#23 - Décret Tertiaire : comment déployer les audits énergétiques à grande échelle grâce au numérique ?
En France, en Europe, la prise de conscience de l’urgence climatique fait la part belle à la rénovation énergétique des bâtiments. Or, la mise en place d’une stratégie énergétique patrimoniale efficiente par les gestionnaires de parc passe nécessairement par une phase d’audit. La généralisation des audits énergétiques apparaît donc comme un prérequis pour massifier les projets de rénovation, et les outils numériques, des alliés pour y arriver.
Une obligation de réduction des consommations ambitieuse
Bien que les nouvelles constructions répondent à des exigences très élevées pour réduire leur impact environnemental, elles ne représentent qu’une petite partie du parc. La rénovation des bâtiments existants représente donc un levier indispensable dans l’atteinte des objectifs de réduction d’émission de gaz à effet de serre. A cet effet, le décret tertiaire, entré en vigueur le 1er octobre 2019, impose un rythme ambitieux de diminution des consommations énergétiques du parc tertiaire français : -40 % d’ici 2030 et -60 % d’ici 2050, à la hauteur de l'accord de Paris.
Pour y répondre, les gestionnaires de parc concernés par le décret font face à une nouvelle problématique : comment définir et rendre opérationnelle, à l'échelle d'un parc de bâtiments hétérogènes, une stratégie énergétique permettant de respecter les objectifs fixés par le décret tertiaire sur les 30 prochaines années ?
L’audit énergétique, un outil préalable et indispensable
Afin de pouvoir fixer des objectifs de performance énergétique ambitieux, et cohérents avec les exigences actuelles, il est avant tout primordial de quantifier les gisements énergétiques disponibles sur chaque bâtiment. L’audit énergétique permet d’orienter les choix d’actions de performance énergétique à mettre en œuvre et de quantifier les gains énergétiques et coûts de mise en œuvre associés. Il s’agit d’un outil de choix dans ce cadre, et donc un préalable à toute opération de rénovation énergétique.
De ce fait, la massification de la rénovation énergétique passera par la massification des audits énergétiques.
En effet, l’audit énergétique permet de répondre à deux enjeux très importants :
- Comprendre le bâtiment existant via une analyse de ses forces et faiblesses en prenant en compte tous les facteurs qui ont une influence sur les consommations et le confort dans le bâtiment
- Définir une stratégie pour améliorer la performance avec des propositions d’actions adaptées au bâtiment et pertinentes d’un point de vue économique, énergétique et pour le confort.
La stratégie de rénovation découle donc naturellement de l’audit. Mais une question se pose :
Comment réaliser des audits énergétiques sur des parcs de dizaines, centaines, voire milliers de bâtiments tout en conservant une précision et une qualité dans les analyses et préconisations, et tout cela avec un budget maîtrisé ?
L’industrialisation des audits énergétiques
Bien que le besoin pour des audits énergétiques soit avéré, nous avons fait le constat qu’il n’existait pas d’outil numérique pour les automatiser et permettre d’accélérer le processus en capitalisant un maximum.
Or, la réalisation d’un audit énergétique est souvent fastidieuse et coûteuse :
- Le processus de collecte des données, nécessite la plupart du temps le déplacement d’un technicien ou ingénieur sur le terrain ;
- Pour la construction d’un modèle énergétique complet du bâtiment, le choix oscille aujourd’hui entre des modèles rapides mais simplifiés (calcul au ratio), et des modélisations énergétiques détaillées mais très coûteuses via des logiciels de simulation thermique dynamique ;
- Une fiabilisation du modèle énergétique sur la base des données de consommation collectées est faite de manière empirique et itérative afin de s’assurer de la représentativité du modèle. Cette étape est peu automatisée et peut être alors très fastidieuse.
Quelles approches numériques pour massifier les audits énergétiques ?
Pour rendre possible ce déploiement à grande échelle des audits énergétiques, voici quelques approches numériques innovantes que nous avons identifiées.
Rationaliser la collecte des données
La collecte des données est primordiale pour la construction de la maquette géométrique du bâtiment d’une part et du modèle énergétique d’autre part.
Récemment, les efforts nationaux pour mettre à disposition les données cadastrales ont permis l’émergence de nombreuses solutions pour automatiser la création de modèle en 2.5D [1]. En particulier, la base de données de l’Institut Géographique National (IGN) permet de générer rapidement les volumes des bâtiments à modéliser ainsi que les masques environnants. En outre, des travaux de recherche sont menés actuellement pour automatiser le zonage thermique des maquettes, pour accroître ainsi l’automatisation de la création des modèles énergétiques de bâtiments [2].
Cependant, le processus de collecte des données ne pourra se faire uniquement par le biais de données mises en open source : les acteurs du terrain doivent intervenir dans ce processus. Cela est justement rendu possible par l’émergence des technologies numériques, qui permettent aux acteurs terrains de renseigner directement, via des plateformes, les informations essentielles, sans nécessiter le déplacement d’une tierce personne.
La simulation énergétique pour orienter la stratégie de rénovation
In fine, le décret tertiaire, par ses exigences, impose une obligation de résultat. En cela, il s’apparente à l’attendu d’un projet de rénovation avec engagement sur la performance énergétique réelle. Il est donc primordial de pouvoir fiabiliser les résultats des études produites car ils déterminent les stratégies déployées par les maîtrises d’ouvrages.
L’utilisation d’un moteur de simulation énergétique dynamique (SED) est ainsi particulièrement adaptée car elle permet, sur la base d’une maquette géométrique et des caractéristiques thermiques d’un bâtiment, de modéliser précisément les actions de performance envisagées afin d’estimer les économies d’énergie associées.
Cette démarche est essentielle pour proposer une stratégie de rénovation cohérente, avec les objectifs fixés par le décret tertiaire et intéressante économiquement pour un gestionnaire de parc.
Des approches émergentes prometteuses permettent aujourd'hui d’accélérer de manière importante le temps alloué à la modélisation énergétique. Ces approches, pour la plupart, combinent les informations bâtimentaires, recueillies sur site, et des données open source : base de données nationales, enquêtes nationales, etc. afin de générer des modèles complets décrivant le bâtiment de manière automatisée.
Afin de s’assurer de la qualité des modèles ainsi générés, il est alors conseillé de passer par une phase de calibrage.
L’importance de fiabiliser la simulation énergétique
Les modèles énergétiques nécessitent de spécifier un très grand nombre de paramètres, dont certains ne sont pas toujours bien connus. En effet, l’état des lieux de l’existant peut comporter un certain nombre d’incertitudes (compositions exactes des parois, performances précises des systèmes CVC, usages, etc.).
Afin de limiter au maximum ces incertitudes et fiabiliser le modèle, l’étape de calibrage permet d’ajuster certains paramètres du modèle, jugés incertains, de façon que les consommations simulées correspondent le plus possible aux consommations historiques réelles.
Le calibrage bayésien de modèle numérique, grâce aux données observées – facturation, compteurs Enedis, etc – a fait l’objet de nombreux travaux de recherche ces 20 dernières années [3]. Les méthodes bayésiennes ont notamment été appliquées avec succès dans des situations où les modèles numériques avaient beaucoup de paramètres en entrée avec assez peu de données observées (par exemple une année de consommation mensuelle).
Le calibrage bayésien est donc une solution sérieuse pour contrôler la dégradation de la précision du modèle énergétique en venant ajuster intelligemment les paramètres du modèle qui ont été pré-spécifiés.
La précision du calibrage s’évalue grâce aux indicateurs MBE (Mean Bias Error) et CVRMSE (Cross-Validated Root Mean Square of Error) de l’ASHRAE [4].
Notre retour d’expérience
Ces deux dernières années, Openergy a testé et implémenté cette méthodologie sur des projets de rénovation où cette approche digitale et multi-bâtiments était nécessaire, voire indispensable. Cela a abouti au développement d’outils adaptés à la massification des audits et basés sur la simulation énergétique. Cette approche d’audit digital permet de tenir compte des spécificités des bâtiments qui composent le parc pour choisir les actions de rénovation adaptées à chacun.
En effet, l’intérêt final est de pouvoir fournir aux gestionnaires, une grille de lecture à partir de simulations fiables réalisées sur un ensemble d’actions de performances énergétiques. Il leur est ainsi possible d’établir leur stratégie optimale de rénovation dans des délais et un budget maîtrisés.
Le décret tertiaire vient élargir la portée des projets avec engagement sur la performance réelle qui émergent ces dernières années : CPE, MGP, CREM. Le résidentiel représente aussi une part importante des bâtiments à rénover pour atteindre la neutralité carbone visée pour 2050. Le rythme des rénovations est donc amené à augmenter de façon exponentielle.
La réussite de tous ces efforts et investissements ne sera possible que par des approches méthodologiques fiables et pertinentes, de la phase d’études à la phase d’utilisation des bâtiments, avec un suivi de la performance dans le temps. L’innovation et le numérique seront à coup sûr des éléments clés de cette réussite.
Un article signé Aurelien KELLER, Responsable pôle Ingénierie, Amah Jean ABAGLO, Responsable Smart Energy et Thomas CERBELAUD, Responsable R&D chez Openergy
Références :
- [1] Reinhart, C. F. & Davila, C. C., Urban building energy modeling – A review of a nascent field, Building and Environment, Elsevier BV, 2016, 97, 196-202
- [2] Dogan, T.; Reinhart, C. & Michalatos, P., Autozoner: an algorithm for automatic thermal zoning of buildings with unknown interior space definitions, Journal of Building Performance Simulation, Informa UK Limited, 2015, 9, 176-189
- [3] Kennedy, M. C. & O'Hagan, A., Bayesian calibration of computer models, Journal of the Royal Statistical Society: Series B (Statistical Methodology), 2001, 63, 425-464
- [4] Indicateurs ASHRAE pour le calibrage
Article suivant : #24 - Le pilotage associé au numérique, nouvel allié de la rénovation énergétique des bâtiments !
Retour à la page d'accueil du dossier
UN DOSSIER RÉALISÉ AVEC LE SOUTIEN DE :
