E se a IA se tornasse uma aliada decisiva na transição energética dos edifícios? Os algoritmos podem transformar os projetos de engenharia no setor da construção civil, desde que consigamos produzir modelos de cálculo suficientemente potentes, confiáveis e robustos. É exatamente nisso que trabalham as empresas e os pesquisadores da faculdade Mines Paris – PSL envolvidos no laboratório de pesquisa ambiental VINCI.
Responsável por 43% do consumo anual de energia da França e por 23% das emissões de gases de efeito estufa do país, o setor da construção ocupa um lugar central no debate sobre os desafios da descarbonização. Para acelerar sua transição, o setor vem multiplicando as inovações, apoiando-se especialmente nos avanços recentes da inteligência artificial.
A análise do ciclo de vida dos edifícios mostra que a fase de operação pesa significativamente em seu balanço global de carbono. Ao substituir um modelo de gestão passiva e programada por uma abordagem dinâmica, os modelos algorítmicos poderão, no futuro, alterar essa equação e tornar os edifícios capazes de perceber, adaptar-se e antecipar.
Em 20 de novembro de 2025, a universidade anual do laboratório de pesquisa ambiental dedicou seus debates ao papel da IA nos projetos de engenharia. O encontro destacou o potencial das pesquisas e experimentações conduzidas em conjunto pelas empresas da VINCI, pela Mines Paris – PSL, pela École nationale des ponts et chaussées e pela AgroParisTech no campo da inteligência predial.
TwinOps : IA e BIM operacional
Uma das primeiras colaborações científicas iniciadas no laboratório, há mais de dez anos, concentrou-se no gêmeo digital, ferramenta que se tornou essencial para a operação de sistemas e para a gestão dos fluxos de dados produzidos pelos edifícios.
Dessa parceria nasceu a TwinOps, uma oferta da VINCI Facilities (VINCI Energies Building Solutions) voltada à criação de BIM GEM (Building Information Modeling – Gestão, Operação e Manutenção) com o objetivo de facilitar o controle e o acompanhamento dos edifícios. Hoje, a IA amplia o alcance dos gêmeos digitais. “Ao incorporar IA, conseguimos tornar a operação de infraestruturas e espaços mais inteligente, mais sustentável e mais responsiva”, destaca Mustapha Bismi, gerente da TwinOps VINCI Facilities. Como? Graças à potência e à robustez dos modelos de cálculo.
Um dos principais desafios do smart building está na coleta de dados e na interoperabilidade em ambientes que reúnem múltiplos sistemas e aplicações. A essa fragmentação das fontes somam-se dois fatores de complexidade: a grande diversidade das configurações prediais e a singularidade das necessidades dos proprietários, operadores e ocupantes.
Soluções alinhadas às exigências técnicas e às restrições orçamentárias
Nesse contexto, e visando industrializar tanto os modelos econômicos quanto os modelos de cálculo – intimamente ligados –, o uso da IA só se justifica se conseguirmos consolidar ao máximo os modelos algorítmicos, reduzindo o gap entre teoria e prática. “Solicitamos a um de nossos clientes que confiasse à Mines Paris – PSL um conjunto de dados e informações meteorológicas referentes a um de seus edifícios. Um ano depois, as pesquisas demonstraram que era possível, graças à IA, gerar otimizações energéticas”, comemora Mustapha Bismi.
Tempos de cálculo divididos por dez mil
O aumento da capacidade e da velocidade dos cálculos abre horizontes promissores no campo da eficiência energética.
Patrick Schalbart, engenheiro de pesquisa no Centro de Energia, Meio Ambiente e Processos da Mines Paris – PSL, estuda como a IA pode impulsionar o desempenho do Pleiades STD COMFIE, um software de simulação térmica dinâmica de edifícios criado há trinta anos e ainda hoje referência no setor. Uma pesquisa realizada em colaboração com a Qivy, empresa da VINCI Energies, permitiu avanços significativos na ferramenta.
“Buscamos, por um lado, simplificar o uso da solução, reduzindo o tempo necessário para preencher o modelo; por outro, aumentar a velocidade de cálculo. Obtivemos sucesso nas duas frentes! O uso da IA reduziu de forma expressiva o tempo de estudo. Quanto ao tempo de cálculo, foi dividido por dez mil: passamos de uma simulação por segundo para 10 mil simulações por segundo”, explica Patrick Schalbart.
Esses primeiros resultados alimentaram duas teses de pesquisa na Mines Paris – PSL. A primeira trata da otimização da gestão energética dos edifícios por meio da redução do consumo de pico. A abordagem considera aspectos “estocásticos”, isto é, aleatórios, como o clima ou o comportamento dos ocupantes. São parâmetros incertos que modelos clássicos não conseguem processar adequadamente, pois multiplicam o tempo de cálculo por cem, ou mesmo mil.
“O aprendizado de máquina permite obter um modelo a partir de medições já realizadas pelos sistemas de gestão técnica dos edifícios. O objetivo é evitar a etapa de coleta de dados técnicos e modelagem física. Isso reduz o tempo de cálculo e permite otimizar a regulação em um horizonte de vários dias de forma operacional e avaliar as consequências das incertezas nas previsões”, explica Ryad Adel Ghouti, doutorando na Mines Paris – PSL.
Redes neurais e florestas aleatórias
A outra tese inspirada nos trabalhos do laboratório de pesquisa ambiental investiga o papel da IA na modelagem da renovação energética dos parques imobiliários existentes. “O objetivo é desenvolver modelos preditivos, como redes neurais e florestas aleatórias, para estimar rapidamente o desempenho energético dos edifícios e integrá-los em um processo de otimização multicritério que considere o custo e o desempenho energético e/ou ambiental”, explica Ayoub Hannad, doutorando na Mines Paris – PSL.
Ao constituir uma base de dados a partir de simulações de edifícios, cria-se um material de treinamento para metamodelos que serão posteriormente utilizados na identificação das melhores soluções de renovação.
Foco no operacional
Treinar dados, lançar centenas de milhares de simulações e gerar metamodelos preditivos capazes de substituir modelos físicos: eis o ponto comum da maioria dos projetos de pesquisa conduzidos no laboratório de pesquisa ambiental. Em uma lógica de pesquisa aplicada, o objetivo é sempre chegar a variações operacionais que permitam propor soluções alinhadas às exigências técnicas dos ambientes de construção e às restrições orçamentárias dos contratantes.
09/04/2026
