De l’intelligence artificielle à l’intelligence bâtimentaire

Et si l’IA devenait une alliée de poids pour la transition énergétique des bâtiments ? Les algorithmes pourront transformer les projets d’ingénierie dans le secteur du bâtiment si l’on parvient à produire des modèles de calcul suffisamment puissants, fiables et robustes. C’est ce à quoi travaillent les entreprises et les chercheurs de Mines Paris – PSL engagés dans le lab recherche environnement VINCI.

Parce qu’il représente 43 % de la consommation énergétique annuelle de la France et génère 23 % de ses émissions de gaz à effet de serre, le secteur du bâtiment occupe une place de choix dans la réflexion sur les enjeux de décarbonation. Pour accélérer sa transition, la filière multiplie les innovations, en s’appuyant notamment sur les récentes avancées de l’intelligence artificielle.

L’analyse du cycle de vie des bâtiments montre que le poste exploitation pèse aujourd’hui lourdement sur leur bilan carbone global. En faisant basculer le paradigme d’une gestion programmée passive à une animation dynamique, les modèles algorithmiques pourraient, demain, bousculer les équations et rendre les bâtiments capables de perception, d’adaptation et d’anticipation.

Le 20 novembre 2025, l’université annuelle du lab recherche environnement consacrait ses échanges au rôle de l’IA dans les projets d’ingénierie. L’occasion de mettre en lumière le potentiel des recherches et expérimentations menées conjointement par les entreprises de VINCI, Mines Paris – PSL, l’Ecole nationale des ponts et chaussées et AgroParisTech dans ce domaine de l’intelligence bâtimentaire.

TwinOps : IA et BIM d’exploitation

L’une des premières collaborations scientifiques initiées au sein du lab il y a plus d’une dizaine d’années a porté sur le jumeau numérique, outil devenu central dans l’exploitation des systèmes et la gestion des flux de données produites par les bâtiments.

De ce travail commun est née TwinOps, une offre VINCI Facilities (VINCI Energies Building Solutions) de création de BIM GEM (Building Information Modeling – gestion exploitation maintenance) visant à faciliter le pilotage et le suivi des bâtiments. Aujourd’hui, l’IA est en train de changer la portée des jumeaux numériques. « En injectant de l’IA, on peut rendre l’exploitation des infrastructures et des espaces plus intelligente, plus durable et plus réactive », souligne Mustapha Bismi, chef d’entreprise TwinOps VINCI Facilities. Comment ? Grâce à la puissance et à la robustesse des modèles de calcul.

L’un des principaux sujets du smart building concerne la récupération des données et leur interopérabilité dans des environnements abritant une multiplicité de systèmes et d’applications. A cette parcellisation des sources s’ajoutent deux facteurs de complexité : l’extrême diversité des configurations bâtimentaires et la singularité des besoins des propriétaires, exploitants et occupants.

Des projets en phase avec les exigences techniques et les contraintes budgétaires

Dans un tel contexte, et dans une optique d’industrialisation des modèles économiques comme des modèles de calcul (les deux étant intimement liés), le recours à l’IA sera justifié si l’on parvient à consolider au maximum les modèles algorithmiques pour réduire d’autant l’écart entre la théorie et la pratique. « Nous avons demandé à l’un de nos clients de confier à Mines Paris – PSL un jeu de données et des informations météo relatives à l’un de ses bâtiments. Un an plus tard, les recherches ont démontré qu’il était possible grâce à l’IA de générer des optimisations énergétiques », se félicite Mustapha Bismi.

Des temps de calcul divisés par dix mille

L’augmentation de la capacité et de la rapidité des calculs ouvre incontestablement des horizons prometteurs sur le champ de l’efficacité énergétique.

Patrick Schalbart, ingénieur de recherche au Centre Energie, Environnement et Procédés de Mines Paris – PSL, travaille sur la manière dont l’IA peut doper les performances de Pleiades STD COMFIE, un logiciel de simulation thermique dynamique des bâtiments créé il y a trente ans, toujours référent aujourd’hui. Une recherche menée en collaboration avec Qivy, entreprise de VINCI Energies, a permis de faire progresser très sensiblement l’outil.

« Il s’agissait, d’une part, de simplifier l’utilisation de la solution (en passant moins de temps à renseigner le modèle), d’autre part, à augmenter la rapidité du calcul. Essai doublement transformé ! L’utilisation de l’IA a raccourci très largement le temps d’étude. Quant au temps de calcul, il est divisé par dix mille, passant d’une simulation par seconde à 10 000 simulations par seconde », affirme Patrick Schalbart.

Ces premiers résultats sont venus nourrir deux thèses de recherche à Mines Paris – PSL. La première porte sur l’optimisation de la gestion énergétique des bâtiments par l’effacement des consommations de pointe. L’approche retenue repose sur la prise en compte par l’IA d’aspects « stochastiques », c’est-à-dire aléatoires, comme la météo ou les comportements des occupants. Des paramètres incertains qui ne peuvent être correctement digérés par des modèles classiques car ils multiplient les temps de calcul par cent, voire mille.

« L’apprentissage automatique permet d’obtenir un modèle à partir de mesures déjà effectuées par les systèmes de gestion technique des bâtiments. L’objectif est d’éviter l’étape de collecte de données techniques et de modélisation physique. Cela permet de réduire la durée du calcul et donc d’optimiser la régulation sur un horizon de temps de plusieurs jours de manière opérationnelle et d’évaluer les conséquences des incertitudes sur les prévisions », explique Ryad Adel Ghouti, doctorant à Mines Paris – PSL.

Réseaux de neurones et forêts aléatoires

L’autre thèse inspirée des travaux du lab recherche environnement s’intéresse au rôle de l’IA dans les modélisations de rénovation énergétique des parcs existants. « Il s’agit de développer des modèles prédictifs, comme les réseaux de neurones et les forêts aléatoires, pour estimer rapidement les performances énergétiques des bâtiments et les intégrer dans un processus d’optimisation multicritère intégrant le coût et la performance énergétique et/ou environnementale », précise Ayoub Hannad, doctorant à Mines Paris – PSL.

En constituant une base de données à partir de simulations de bâtiments, on construit un matériau d’entraînement pour des métamodèles qui seront ensuite utilisés dans l’identification des meilleures solutions de rénovation.

Viser l’opérationnel

Entraîner la donnée, lancer jusqu’à plusieurs centaines de milliers de simulations pour générer des métamodèles prédictifs destinés à se substituer aux modèles physiques, c’est le point commun entre la plupart des projets de recherche initiés au sein du lab recherche environnement. Logique de recherche appliquée oblige, il s’agit, toujours, de viser des déclinaisons opérationnelles pour proposer des projets en phase avec les exigences techniques des environnements bâtimentaires et les contraintes budgétaires des donneurs d’ordres.

09/04/2026