Contexte 

Notre client est une société spécialisée dans la gestion et l’exploitation de bâtiments commerciaux et industriels.

Avec une présence sur 10 sites répartis en France et en Europe de l’Ouest, la direction financière de l’entreprise souhaite adopter une approche proactive pour gérer ses coûts d’exploitation, notamment la consommation énergétique de ses bâtiments.

La direction financière s’est fixé un objectif de projeter avec précision la consommation énergétique future de chaque bâtiment, en faisant varier des paramètres d’entrée, afin d’optimiser le budget et réduire l’impact environnemental.

Problématique

L’entreprise rencontrait plusieurs défis :

• Hétérogénéité des données collectées : Les sources de données variaient selon les sites (comptages manuels, données issues de capteurs IoT, factures mensuelles, prix du Kwh différent en fonction des pays, etc.).
• Inexactitudes dans les projections passées : Les prévisions s’appuyaient sur des moyennes générales, sans prise en compte des particularités locales (météo, type d’activité, obsolescence des machines, etc.).
• Impact des anomalies historiques : La pandémie de Covid-19 avait perturbé les habitudes de consommation, créant des biais dans les données.

Notre intervention

Nous avons été sollicités pour auditer l’écosystème de données de notre client et déployer une solution complète, combinant data visualisation et modèle prédictif.

Étape 1 : Audit des données

Cartographie des sources de données : Identification des données pertinentes pour l’analyse (consommation historique, données météo, occupation des bâtiments, type d’activité, etc.).

Analyse des biais : Élimination des périodes atypiques (ex. : Covid-19) pour ne conserver qu’un échantillon représentatif d’une période normale.

Nettoyage et structuration : Standardisation des données issues de différents formats et systèmes.

Étape 2 : Déploiement d’une plateforme de data visualisation

Nous avons mis en place un tableau de bord interactif permettant à la direction financière et technique de :

• Visualiser la consommation énergétique de chaque site en temps réel.
• Identifier les bâtiments les plus énergivores et comprendre les causes sous-jacentes.
• Comparer les tendances entre les différents sites grâce à des filtres (par région, type d’activité, etc.).

Étape 3 : Développement d’un modèle prédictif

Méthodologie d’apprentissage guidé : Nous avons utilisé des données historiques nettoyées pour entraîner un modèle capable de prédire les consommations futures en intégrant des variables clés (température extérieure, jours fériés, occupation des bâtiments).

Simulation de scénarios : Le modèle permet d’évaluer l’impact de modifications spécifiques, comme un changement d’équipement ou une fluctuation des prix de l’énergie, l’impact de la météo ou encore la fréquentation du lieu avec la mise en place d’une politique de télétravail.

Étape 4 : Validation du modèle

Nous avons pris soin de ne pas intégrer les données de l’année précédente dans notre algorithme afin de  les utiliser pour valider notre modèle.

En effet, nous appliquons les données d’entrée de l’année précédente à notre modèle, et vérifions la précision des résultats en les comparant avec la réalité.

Résultats

Grâce à cette solution, notre client a pu:

• Augmenter la précision de ses projections : La marge d’erreur des prévisions est passée de 28 % à moins de 5 %.
• Optimisation des coûts énergétiques : La direction a pu ajuster ses contrats énergétiques, mettre en place une politique de télétravail adaptée, et prévoir des investissements ciblés pour réduire les consommations.
• Vision consolidée : Le tableau de bord a facilité la prise de décision grâce à une vision globale et détaillée des performances énergétiques des sites.

Conclusion

Ce projet illustre comment l’intelligence artificielle et les outils de data visualisation peuvent transformer la gestion des données en un levier stratégique.

Notre client dispose désormais d’une solution robuste et scalable afin de lui permettre d’améliorer ses prévisions.

👉 Vous souhaitez également optimiser vos processus grâce à l’intelligence artificielle ? Contactez-nous pour en savoir plus.