Transcription Audio

Bonjour et bienvenue. Aujourd’hui, une histoire que je vois trop souvent dans les bâtiments: des courbes de qualité de l’air impeccables… qui mènent aux mauvaises décisions. On lit 600 ppm de CO₂, on se dit « parfait », et pourtant les yeux piquent. Ailleurs, un pic de PM2,5 un mardi soir déclenche un changement de filtres coûteux… alors que c’était juste la cheminée du voisin. Le diable est dans les détails. Et ce qui coûte cher, ce n’est pas l’absence de données, c’est la mauvaise interprétation. Soyons directs: une mauvaise lecture des données de QAI peut gonfler vos frais d’exploitation de 30%. J’ai vu des dizaines de milliers d’euros partir dans des modifications CVC pour « résoudre » des problèmes qui n’existaient que dans des tableaux de bord mal paramétrés. Le problème n’est plus « collecter des données », mais « ne pas les mal lire ». Pourquoi c’est si délicat? Parce que la QAI est un récit multivarié: sources intérieures et extérieures, ventilation, matériaux, activités, météo, saison, occupation. Et ce récit est capté par des instruments avec des biais. L’erreur classique, c’est de prendre un indicateur pour une conclusion globale: CO₂, TVOC, un score 87/100, et hop on déduit la santé des occupants. Ou de comparer un pic instantané à une valeur guide sur 8 ou 24 heures. Ou d’oublier incertitude, dérive, sensibilité croisée. Et on oppose capteurs continus et campagnes professionnelles, au lieu de les orchestrer. Ce qui a changé complique tout: explosion des capteurs (plus de granularité, plus de bruit, plus de dérive: mal étalonnés, 60% des alertes deviennent des faux positifs). Tableaux de bord à base d’indices opaques, pondérations hétérogènes, incertitude rarement affichée. En France, des pratiques adaptées aux ERP (écoles, crèches) ont été calquées sur des bureaux où elles n’ont pas toujours de sens. Les nouvelles lignes directrices de l’OMS ont resserré les seuils PM2,5 (15 µg/m³ sur 24 h, 5 µg/m³ annuel), rendant obsolètes des tableaux internes. Et les bâtiments performants RE2020, très étanches, ont des profils d’émission et d’humidité nouveaux: sans ventilation adaptée, le CO₂ grimpe 40% plus vite. Les modèles d’avant ne suffisent plus. La plupart des « crises » de QAI que je traite sont des problèmes d’interprétation. Passons aux erreurs à éviter — et à quoi faire à la place. Erreur 1: prendre le CO₂ pour un thermomètre universel de la QAI. CO₂ bas = bonne QAI? Pas toujours. Le CO₂ est un proxy de ventilation par occupant, pas des polluants chimiques. J’ai vu 700 ppm de CO₂ avec du formaldéhyde au-dessus des valeurs guides après rénovation. Le CO₂ est aveugle aux émissions de matériaux, solvants, particules. La bonne approche: segmenter. Utilisez le CO₂ pour piloter le renouvellement d’air lié à l’occupation. En parallèle, surveillez les polluants liés aux matériaux et activités: formaldéhyde, benzène, PM2,5, ozone, NO₂, éventuellement ammoniac. Analysez par usage: CO₂ aux horaires d’occupation; polluants spécifiques pendant et après les activités à risque (nettoyage, impression, peinture, rénovation). Créez des seuils graduels: 800 ppm on surveille; 1000 ppm on agit; 1200 ppm on déclenche des mesures complémentaires. Essayez cette semaine: relevez votre CO₂ et ajoutez une mesure de formaldéhyde au même endroit. CO₂ n’est pas la QAI. Erreur 2: comparer des pommes et des oranges. Juxtaposer un pic de 5 minutes à une valeur guide 24 h. Convertir des ppm en µg/m³ sans corriger T° et pression. Appliquer des seuils « lieu de travail » à une école. Solution: alignez unité, conditions et durée avec la référence. Si votre capteur donne des moyennes 1 minute, calculez des moyennes glissantes 1 h et 24 h avant toute comparaison. Documentez température et pression de référence pour les conversions. Vérifiez la pertinence des valeurs guides selon l’usage. Erreur 3: oublier incertitude, dérive, sensibilité croisée. Les capteurs TVOC réagissent à l’éthanol des gels; certains capteurs PM comptent de la vapeur d’eau quand l’humidité grimpe; des capteurs NO₂ sont influencés par l’ozone. Que faire? Affichez l’incertitude. Mettez un plan d’étalonnage: co-localisation périodique avec référence, tests de dérive, journal des écarts. Corrigez l’humidité pour les PM si possible, ou utilisez des capteurs avec correction intégrée. Planifiez un recalibrage. Un simple « journal de capteur » réduit drastiquement les fausses alertes. Erreur 4: opposer capteurs continus et campagnes pros. Fausse alternative. Les capteurs continus détectent, contextualisent, pilotent. Les campagnes ponctuelles qualifient, certifient, diagnostiquent. Orchestration gagnante: les capteurs déclenchent l’investigation si une dérive persiste; un organisme intervient avec méthode normalisée (références ANSES, OQAI, INERIS, normes ISO 16000 pour les aldéhydes). Après la campagne, les capteurs assurent le suivi. Erreur 5: réagir à un événement isolé sans contexte. Le pic de PM2,5 du mardi soir? Regardez dehors: station locale, vent, fenêtres ouvertes, ménage avec produits parfumés? Décidez sur la persistance d’un signal, pas sur un point aberrant. Utilisez des seuils avec hystérésis: on agit si le dépassement dure X minutes ou se répète Y fois. Tenez un journal des activités: ménage, travaux, livraisons, impression. Couplé aux données, c’est de l’or. Erreur 6: se précipiter sur la « solution technique ». Surventiler « au cas où », c’est payer plus d’énergie et parfois aggraver l’inconfort. Changer des filtres trop tôt, c’est dépenser pour rien. Avant d’agir, suivez un arbre de décision simple: 1) capteur fiable? 2) problème persistant et pertinent pour l’usage? 3) source probable: occupant, matériau, extérieur, process? 4) action à faible regret à tester? Souvent, un ajustement d’horaires, une purge après activité, ou un stockage mieux ventilé suffit. Voici un mini playbook, applicable dès maintenant. Un: clarifiez vos objectifs. Réglementaire? Symptômes des occupants? Pilotage ventilation? Les indicateurs et seuils diffèrent selon le but. Deux: cartographiez sources et bâtiment. Matériaux récents? Impression, cuisine, labo? Bâtiment étanche? Cela guide choix de capteurs et campagnes. Trois: choisissez vos capteurs avec discernement. Lisez les fiches techniques: plage, sensibilité croisée, humidité, dérive. Plan d’entretien: étalonnage, nettoyage, remplacement. Standardisez unités et temps d’intégration. Quatre: construisez des tableaux de bord transparents. Affichez temps d’agrégation, incertitudes, provenance des seuils. Évitez les indices « boîtes noires » sans explication; gardez accès aux valeurs brutes et à la méthode de calcul. Cinq: définissez des seuils et une logique d’alerte cohérents. Exemple: CO₂ 800/1000/1200 ppm; PM2,5 seuil d’attention sur moyenne 1 h et d’action sur 24 h; formaldéhyde sur 30 minutes. Documentez: durée, répétitions, actions. Six: enquêtez intelligemment. Lors d’un dépassement: qu’est-ce qui a changé? quand précisément? où? que disent météo et données extérieures? quel était l’état du CVC? Recoupez avec le journal des activités, validez si besoin par une mesure normalisée. Sept: communiquez. Expliquez que CO₂ n’est pas la QAI, que les indices ont une incertitude, que les lignes directrices OMS ont durci les attentes (PM2,5: 15 µg/m³ sur 24 h, 5 µg/m³ annuel). Et qu’un protocole d’école n’est pas un protocole de bureau. Cette pédagogie évite tensions et litiges. Dernier point: mettez à jour vos références. OMS, ANSES, OQAI, INERIS, RE2020… Un audit rapide de vos seuils et tableaux s’impose: sont-ils alignés avec l’état de l’art? Beaucoup opèrent avec des seuils dépassés — tout le pilotage s’en trouve faussé. Trois actions simples pour cette semaine: 1) Vérifiez que vos comparaisons respectent les mêmes durées d’agrégation que les valeurs guides. Corrigez ce qui ne l’est pas. 2) Ajoutez une mesure ciblée d’un polluant de matériau — par exemple le formaldéhyde — dans une zone typique, pour compléter le CO₂. 3) Ouvrez la « boîte noire » de votre indice QAI: calcul, pondérations, incertitude. Si vous ne pouvez pas répondre, ne basez pas une décision coûteuse dessus. La qualité de l’air intérieur, c’est une histoire qu’on raconte avec des données. À nous de la raconter correctement. Avec un peu plus de méthode et de contexte, on gagne des économies, la santé des occupants, et la paix entre équipes techniques et HSE. La prochaine fois que vous verrez une courbe « parfaite », demandez-vous: qu’est-ce que je ne vois pas? Quel est le biais de mon capteur? Est-ce que je compare des durées comparables? Et surtout: est-ce que je décide sur un signal robuste, ou sur une impression? Merci d’avoir été là. Si ce sujet vous parle, testez une de ces actions aujourd’hui. Vous serez surpris de l’impact d’une meilleure lecture des données. À très vite.