l’intelligence artificielle pour l’amélioration de notre confort

“Que pouvons-nous attendre de l’intelligence artificielle pour l’amélioration de notre confort, et pour l’objectif inéluctable qu’est la sobriété énergétique de nos bâtiments?”

De tout temps, l’homme a su tirer de toutes innovations le meilleur. Néanmoins, la digitalisation de notre confort comme toutes autres « numérisations » est un changement radical dans notre mode de vie qui draine avantages et inconvénients. Le digital est au cœur de nos vies aujourd’hui, banque, commerce, administration, santé, loisirs. Pour autant, le monde du bâtiment, et plus particulièrement celui de la gestion de l’énergie et du confort reste en développement lorsque l’on évoque le « machine learning », le « deep learning », SMA (systèmes multiagents), ou encore HPC (High Performance Computing).

Il serait délicat de prétendre définir ce qu’est l’intelligence artificielle, car, bien que Priva évolue dans ce domaine technologique, il n’en reste pas moins que la digitalisation n’est que le vecteur technologique pour atteindre notre mission : créer un environnement favorable au développement.
Cet article a pour objectif de partager quelques réflexions sur la transformation digitale du confort avec les membres de notre écosystème. Nous nous appuierons sur l’intégration de nouvelles technologies de digital au sein de notre expertise ; la gestion du confort et la sobriété des bâtiments.

La gestion des données :
Selon l’une des sociétés à la pointe de AI, il existe 5 étapes primordiales dans la bonne gestion des données. IBM décrit la collecte, la gouvernance, l’analyse, le contrôle et enfin, le déploiement comme des phases impératives dans l’utilisation de leur algorithme d’IA, WATSON.
Et, dans le domaine du bâtiment qu’est-ce que cela implique ?

Collecter les données :
Chaque boucle d’automatisme se doit de collecter la bonne information pour être la plus juste possible. Comment réguler le confort thermique dans un bâtiment sans avoir une mesure de température qu’elle soit de référence, ou de contrôle ? Le développement des protocoles de communication, dit ouvert, fut déjà une très grande avancée dans le domaine de l’automatisation. Ce fut la première étape vers un bâtiment plus flexible avec la possibilité d’échanger les informations entre différents systèmes sur la base d’un standard. Cependant, ce n’est rien face au ras de marée que représente le développement des IOT qui grâce à l’avènement de la 5G va voir une expansion foudroyante.
Pour autant que pouvons, ou devons-nous faire de toutes ces informations ?

Qualification des données :
Tous ces capteurs, ces informations partagées de localisation, d’état nous informent en temps réel. Ils submergent les bases de données. Cependant, avant d’utiliser ces 0 et 1, nous devons nous interroger sur la qualité, l’opportunité, l’appartenance de ces informations. La gouvernance des données arrive juste derrière la collecte, car, il est impératif de qualifier les informations que nous intégrerons aux algorithmes. Prenons deux exemples qui nous projettent une fausse réalité. Une température de confort se règle sur la base d’une température ambiante quid d’une mesure qui viendrait du plafond d’une pièce de vie. Un phénomène thermique bien connu est la stratification thermique. La température à un mètre du sol n’est pas la même que celle au plafond. Avec des variations de plusieurs degrés selon la hauteur du plafond et de beaucoup d’autres paramètres, ce premier exemple révèle l’importance de qualifier une donnée avant même d’envisager de l’utiliser. Restons maintenant dans cette même pièce de vie. Une personne s’y trouve et nous pourrions avoir à disposition sa localisation. Pouvons-nous utiliser cette information pour gérer le confort, mais aussi optimiser l’énergie ? La sensibilité face aux droits individuels est différente selon les pays, néanmoins, il y a un point commun, les discussions autour du droit à l’oubli numériques sont bien présence même s’il s’agit de proposer une expérience utilisateur pour un meilleur bienêtre.

Analyse des données :
Et si nous étions capables de deviner ce qui se passe dans un bâtiment ? Aujourd’hui, l’une des difficultés rencontrées dans la gestion de notre confort est le temps. Vous entrez dans une pièce, vous allumez l’éclairage et ce dernier s’illumine en moins d’une demi-seconde. Vous entrez dans cette même salle, il y fait trop chaud, vous changez la température de consigne du thermostat, s’il est actif et s’il est facile d’utilisation. Combien de temps allez-vous attendre avant de fustiger le système qui est trop lent trop bruyant, etc. Gérer le confort demande de la patience, mais également beaucoup d’interprétation sur des périodes bien souvent au-delà de notre capacité à attendre le sentiment de bienêtre.
Le nombre de paramètres étant si importants le « machine learning » est alors un outil providentiel, car il permet d’anticiper et d’extraire des comportements grâce à la capacité de calcul de ces algorithmes. Et, c’est à partir de cette étape que les données commencent à présenter de la valeur. Nous en aurons un exemple précis avec le taux d’occupation que nous décrivons dans la description de nos différentes solutions douée d’IA.

Le contrôle :
Cette étape reste le changement le plus important dans le monde de l’automatisation. La différence principale est d’écrire une boucle de régulation efficace et demande à une intelligence artificielle d’écrire ces boucles de régulation pour vous. Cela implique un degré de confiance avancée dans l’algorithme et de nourrir ce dernier avec les éléments nécessaires. Bien souvent, nous nous trouvons face à ce qui ressemble à une boite noire avec l’irrésistible envie d’analyser de comprendre, de trouver un chemin logique, mais comment faire pour comprendre une machine est capable de faire des millions ou milliards de calculs en moins d’une seconde. Cependant, la qualité de ces calculs ne dépendra que de la pertinence des informations que vous allez confier à l’algorithme. Dans le cadre de la gestion du confort, nous devons prendre en considération la structure du bâtiment pour déterminer son profil thermique. Il existe deux possibilités, la première consiste à intégrer à l’algorithme une équation si complexe que les nombres de paramètres va vous emmener vers des approximations. La seconde solution est d’écrire l’objectif de ce calcul est qui ni plus ni moins d’anticiper pour atteindre un confort optimal et une sobriété énergétique. Cela sous-entend que la compréhension du bâtiment et la puissance du « Self-learning » sont directement dépendantes des personnes qui développent cet outil. Cette seconde solution s’appuie sur un autoapprentissage.

Le déploiement :
L’étape ultime est de mettre à disposition tous ces résultats. Entre en jeu ici, la démultiplication des possibilités de communication liées à internet. Là aussi les « data-scientists » doivent réinventer les plateformes d’information pour garder une constance dans l’approche.