Transcription Audio

Bonjour et bienvenue. Aujourd’hui, on parle d’un sujet qui va redessiner nos bâtiments: comment l’IA et l’IoT transforment la prédiction et le contrôle de la qualité de l’air intérieur. C’est stratégique, en France comme en Europe: nous passons plus de 85% de notre temps à l’intérieur, et l’air intérieur peut être 5 à 10 fois plus pollué que l’air extérieur. Les impacts sont clairs: santé, performances cognitives, énergie, conformité, valeur immobilière. Le cadre se durcit: en France, la surveillance devient obligatoire dans de nombreux ERP, notamment crèches et écoles, avec le décret de 2011, l’arrêté de 2015 et leurs renforcements. En Europe, la directive sur la performance énergétique des bâtiments, les normes EN 16798 et le Green Deal poussent vers une ventilation plus intelligente et un suivi continu. Des cibles simples: CO₂ sous 800 à 1 000 ppm, humidité entre 40 et 60%, PM et COV correctement filtrés. Résultat: moins d’absentéisme, meilleure concentration, et 20 à 40% d’économies d’énergie grâce au pilotage à la demande. La bonne nouvelle: les briques convergent. Les capteurs deviennent malins, les algorithmes prédictifs s’affinent, les coûts baissent. On passe de la surveillance passive à une gestion proactive. Voici dix tendances clés. 1) Capteurs multiparamètres avec Edge AI et auto-étalonnage. Ils mesurent CO₂, COV, PM1/2.5/10, NO₂, ozone, formaldéhyde, température, humidité, parfois bruit et lumière. Le TinyML détecte localement les anomalies, corrige les dérives et estime l’occupation ou le taux de renouvellement d’air. Moins de faux positifs, meilleure stabilité, latence sous la seconde pour piloter la ventilation. Côté connectivité: LoRaWAN, Thread, batteries 5 à 10 ans, parfois energy harvesting, intégration via Matter et MQTT. En France, Aldes, Legrand, Schneider, Atlantic, Sauter proposent des solutions interopérables. 2) Modèles spatio-temporels nouvelle génération. Graph neural networks et transformers intègrent topologie, horaires, occupation, météo, ouverture des fenêtres, et comportement CVC. Exemple: un collège en Île-de-France alimente un modèle toutes les 5 minutes; prédictions de dépassements 30 à 60 minutes à l’avance, ajustements pièce par pièce, 15 à 25% d’économie de ventilation. 3) Pilotage prédictif des systèmes CVC. En combinant prévisions météo, scénarios d’occupation et contraintes de confort, des contrôleurs prédictifs, parfois en reinforcement learning, optimisent débits, températures et purges. Pensez “ventilation à la demande 2.0”: ventiler plus tôt, purger de nuit, éviter les surventilations coûteuses. 4) Jumeaux numériques. Coupler un BIM simplifié à des modèles d’air et de transfert de chaleur pour simuler, tester et dimensionner avant déploiement. Un bac à sable pour sécuriser les gains. 5) Confidentialité et apprentissage fédéré. Conformité RGPD sans caméras: proxys d’occupation via CO₂, Wi‑Fi anonymisé, capteurs de présence. L’apprentissage fédéré entraîne sur site et partage des poids agrégés: respect de la vie privée, performance globale en hausse. 6) Interopérabilité sémantique. Au-delà de BACnet et Modbus, des ontologies comme Project Haystack ou Brick étiquettent capteurs, équipements, zones. Résultat: déploiement d’algorithmes portable, recherche de points accélérée, moins de dépendance fournisseur. API unifiée via MQTT, passerelles Matter: gain de temps massif. 7) Edge-cloud hybride. Le critique reste en local pour la résilience; l’historique part au cloud pour l’entraînement, le reporting et les benchmarks multi-sites. Stratégie “cloud cost aware” pour maîtriser les coûts. 8) Maintenance prédictive. Détection de saturation de filtres, encrassement d’échangeurs, pertes d’efficacité ventilateurs, dérives de consignes. Tickets GMAO automatiques avec priorité, cause probable, pièce suggérée. On passe au planifié, les pannes chutent. 9) Tableaux de bord explicables et orientés santé. Au-delà d’un simple feu rouge/vert, on explique la cause, la prochaine action et l’impact sur les KPI santé, énergie et réglementation. Nudging: notifications pour aérer au bon moment ou fermer une fenêtre si l’extérieur est pire. 10) Sans fil robuste et cybersécurisé. Chiffrement de bout en bout, mises à jour sécurisées, gestion des identités, segmentation réseau, alignement ANSSI. Indispensable pour hôpitaux, écoles et bâtiments sensibles. Par où commencer sur 12 à 24 mois? Un plan d’action simple. Étape 1: fixez objectifs et périmètre. Santé, conformité, énergie, confort? Choisissez 10 à 20 zones représentatives: classes, open spaces, chambres de patients, salles de réunion. Étape 2: instrumentez intelligemment. Capteurs CO₂, PM2.5, COV, température, humidité; pression différentielle pour zones critiques. Privilégiez LoRaWAN ou Thread, MQTT, interopérabilité et conformité aux normes françaises. Étape 3: mettez en place la plateforme de données. Passerelle locale qui collecte, normalise, étiquette via Haystack/Brick, envoie en temps réel vers GTB et data lake. Gardez un mode dégradé local si le cloud tombe. Étape 4: établissez une base de 4 à 8 semaines. Mesurez dépassements, durées, lien avec occupation et horaires. Fixez des seuils: CO₂ < 1 000 ppm la plupart du temps, humidité 40-60%, PM2.5 < 10 à 15 µg/m³ en moyenne. Étape 5: déployez des quick wins. Ventilation à la demande via CO₂, ajustement des horaires, purge nocturne, entretien des filtres, réglage des débits minimum. Étape 6: pilotez un modèle spatio-temporel sur 2-3 zones. Démarrez en mode “conseil” avec prédictions à 30 minutes et recommandations. Quand la confiance est là, passez au contrôle prédictif avec garde-fous. Étape 7: connectez la GMAO. Chaque anomalie génère un ticket, un diagnostic, un SLA, et une boucle de retour pour réduire les faux positifs. La maintenance devient data-driven. Étape 8: formalisez la gouvernance. Rôles, protocoles, RGPD, cybersécurité, mises à jour, audits. Versionnez et documentez les modèles, assurez la traçabilité. Étape 9: accompagnez les occupants. Expliquez les seuils et les actions, partagez des progrès lisibles. Les usagers sont vos meilleurs capteurs pour alerter. Étape 10: passez à l’échelle. Standardisez spécifications, KPI, tableaux de bord, contrats. Basculez du pilote au multi-sites. Côté architecture technique, visez simple et robuste: capteurs multiparamètres interopérables; une couche edge pour la normalisation et l’IA temps réel; intégration fluide à la GTB via BACnet/IP; remontée MQTT vers le cloud pour l’historique et le reporting; annuaire sémantique commun pour retrouver les points sans recâblage. Ajoutez un jumeau numérique léger pour simuler avant déploiement. Pourquoi se lancer maintenant? Parce que la combinaison capteurs auto-étalonnés + modèles spatio-temporels + pilotage prédictif améliore la santé des occupants, réduit l’énergie, facilite la conformité et valorise vos actifs. Et parce que l’écosystème français et européen est prêt: fabricants, intégrateurs, normes, retours d’expérience dans écoles, hôpitaux, bureaux. En une phrase: on ne surveille plus l’air intérieur, on le maîtrise. Et cette maîtrise, avec l’IA et l’IoT, devient fiable, explicable et rentable. Commencez petit, apprenez vite, standardisez, et dans douze à vingt-quatre mois, la différence sera tangible pour vos équipes, vos occupants et votre bilan énergétique. Merci de votre écoute. Si ce sujet vous parle, prenez une zone pilote, équipez-la correctement, et laissez les données vous guider. À très vite pour un prochain épisode.