étage, d’un appartement, d’un bureau. Ceci permet de s’adapter parfaitement aux besoins des occupants, tout en choisissant toujours l’option la moins énergivore : limiter au maximum la consommation d’énergie tout en améliorant le confort et le bien-être de chacun.

Dans le cas d’un bâtiment tertiaire, une IA est aujourd’hui capable d’apprendre les habitudes des différents employés (heure d’arrivée, heure de pause déjeuner, taux d’occupation du poste de travail, utilisation de tel périphérique énergivore, fréquence des absences ou des déplacements) et de les confronter à des données extérieures (prévisions météos ou de trafic routier notamment) pour adapter et anticiper ses actions.

Une IA correctement entraînée est d’ailleurs capable de prévoir les variations météo au niveau du bâtiment avec beaucoup de finesse, en croisant les prévisions météo et des données en temps réel (température, précipitations, pression atmosphérique, force de vent…) : si la température va brusquement chuter ou remonter, elle est capable de l’anticiper, et de moduler le chauffage en fonction.

 

Scénarios d’optimisation et prévisionnels fiables

 

L’IA peut ainsi, tout à la fois, élaborer des scénarios d’optimisation énergétique, mais aussi fournir un prévisionnel extrêmement fiable, heure par heure, de la consommation énergétique du bâtiment dans les semaines à venir.

La multiplication de ces prévisionnels pour plusieurs bâtiments permettrait de moduler les politiques énergétiques d’un quartier, voire d’une ville. Ils pourraient servir également de support à de futures flexibilités électriques. Les smart buildings soutenus par une IA sont encore trop peu nombreux pour que la prévisibilité joue à cette échelle. En effet, des questions se posent encore concernant la protection des données du consommateur car leur exploitation peut se révéler intrusive. Un déploiement plus large de ces solutions pourrait offrir aux gestionnaires de réseaux électriques une aide pour les aider à optimiser la qualité de fourniture électrique, en anticipant d’éventuelles contraintes locales sur les réseaux. Ainsi les gestionnaires pourraient réaliser une anticipation fine et fiable des consommations.

 

L’IA au soutien de la maintenance prédictive

 

L’IA peut également permettre l’élaboration d’une maintenance prédictive des différents équipements. En s’appuyant sur des scénarios passés dans des situations équivalentes, elle peut pointer les risques de faiblesse ou de pannes, avant même que les capteurs ne puissent en déceler les signes avant-coureurs.

Le gain est particulièrement spectaculaire dans le cas d’une rénovation : « Il suffit d’ajouter des composants électroniques sur des équipements existants pour identifier en amont des dysfonctionnements potentiels. À l’instar de ces capteurs […], qui une fois installés sur les pompes ou moteurs (HVAC, climatisation, circulation d’eau, ascenseurs) et, après autoapprentissage du fonctionnement, décèlent de façon autonome, toute anomalie, sans connexion à un cloud » expose Bernard Vicens, Directeur du Segment Light, Home & Building chez EBV Elektronik.

 

Modéliser le comportement énergétique d’un futur bâtiment ou d’une rénovation

 

Mais si l’IA est une alliée de poids dans le fonctionnement énergétique quotidien d’un bâtiment, elle a également un rôle fondamental à jouer dans la conception dudit bâtiment, tant dans le neuf qu’en rénovation. Des logiciels équipés d’algorithmes d’IA sont désormais capables d’anticiper l’efficacité énergétique d’un bâtiment dans le temps, en fonction des choix de matériaux et d’équipements.

En nourrissant l’IA avec des données sur la conception technique du bâtiment, sur son utilisation future et sur les prévisions météo, elle est capable de proposer un scénario de consommation énergétique à l’année fiable. Il suffit de modifier n’importe quel paramètre pour voir immédiatement son impact sur la consommation. Il devient alors aisé de déterminer quels choix sont les plus payants à court, moyen et long termes, et arbitrer en fonction.

Par exemple, dans le cas d’un bâtiment neuf, l’IA sera capable de proposer un scénario de consommation d’électricité pour le chauffage en fonction des différentes solutions d’isolation, et même proposer celle qui lui semble la plus rentable. Pour un bâtiment en rénovation, une IA pourra permettre, par exemple, d’arbitrer entre des doubles vitrages ou des triples vitrages.

 

Du smart building à la smart city : la prévisibilité au cœur des politiques énergétiques

 

Ces gains offerts par l’IA à un smart building sont transposables à l’échelle d’un smart quartier ou d’une smart city. Nous l’avons déjà évoqué pour la prévision des consommations et leur futur pilotage. Mais c’est également le cas des politiques de rénovation ou de construction de bâtiments neufs : une ville pourra, si elle dispose de la technologie nécessaire, mesurer avec précision les conséquences énergétiques des travaux qu’elle compte engager – et choisir, en connaissance de cause, les meilleures solutions.

Ces données énergétiques issues des smart buildings, viendront s’ajouter au reste des données énergétiques mises à disposition à la collectivité (électricité, gaz, eau). Elle pourra alors s’appuyer sur ces bases pour mieux maîtriser ses consommations et élaborer ses futures politiques énergétiques.