L’IA, moteur d’efficacité énergétique pour les bâtiments tertiaires

En anticipant l’inertie thermique du bâtiment avec des modèles d’IA, la solution WiseBMS développée par une entreprise VINCI Energies permet jusqu’à 40 % d’économies sur le chauffage et la climatisation.

Entre changement climatique, augmentation des coûts de l’électricité et contraintes réglementaires, la nécessité d’embarquer le parc immobilier tertiaire dans une dynamique d’efficacité énergétique devient patente. Alors que les exigences imposées par le décret BACS et le décret Tertiaire en matière de maîtrise des consommations énergétiques obligent les propriétaires à mettre en place des systèmes de gestion des bâtiments (GTC / GTB) pour piloter efficacement les différents équipements en place, les nouvelles technologies ne manquent pas d’investir ce marché particulièrement porteur.

Entreprise spécialisée dans le développement et l’intégration de dispositifs numériques dédiés à la performance énergétique des espaces tertiaires, Nodewise vient ainsi de lancer WiseBMS, une solution de pilotage intelligent du chauffage et de la climatisation basée sur des modèles d’intelligence artificielle.

Financée par VINCI Energies Building Solutions, récompensée par le prix de l’Environnement VINCI, WiseBMS mise sur la prise en compte des prévisions météo pour anticiper, le plus finement possible, la consommation énergétique des bâtiments.

GBT prédictives, solution « agnostique »

« Notre innovation consiste à rendre prédictifs des systèmes de gestion technique du bâtiment (GTB) réactifs, résume Julien Roca, chef d’entreprise Nodewise. La modélisation du comportement thermique du bâtiment nous permet de calculer les paramètres optimaux à envoyer aux équipements pour obtenir jusqu’à 40 % d’économies sur le chauffage et la climatisation, deux postes qui représentent en moyenne 60 % de la consommation énergétique de l’immobilier tertiaire. »

« Les économies sont toujours supérieures au coût de l’abonnement. »

Périodiquement réentraînés, les modèles d’IA actionnés dans la solution pilotent le bâtiment zone par zone, 24h/24 et 7j/7, avec un suivi à distance de la performance des modèles et du confort thermique. Nodewise a, en outre, opté pour des protocoles de communication ouverts : WiseBMS est technologiquement et commercialement « agnostique », donc compatible avec tous les modèles de GTB, et capable de communiquer avec des équipements productifs (chaudières, pompes à chaleur, groupes froids) ou émissifs (VC, panneaux rayonnants).

Economies d’énergie et de carbone

Nodewise a récemment appliqué sa solution aux GTB d’une poignée de bâtiments tertiaires, en conformité avec le Protocole international de mesure et de vérification de la performance (IPMVP), qui définit les standards des projets d’efficacité énergétique.

Bonne nouvelle pour l’entreprise : le bureau d’études Greenaffair a déjà validé les performances de l’outil sur la base de ces premiers terrains d’expérimentation, parmi lesquels l’immeuble Cinetic, Porte des Lilas à Paris, siège social de France Travail.

« Sur trois mois d’été, l’IA a permis une économie moyenne de 17,9 % de la consommation d’énergie imputable à la climatisation. Et sur trois mois d’hiver, une réduction de 20,5 % du poste chauffage », indique Julien Roca.

Un autre parti pris dans la construction de cette innovation tient à son modèle économique. « L’objectif, in fine, est de générer des économies d’énergie et de carbone. Dans la même logique, nous avons souhaité proposer une solution sur abonnement qui s’adapte aux systèmes en place. Selon nos estimations de gain sur les démonstrateurs, le coût de la solution est inférieur aux économies réalisées », explique Julien Roca.

WiseBMS, comment ça marche ?

La solution WiseBMS développée par Nodewise s’articule 4 étapes :

1. Collecte et analyse des données. Si elles sont disponibles, Nodewise collecte et analyse les données archivées dans la GTB du bâtiment, afin de calculer les gains potentiels réalisables via la solution WiseBMS.
2. Connexion avec le bâtiment. La solution se connecte au bâtiment et à ses équipements via le réseau GTB, afin de collecter en continu des données internes ainsi que des données externes pertinentes, principalement météorologiques.
3. Calibrage des modèles d’IA. L’intelligence artificielle analyse toutes ces données pour comprendre le fonctionnement du bâtiment et de ses équipements et l’influence des événements extérieurs.
4. Optimisation en temps réel et amélioration continue. Les données du bâtiment et des facteurs externes sont transmises en temps réel aux algorithmes d’IA, qui déterminent périodiquement le paramétrage optimal des équipements CVC, pour réduire la consommation énergétique tout en assurant le confort des occupants. Les paramètres optimisés sont ensuite ajustés automatiquement et peuvent être suivis via un tableau de bord. Les modèles d’IA s’affinent constamment au fil du temps.

14/11/2025