6 octobre 2022 
3min to read 
L’hiver 2022 s’annonce compliqué. En effet, la France fait actuellement face à des difficultés d’approvisionnement d’électricité et de gaz, qui risquent de s’accroître à la période qui en nécessite le plus : allons-nous devoir dire adieu aux guirlandes des sapins de Noël ? Ce n’est pas si sûr : des entreprises comme Metron ou Efficia mettent au point des plateformes de machine learning, visant, dans un premier temps, à analyser les besoins énergétiques des sociétés, et s’adapter en conséquence. Mais en quoi cela consiste-t-il réellement ?
Qui peut nécessiter un machine learning énergétique ?
En France, ce sont initialement les secteurs industriels et tertiaires qui sont amenés à réduire leur consommation énergétique. Et pour cause, 32 réacteurs nucléaires sont à l’arrêt, pour un pays qui en compte 56 en temps normal.
Alors, en temps de crise, les interrogations se bousculent et les solutions se multiplient : qui doit se priver ? Tout le monde, selon la ministre chargée de la transition énergétique, Agnès Pannier-Runacher, qui annonce que : “La clé pour passer l’hiver, c’est la mobilisation générale”.
Mais les particuliers ne sont pas préoccupés par les machines learning pour le moment, réservés aux sociétés et sites industriels, bien qu’il soit recommandé à toutes et tous d’arborer une certaine conscience environnementale. En effet, fin juillet, la première ministre Elizabeth Borne a précisé que “les entreprises seraient les premières touchées” par des “mesures de rationnement”.
L’électricité et le gaz seront donc désormais à consommer avec modération. Selon Xavier Piechaczyk, président du réseau de transport d’électricité (RTE), il est nécessaire “qu’une baisse de la consommation de l’ordre de 15% soit perçue cet hiver”, notamment aux heures les plus soutenues en demande, “afin d’éviter le risque de pannes de courant”.
Comment fonctionne un machine learning ?
Certaines entreprises françaises, espagnoles et italiennes se sont déjà prêtées à l’exercice du rationnement énergétique, en faisant appel à des acteurs tels qu’Energisme, Eficia ou encore Metron.
Installés sur l’ensemble des bâtiments (sites d’usines ou sièges de société), des indicateurs de température, d’humidité et de luminosité permettent la mesure d’un certain nombre de facteurs, essentiels à l’adaptation des CVC – chauffages, ventilations, climatisations et éclairages. Les algorithmes des machines learning ont donc pour objectif de déceler les besoins énergétiques, de les régler, voire de les couper.
À titre d’exemple, il est ainsi possible de se rendre compte d’une lumière laissée allumée, d’une fenêtre laissée ouverte ou d’une défaillance dans le système d’isolation – qui affiche des relevés anormaux dans les compteurs, tels qu’une température de pièce plus basse que prévue. Le nombre de collaborateurs présents dans l’entreprise peut aussi être mesuré grâce aux émissions de CO2, et permet ainsi de limiter le chauffage d’une pièce ou d’un étage vide.
L’intelligence artificielle (AI) ne va jamais cesser de nous surprendre ! Vous pouvez trouver davantage d’informations concernant les machines learning sur cette page.
Commentaires