Les données et l’IA: des incontournables pour la stratégie énergétique suisse

Face aux défis mondiaux urgents tels que le changement climatique, la raréfaction des ressources et l’importance croissante de la résilience des infrastructures, la science des données s’est imposée comme un outil puissant pour promouvoir des solutions durables. Elle joue un rôle crucial dans la prévision et l’optimisation de la production et de la consommation d’énergie en renforçant la fiabilité des sources d’énergie renouvelables telles que le solaire et l’éolien. Elle soutient la transition écologique de l’environnement bâti et du secteur de la mobilité. Enfin, elle surveille et réduit la consommation d’énergie dans le secteur manufacturier, sans compromettre la qualité des produits.

Du secteur énergétique à celui du bâtiment

Dans le domaine énergétique, l’un des plus grands défis actuels réside dans la transition d’un système énergétique centralisé, où l’électricité est produite dans de grandes centrales électriques, vers un modèle de production décentralisé. Grâce à des technologies telles que les panneaux photovoltaïques installés sur les toits, les particuliers peuvent produire de l’énergie localement, subvenir à leurs besoins et réinjecter l’électricité excédentaire dans le réseau. La science des données apporte une réelle valeur ajoutée pour gérer cette complexité et favoriser un équilibre plus intelligent et plus efficace entre l’offre et la demande.

Un autre exemple concret se situe dans l’environnement bâti, où les données peuvent améliorer l’efficacité énergétique des bâtiments pendant leur exploitation. Les données issues des capteurs sont utilisées pour monitorer la consommation d’énergie en temps réel et des actionneurs peuvent automatiser certaines décisions, comme le réglage du chauffage ou la mise hors tension des systèmes inutilisés. Les modèles d’IA entraînés à partir des habitudes de consommation passées et des données environnementales peuvent agir au nom des occupants pour réduire le gaspillage d’énergie, ce qui permet, en fin de compte, de réaliser des économies d’énergie sans compromettre le confort.

Plus généralement, l’utilisation des données peut aider la prise de décision à l’échelle. Les bâtiments représentent environ 45% de la consommation énergétique totale de la Suisse et un tiers de ses émissions de gaz à effet de serre. Parmi les incitations pour leur assainissement, laquelle devrait être privilégiée? Quels bâtiments prioriser par rapport au budget disponible? Il s’agit là de passer d’une évaluation énergétique ponctuelle, réalisée uniquement par des experts, à la formulation d’une stratégie permettant aux propriétaires de prioriser les rénovations de leurs bâtiments au sein de leur parc immobilier.

Prise de décision axée sur les données pour l’environnement bâti

Fruit d’une collaboration entre le Swiss Data Science Center (SDSC) et le Canton de Vaud, le projet pilote Enerbat a pris forme pour répondre à ces questions. Son objectif: montrer comment les données peuvent faciliter une prise de décision éclairée, conforme aux objectifs de la stratégie énergétique cantonale. Dans le cadre de la stratégie relative au parc immobilier dont il est propriétaire, le Canton de Vaud vise à atteindre la neutralité carbone pour l’ensemble de ses plus de 500 bâtiments publics d’ici 2040 (figure 1). Cela nécessite de réduire les émissions de 50 à 60% d’ici 2030 et d’optimiser la performance énergétique tout au long du cycle de vie des bâtiments.

Atteindre la neutralité carbone dans tous les bâtiments publics nécessite une compréhension claire de la manière dont les différentes mesures de rénovation réduisent les émissions. Quantifier l’impact réel des stratégies disponibles est essentiel pour une prise de décision éclairée et une hiérarchisation efficace des projets. En s’appuyant sur son expertise en science des données et en apprentissage automatique, le SDSC a développé un modèle fondé sur les données afin d’identifier les mesures de réduction des émissions les plus efficaces pour chaque bâtiment – telles que les rénovations de l’enveloppe, ou l’installation de pompes à chaleur ou de systèmes photovoltaïques (PV).

Le projet Enerbat: des stratégies de rénovation sur mesure

L’objectif principal de ce projet consistait à élaborer une stratégie de rénovation fondée sur les données, permettant de tenir compte des caractéristiques des bâtiments. En combinant des données accessibles au public – telles que les caractéristiques architecturales et structurelles, l’empreinte au sol et l’historique des rénovations – et des données calculées – telles que la surface vitrée et son ombrage (figure 2) –, le modèle suggère des stratégies de rénovation sur mesure et efficaces sur le plan énergétique.

Le projet s’est déroulé en plusieurs étapes et peut être globalement divisé en deux phases principales: premièrement, l’estimation des besoins en chauffage, en eau chaude sanitaire et en électricité pour chaque bâtiment du Canton de Vaud; puis, la définition d’une stratégie de rénovation sur mesure pour chaque bâtiment afin de permettre à l’ensemble du parc immobilier d’atteindre la neutralité carbone d’ici 2040.

Au cours de la première phase, la demande ­énergétique de chaque bâtiment a été estimée à l’aide de la méthodologie définie dans la norme SIA 380/1 (2009), largement reconnue par les ingénieurs du bâtiment et les architectes. Cette norme fournit des formules permettant de calculer les besoins énergétiques d’un bâtiment en fonction d’une série de variables physiques et structurelles. En conséquence, cette phase s’est concentrée sur la collecte et l’agrégation de toutes les données d’entrée requises pour chaque bâtiment. Lorsque des variables manquaient dans les ensembles de données publics, leurs valeurs ont été estimées à l’aide de modèles statistiques.

Au cours de la deuxième phase, des stratégies de rénovation optimisées en termes de coûts ont été définies pour les bâtiments appartenant au Canton, conformément aux critères de la norme SIA 390/1 (2025). L’objectif était de réduire les émissions de gaz à effet de serre de l’ensemble du parc immobilier en dessous du seuil de 3,5 kg CO₂-eq/m².

Enfin, l’outil Enerbat, en combinant l’estimation de la consommation, la durée des travaux et une estimation des coûts, permet d’établir une stratégie de hiérarchisation des bâtiments et des travaux à réaliser au sein du parc immobilier de l’État. La plateforme développée permet de parcourir les résultats (figure 3) et de simuler des rénovations pour voir leur effet sur la consommation énergétique et les émissions. Conçu pour être généralisable, cet outil pourrait être adapté et étendu à d’autres cantons, voire à l’échelle nationale, tout en tenant compte des différences climatiques et architecturales régionales. Ce projet démontre comment la science des données de pointe, associée à une collaboration étroite avec le secteur public, peut apporter des solutions concrètes pour soutenir un système énergétique suisse plus durable, conformément aux objectifs de la stratégie énergétique nationale.
 

Un tableau de bord pour visualiser la progression du photovoltaïque suisse

Alors que l’énergie solaire se développe rapidement en Suisse, la gestion du réseau électrique devient de plus en plus complexe. La production d’électricité d’origine photovoltaïque est marquée par une forte variabilité temporelle: un ensoleillement soudain peut provoquer une forte hausse de la production en quelques minutes, tandis que le passage de nuages peut entraîner une chute tout aussi rapide. Pour les exploitants de réseau, comprendre ces variations en temps quasi réel est essentiel pour garantir la stabilité du système électrique. Si certains grands exploitants disposent déjà de leurs propres systèmes de prévision, les gestionnaires de réseau plus petits n’ont souvent ni les ressources ni les compétences nécessaires pour développer de tels modèles et doivent parfois recourir à des services externes coûteux.

Pour suivre la situation énergétique actuelle en Suisse, l’Office fédéral de l’énergie (OFEN) a mis en place un tableau de bord qui fournit aux citoyens intéressés, au secteur suisse de l’énergie ainsi qu’aux décideurs aux niveaux communal, cantonal et fédéral un aperçu quotidiennement actualisé de l’état de la transformation en cours du système énergétique.

Estimer la production solaire avec une résolution temporelle élevée

Le Swiss Data Science Center collabore depuis longtemps avec l’OFEN pour faire avancer l’innovation numérique dans le secteur de l’énergie. Avec l’unité Géoinformation et Innovation numérique de l’OFEN, il enrichit notamment le tableau de bord énergétique en y intégrant de nouveaux indicateurs. L’objectif consiste à étendre la capacité du tableau de bord afin d’estimer la production solaire à l’échelle nationale avec une résolution temporelle élevée. Pour la première fois, les acteurs du marché électrique disposent d’un accès simple et ouvert à des données détaillées sur la production photovoltaïque, publiées en open data avec des valeurs estimées toutes les quinze minutes. Comme toute prévision, les estimations de production solaire comportent une part d’incertitude qui varie selon le nombre de toitures dans la commune considérée (figure 4). Dans le détail, cette estimation repose sur la combinaison de plusieurs sources d’information.

La première phase du projet a consisté à identifier l’emplacement des installations photovoltaïques. Pour ce faire, le registre Pronovo, un registre recensant les installations ayant bénéficié d’un soutien financier, est utilisé comme référence. Celui-ci ne couvrant toutefois pas l’ensemble des systèmes existants, des images aériennes à haute résolution de Swisstopo sont analysées afin de détecter d’autres installations. Des méthodes d’intelligence artificielle, notamment la vision par ordinateur, sont utilisées pour identifier automatiquement la surface (en jargon, «segmenter») des panneaux solaires visibles sur les toits. Comme tous les cantons suisses ne sont pas couverts chaque année par des images aériennes, le modèle intègre également un facteur de croissance basé sur les nouvelles installations enregistrées dans la base de données Pronovo.

D’autres informations essentielles proviennent également de bases de données nationales. L’inclinaison et l’orientation des toits sont obtenues à partir du modèle SwissBuldings3D, tandis que des informations structurelles supplémentaires proviennent du Registre fédéral des bâtiments et des logements (RegBL). Les données météorologiques de Copernicus et de MeteoSwiss, ainsi que les facteurs de croissance régionaux, sont exploités et combinés pour calculer la production et les prévisions de production photovoltaïque.

Les nouvelles données disponibles sur la production d’énergie solaire dans le tableau de bord de l’énergie font de ce dernier une contribution précieuse à l’amélioration de la transparence, garantissant la sécurité de la planification et l’optimisation du système énergétique suisse pour les parties prenantes, notamment la société nationale du réseau de transport, les gestionnaires de réseaux de distribution, les fournisseurs d’énergie, les autorités publiques et les citoyens.

Le futur de l’énergie sera-t-il numérique? Oui, pour autant que les données soient disponibles

Les exemples mentionnés montrent que la Suisse ne veut pas rater le train de la digitalisation dans le secteur énergétique. La grande quantité de données collectées au quotidien permet de suivre la production et la consommation à grande échelle, voire d’utiliser ces données pour améliorer la prise de décision, ou de prédire, avec des modèles statistiques, la production ou la consommation avec une incertitude plus faible que celle des estimations traditionnelles.

Ces exemples montrent aussi à quel point les possibilités d’utiliser l’IA sont nombreuses lorsque les données sont disponibles. En Suisse, la communauté de l’énergie doit réfléchir à la mise à disposition de ces données (smart meters, consommations locales agrégées, etc.), dans le respect des lois existantes régissant la protection des données. Une infrastructure de recherche nationale en science des données, comme le SDSC, est là pour faciliter le partage des données à l’échelle nationale et encourager des collaborations intersectorielles entre les secteurs académique, public et privé. Ce n’est qu’en combinant une science des données de pointe avec des partenariats entre l’industrie, la recherche et le secteur public, que peuvent être créées des solutions interopérables et fiables qui rendront le système énergétique suisse intelligent, résilient et plus durable.