Etude de l’application de l’apprentissage automatique à la conception de projets de rénovation

Contexte et enjeux : 

Grand consommateur d’énergie, le secteur du bâtiment constitue un potentiel d’action important, avec un enjeu essentiel de rénovation thermique du parc existant. Des techniques d’optimisation peuvent réduire les consommations de chauffage voire de climatisation à moindre coût. L’intérêt de l’intelligence artificielle est double : d’une part un méta-modèle issu de l’apprentissage automatique permet de réduire le temps de calcul par rapport à une simulation numérique basée sur la physique, ce qui est très utile car l’optimisation nécessite un grand nombre de calculs. D’autre part, le méta-modèle peut éviter la collecte d’un grand nombre de données ce qui est adapté en phase amont d’un projet durant laquelle l’entreprise doit investir du temps sans avoir la certitude d’être sélectionnée.

Objectifs et méthode :

Cette étude a pour but de développer des modèles prédictifs, comme les réseaux de neurones et les forêts aléatoires, pour estimer rapidement les performances énergétiques des bâtiments et les intégrer dans un processus d’optimisation multi-critères (coût, performance énergétique et/ou environnementale). Pour cela, une base de données sera constituée à partir de simulations de bâtiments avec différentes stratégies de rénovation. Ces données serviront à entraîner et tester les méta-modèles, qui seront ensuite utilisés pour identifier les meilleures solutions de rénovation, tout en évaluant les incertitudes et la robustesse des résultats.