AccueilLe data analytics a pendant longtemps été le seul pré carré de la finance mais, depuis quelques années, les ingénieurs en efficacité énergétique s’en saisissent pour aider les entreprises à mesurer et améliorer leur performance énergétique. Rencontre avec Jenny et Alan, deux ingénieurs efficacité énergétique chez Deepki qui utilisent la data au quotidien pour améliorer l’efficacité énergétique de la gestion des parcs immobiliers.
Bonjour Jenny et Alan. Quel est votre rôle chez Deepki ?
Jenny : Nous avons plusieurs casquettes. Pour ma part, je suis une référente en interne sur les questions d’énergie, de fluides, d’émissions de gaz à effet de serre. Mon travail consiste à une analyse des projets que nous menons pour en tirer des enseignements transversaux en terme d’efficacité énergétique afin d’améliorer en continu nos algorithmes de détection ou de mesure des économies d’énergie.
Alan : Quant à moi, j’aide Jenny sur l’ensemble de ces thématiques mais je suis également en contact direct avec les clients ce qui me permet de bien comprendre leurs besoins, les difficultés opérationnelles qu’ils rencontrent et de trouver des solutions pour les lever.
Quelles méthodes utilisez-vous en tant qu’ingénieurs en efficacité énergétique ?
Alan : Nous n’avons pas le même background technique et nos méthodes sont donc différentes pour identifier des économies d’énergie. Nous travaillons à différentes échelles. Je m’appuie sur des modèles mathématiques qui permettent par exemple d’agréger les données afin de faire émerger les sites les plus énergivores. Mon objectif est finalement de produire des indicateurs, des méthodes d’estimation et de suivi des économies d’énergie fiables et applicables à différents secteurs.
À lire également : Efficacité énergétique : « Les données existantes permettent de faire l’essentiel »
Jenny : Je travaille plutôt sur la base d’une expertise de terrain. J’installe par exemple la télé-relève chez certains clients et récupère les données de consommation pour chaque type d’usage d’un bâtiment. Grâce aux courbes de charges, je caractérise les anomalies éventuelles et j’évalue le rendement des différents équipements. Une fois la cause de la consommation anormale déterminée, je suggère des solutions.
Quels objectifs vous fixez-vous au quotidien ?
Alan : Notre souhait : Accélérer et automatiser la détection d’économies d’énergie et nous assurer qu’elles sont bien réalisées. Nous travaillons à l’amélioration continue de nos méthodes afin que l’energy management soit chaque jour plus automatique et plus efficace.
Nous voulons apporter une vraie valeur ajoutée à nos clients pour lever tous les freins à la massification des économies d’énergie.
Jenny : Nous identifions les économies les plus rentables, les moins coûteuses, et les plus rapides à mettre en place. Nous recherchons un temps de retour sur investissement aussi faible que possible pour encourager nos clients à l’action, et nous cherchons à améliorer la coopération avec les mainteneurs en charge des actions. Dans un second temps et plutôt en travail de fond, nous améliorons notre processus de détections grâce à des algorithmes permettant de travailler sur beaucoup de données à la fois.
Et, concrètement, comment a lieu la détection d’économies d’énergies ?
Alan : Je me concentre sur la mise en forme des données dans un format qu’un énergéticien peut comprendre. Jenny se penche ensuite sur l’explication des données à partir des phénomènes physiques associés au site.
Jenny : J’ai donc besoin des résultats produits par Alan pour travailler, même si notre démarche n’est pas linéaire.
Alan : Oui, mon output peut nourrir les analyses de Jenny puis son approche physique ré-alimenter mes modèles. Nous poussons à chaque fois la réflexion un peu plus loin, nous l’affinons grâce à notre double expertise. Plus les données sont nombreuses, plus la détection et la caractérisation des actions d’efficacité énergétique sont précises et pertinentes.
Jenny : C’est un travail itératif, un cercle vertueux : la modélisation mathématique va amener une analyse technique, puis une remodélisation à partir de ces nouvelles conclusions, de nouvelles analyses, la mise en place de nouveaux indicateurs à suivre, etc. Nous nous posons constamment deux questions : d’une part, comment récupère-t-on les données qui viendront alimenter nos modèles et, d’autre part, quelles sont les conditions de validation des sources de ces données.
Les résultats obtenus sont-ils fiables ?
Alan : Nous avons comparé les résultats que nous obtenons grâce à nos algorithmes à ceux résultant d’audits énergétiques sur site. Aujourd’hui, le taux de fiabilité de nos détections est de 90%.
Jenny : Après une première détection de la machine, il y a encore besoin d’une intervention humaine pour caractériser avec une plus grande précision la cause de l’anomalie observée. Par exemple, nos algorithmes vont détecter un problème sur le chauffage, la ventilation ou climatisation. Ils pourront soumettre une préconisation sur le type d’équipement en cause mais une confirmation par quelqu’un sur le terrain devient nécessaire. Grâce aux résultats obtenus, à notre expérience métier et à notre connaissance des spécificités du client, nos analyses gagnent en fiabilité : la fiabilité tourne alors autour de 80 % des cas à ce niveau de détails.
Quels échanges avez-vous avec les clients des sites à optimiser ?
Alan : Nous sommes en contact régulièrement avec les mainteneurs et les directeurs d’agence. Nous leur soumettons nos analyses et grâce à leur connaissance terrain, ils nous confirment nos conclusions ou nous apportent le contexte nécessaire pour les affiner. Nous gagnons beaucoup de temps grâce à un simple appel.
Jenny : L’interaction avec le client est un élément crucial de notre démarche, pour aller toujours plus loin. Nous pouvons produire des analyses, mais leur intervention est garante de leur pertinence, de leur fiabilité et de notre capacité à proposer des solutions parfaitement adaptées.
Merci à Jenny et Alan pour cet entretien passionnant !
