Le logiciel IA d'Urbio accélère la transition énergétique dans les zones urbaines

Cet article, rédigé par Sébastien Cajot, a été initialement publié dans le magazine Euroheat & Power en juillet 2024. Il a ensuite été traduit d'Anglais à Français par Urbio.

Alors que des outils comme ChatGPT ont révolutionné des domaines tels que la rédaction de contenu et la génération d'images, des avancées similaires en intelligence artificielle redéfinissent la manière dont les systèmes énergétiques bas-carbone sont planifiés dans les villes européennes. En 2024, Urbio a lancé une solution brevetée permettant aux fournisseurs d'énergie et aux consultants de suivre le rythme sans précédent de ces transformations.

Une planification énergétique accélérée

La planification des systèmes énergétiques de demain – pompes à chaleur, réseaux de chaleur, panneaux solaires, et plus encore – est une tâche hautement complexe, consommant d'importantes ressources en temps et en moyens. Ce qui était autrefois un cadre relativement simple de flux énergétiques prévisibles allant de fournisseurs centralisés vers des consommateurs voit aujourd'hui ses rôles et frontières s'estomper avec l'émergence de « prosommateurs » décentralisés et la dépendance à des ressources intermittentes (Figure 1). De plus, des sources de données fragmentées et éparses génèrent de l'incertitude et des risques financiers. Avec des milliers de milliards d'euros investis dans la transition énergétique et une main-d'œuvre désespérément rare pour assumer la charge de travail à venir, une planification efficace est essentielle pour que les acteurs locaux établissent leurs priorités et que chaque euro investi maximise à la fois ses retours financiers et sa réduction de CO2, en conformité avec des réglementations de plus en plus strictes.

Figure 1 : Évolution des systèmes énergétiques urbains vers des systèmes de plus en plus complexes et interconnectés.

Le mouvement est déjà lancé, et la pression réglementaire fait effet. En Allemagne par exemple, 11 000 communes sont désormais tenues de mettre en œuvre des plans de chauffage dans les 4 prochaines années. Pour concrétiser ces plans, les coûts attendus dépassent 500 millions d'euros par an.

De puissants facteurs favorables façonnent la transition en Europe, et les experts prévoient jusqu'à 70 milliards d'euros d'investissements annuels dans les réseaux de chaleur d'ici 2030. Compte tenu de leur efficacité énergétique élevée et de leur fiabilité, les réseaux thermiques deviennent un pilier des bâtiments zéro émission nette, constituant une alternative supérieure aux pompes à chaleur et au solaire thermique dans les environnements urbains très denses, ou dans les quartiers historiques où les options de rénovation sont limitées.

Le marché des réseaux de chaleur connaît donc une croissance rapide, les gouvernements fixant des échéances fermes pour atteindre leurs objectifs. La France, par exemple, vise à tripler le nombre de foyers raccordés aux réseaux de chaleur d'ici 2035, et les fournisseurs d'énergie ainsi que les municipalités se précipitent pour déployer stratégiquement de nouveaux réseaux et extensions.

Actuellement, nous manquons de ressources humaines pour réaliser ces plans au rythme et à l'échelle requis. Les méthodes traditionnelles sont très consommatrices de main-d'œuvre, or c'est précisément la main-d'œuvre qualifiée qui fait défaut. Aujourd'hui, les acteurs du secteur de l'énergie constatent déjà directement les limites des processus manuels conventionnels – et les avantages potentiels de flux de travail numérisés.

« Les études de faisabilité sont essentielles à notre travail, mais elles prennent également du temps compte tenu du grand volume de données et de scénarios à considérer. » - Rafael Mesey, Responsable du Département Nouvelles Énergies, CKW

De plus, les données utilisées pour éclairer les décisions d'investissement doivent être structurées et facilement accessibles, car la production et la maintenance de business plans dynamiques sont si chronophages que les ingénieurs n'ont souvent le temps et le budget que pour travailler sur un seul scénario, bien que les conditions du marché évoluent constamment tout au long de la durée de vie d'un projet.

Alors comment les fournisseurs d'énergie et les villes peuvent-ils s'assurer d'atteindre leurs objectifs zéro émission nette tout en restant rentables ? Le design génératif, des données fiables et une visualisation intuitive sur des cartes sont les ingrédients clés qu'Urbio déploie pour accélérer la décarbonation du parc immobilier européen.

Le design génératif pour la planification de réseaux de chaleur

Propulsé par l'intelligence artificielle, le design génératif automatise la création de scénarios géoréférencés et quantifiés en fonction des objectifs et contraintes de l'utilisateur. En intégrant de vastes ensembles de données de manière structurée et en priorisant les sources de données les plus fiables de l'utilisateur, le modèle fournit des résultats plus complets et précis qu'auparavant, réduisant ainsi les risques du processus d'investissement. En coulisses, les algorithmes et les données sont les pierres angulaires de la solution de design génératif d'Urbio (Figure 2).

Figure 2 : La solution de données d'Urbio garantit que les sources de données les plus précises sont exploitées pour éclairer et réduire les risques des décisions.

En surface, Urbio innove également dans la manière dont les utilisateurs interagissent avec les algorithmes sous-jacents. Bien que similaire en apparence, la fonctionnalité de design génératif d'Urbio diffère des grands modèles de langage « traditionnels ». Des outils comme ChatGPT excellent dans les interactions verbales avec les utilisateurs et la création de contenus textuels, mais les résultats restent largement inexplicables et limités lorsqu'il s'agit de manipuler des chiffres et des informations spatiales. Au contraire, l'approche brevetée de design génératif d'Urbio produit des scénarios zéro émission nette quantifiés, géoréférencés et explicables, tout en permettant une interaction fluide avec les scénarios, directement sur une carte. Ces interactions aboutissent à une collaboration synergique homme-machine : plutôt que de s'appuyer sur des algorithmes pour produire une « solution » finale – qui correspond rarement à la complexité des contextes réels – les utilisateurs créent leur plan de manière itérative, en intégrant leur savoir-faire et leur contexte, tandis que les algorithmes suralimentent les flux de travail en effectuant des calculs à la volée et en optimisant les émissions de CO2, les coûts d'investissement ou d'autres objectifs. En conséquence, l'utilisateur reste aux commandes, et son « compagnon » IA soutient ses actions en arrière-plan (Figure 3).

Figure 3 : Trois scénarios de réseau de chaleur créés avec le design génératif basés sur les données utilisateur.

En s'appuyant sur le design génératif, les décideurs du secteur énergétique peuvent explorer des territoires plus vastes, bien plus rapidement qu'auparavant. Les résultats sont améliorés car ils peuvent comparer des options à peu de frais supplémentaires, augmentant ainsi le retour sur investissement. Par conséquent, les ingénieurs et les équipes commerciales consacrent plus de temps à apporter de la valeur aux projets et aux clients plutôt qu'à préparer des données et des scénarios, en exploitant leur expertise sectorielle et en sélectionnant les options les mieux adaptées au projet spécifique.

Planifier des réseaux de chaleur avec Urbio

Le fournisseur d'énergie suisse CKW souhaitait savoir quelles zones prioriser pour de nouveaux réseaux de chaleur. Face à la nécessité d'agir rapidement dans un environnement hautement concurrentiel, l'entreprise s'est engagée à rendre ses processus de planification plus efficaces.

Cependant, leurs évaluations impliquaient un effort manuel considérable : collecte des attributs des bâtiments, application de modèles sur tableur pour estimer les besoins, et cartographie des données sur les emprises pour la visualisation et la prospection dans des outils SIG de bureau. En conséquence, les processus souffraient de données non exhaustives et de plusieurs répétitions manuelles, coûtant du temps et des ressources aux prospecteurs.

Avec Urbio, CKW a automatisé l'ensemble du processus, économisant de précieuses heures de travail et permettant à l'équipe de se concentrer sur l'exploration de scénarios avec le soutien de cartes et d'indicateurs clés.

Figure 4 : CKW a exploité la suite complète de la plateforme 3-en-1 d'Urbio pour rationaliser et améliorer les études de faisabilité de réseaux de chaleur

En utilisant la solution 3-en-1 d'Urbio, l'équipe de Rafael Mesey chez CKW a réalisé les études de faisabilité 5 fois plus rapidement, en exploitant 3 fois plus de scénarios avec une précision des données supérieure à ce qui était réalisé auparavant. Ces facteurs cumulés ont permis des évaluations plus rigoureuses et fiables, améliorant la rapidité et la précision des décisions d'investissement qui en découlent.

« J'utilise Urbio pour accélérer le développement de nos activités dans les énergies renouvelables. » - Rafael Mesey, Responsable du Département Nouvelles Énergies, CKW

Perspectives

Urbio n'est pas seulement utilisé par CKW, mais aussi par des entreprises européennes telles que le fournisseur d'énergie allemand NEW, le spécialiste belge des réseaux de chaleur Resolia, et des cabinets de conseil énergétique de premier plan comme Energielenker et WSP. Urbio, fondée en janvier 2020en tant que spin-off de l'université de technologie climatique EPFL, élargit constamment les frontières de son produit sur plusieurs fronts avec des améliorations continues de l'expérience utilisateur permettant encore plus de contrôle, un enrichissement des sources de données et des processus, ainsi que des améliorations des capacités d'échelle de la plateforme. Ainsi, Urbio reste déterminée à numériser et accélérer les processus de planification de réseaux de chaleur à travers l'Europe pour soutenir la réalisation des objectifs de décarbonation.