/collectivités
Prévision énergétique des bâtiments publics
La consommation attendue de chaque bâtiment et les réglages qui la font baisser.
La prévision énergétique calcule, selon la météo et l’occupation, la consommation attendue de chaque école, gymnase ou bâtiment administratif, et repère les réglages de chauffage et d’éclairage à corriger. Sur ses 200 bâtiments publics, Noisy-le-Grand associe travaux et IA : ses actions d’optimisation ont réduit la consommation de 10 % sans investissement majeur. Vos services du patrimoine et de l’énergie prennent part à la conception de ces modèles, puis à leur maintenance.
/usages
Des écarts de consommation repérés bâtiment par bâtiment.
Une école chauffée pendant les vacances, un gymnase éclairé après la dernière séance, une relance de chauffage programmée trop tôt : ces écarts se perdent dans une facture mensuelle. Comparée aux relevés de vos compteurs, la prévision les fait apparaître bâtiment par bâtiment, avec leur période.
Selon le rapport de l’IGF, de l’IGAS et de l’IGA d’avril 2026, les départements de la Côte-d’Or et de la Vienne suivent en temps réel la consommation d’énergie de leurs bâtiments. En 2024, la Métropole du Grand Paris a été retenue parmi les démonstrateurs d’IA frugale de France 2030 pour concevoir IA Eco Pilot, destiné à piloter la consommation énergétique de bâtiments tertiaires.
Le déploiement de l’IA dans les administrations publiques (IGF, IGAS, IGA, 2026) (nouvel onglet)Les lauréats des démonstrateurs d’IA frugale (Localtis, 13 septembre 2024) (nouvel onglet)
- Suivi par bâtiment Classe les écoles, gymnases et bâtiments administratifs selon l’écart entre leur consommation relevée et leur prévision.
- Dérives Signale les bâtiments qui consomment au-delà de leur prévision : chauffage en période de fermeture, éclairage resté allumé, régulation déréglée…
- Réglages Propose des horaires de relance et des températures de consigne, que vos services techniques valident avant toute modification.
- Budget de l’énergie Projette la consommation de l’année pour préparer le budget et suivre son exécution avec le service des finances.
/fonctionnement
Une prévision énergétique fondée sur vos compteurs et la météo.
Un modèle d’apprentissage automatique (Machine Learning) apprend, sur l’historique de vos relevés, comment chaque bâtiment réagit à la température extérieure, à ses horaires d’ouverture et aux vacances scolaires.
La même prévision sert de référence pour mesurer chaque action : après un réglage, la consommation relevée se compare à celle que le modèle attendait, à météo égale.
apprentissage automatiqueingénierie des données
- RelevésLes compteurs d’électricité, de gaz ou de chaleur transmettent leurs mesures, complétées par la météo locale et le planning d’occupation.
- PrévisionLe modèle calcule pour les jours qui viennent la consommation attendue de chaque bâtiment, à la météo annoncée.
- ComparaisonÀ chaque relevé, la consommation mesurée est confrontée à la prévision, et les écarts qui durent entrent dans la liste des services techniques.
- VérificationLe technicien se rend sur place, corrige la programmation, et l’effet du réglage se lit dans les relevés suivants.
/résultats
Une baisse de consommation visée de 50 % en 2030 à Noisy-le-Grand.
Le projet RECITAL de Noisy-le-Grand porte sur les 200 bâtiments publics de la commune. Les 173 actions d’optimisation identifiées ont réduit la consommation de 10 % sans investissement majeur, et la ville vise une baisse de 20 % en 2026, puis de 50 % en 2030.
- Baisse constatée Baisse constatée : 10 % 10 %
- Objectif pour 2026 Objectif pour 2026 : 20 % 20 %
- Objectif pour 2030 Objectif pour 2030 : 50 % 50 %
/budgets
Des économies d’énergie pour des budgets sous tension.
La facture d’énergie des écoles, des gymnases et des bâtiments administratifs pèse sur la section de fonctionnement, leur rénovation sur l’investissement. Les réglages repérés par la prévision allègent la première sans dépense d’investissement, et l’estimation du gain de chaque rénovation aide à classer les travaux avant le vote du budget.
Les finances publiques locales 2025-2026 (Cour des comptes, juillet 2026) (nouvel onglet)
- 15 % des communes, près de 5 300, passent en 2025 sous le seuil d’alerte : leur épargne brute reste sous 7 % de leurs produits de fonctionnement
- 80 M€ de travaux seuls remplacés, à Noisy-le-Grand, par un plan d’une trentaine de millions d’euros qui associe travaux et IA
- 2,2 M€ coût sur trois ans du projet RECITAL, au sein de ce plan
80 % des Français jugent que l’IA aidera à mieux gérer les consommations d’énergie.
/projets
Une transition écologique et énergétique en tête des projets recensés.
La bibliothèque d’IA territoriale des Interconnectés recense 33 projets d’IA territoriaux, tous mis à jour en 2025. Seize portent sur la transition écologique et énergétique, deux fois plus que l’administration et l’organisation interne.
Bibliothèque d’IA territoriale (Les Interconnectés, fichier de données) (nouvel onglet)
/sur le terrain
Une prévision énergétique qui chiffre aussi l’effet d’une rénovation.
La prévision énergétique sert aussi à chiffrer une rénovation avant de l’engager : remplacement d’un équipement de chauffage, d’éclairage ou de régulation. Le modèle simule la consommation du bâtiment avec ses nouveaux équipements et donne le gain attendu sous la forme d’une fourchette (intervalle de confiance).
Les relevés de consommation ne suffisent pas : il faut le détail des équipements installés, leur puissance et leurs réglages. Cet inventaire fait, le projet reste d’une difficulté modérée. Dans une feuille de route, il vient après le suivi des consommations, qu’il prolonge.
- Décrire les équipements à partir de l’inventaire du patrimoine bâti : chauffage, éclairage, régulation…
- Simuler la rénovation en remplaçant dans le modèle les composants à changer
- Classer les rénovations en fonction du gain attendu et de l’étendue de sa fourchette
/méthode
Une prévision énergétique construite avec vos services techniques.
Le projet réunit vos services du patrimoine bâti, de l’énergie et des finances autour d’un premier ensemble de bâtiments, choisis avec eux pour leur consommation et la qualité de leurs relevés.
- CADRAGE Compteurs, factures et plannings d’occupation sont recensés avec vos services, avant le choix des bâtiments pilotes et de l’indicateur qui jugera le projet.
- MISE EN SERVICE Les prévisions du modèle, entraîné sur vos relevés, se vérifient sur les saisons passées ; la liste des écarts part ensuite vers vos services techniques.
- MAINTENANCE Des travaux, un changement d’horaires ou un nouveau compteur donnent lieu à un nouvel apprentissage, et la justesse des prévisions reste suivie.
/à savoir
Les questions fréquentes sur l’énergie des bâtiments publics.
Loi REEN du 15 novembre 2021, article 35 (Légifrance) (nouvel onglet)Cas d’usage de l’IA dans les collectivités
Comment réduire la consommation d’énergie des bâtiments communaux ?
En commençant par les réglages : horaires de relance du chauffage, températures de consigne, éclairage éteint hors occupation. La prévision énergétique désigne les bâtiments et les périodes où ces réglages comptent le plus, puis mesure leur effet. Les travaux viennent ensuite, classés selon le gain estimé pour chacun.
Quelles données pour prévoir la consommation énergétique d’un bâtiment ?
Un premier modèle s’appuie sur les relevés des compteurs, la météo locale et le calendrier d’occupation : horaires, vacances scolaires, réservations de salles. Les factures suffisent pour une prévision mensuelle ; un suivi au jour près demande des relevés plus fréquents, parfois des sous-compteurs.
Une IA de prévision énergétique consomme-t-elle beaucoup d’énergie ?
Un modèle de prévision de consommation est de petite taille et fonctionne sans les ressources de calcul d’un grand modèle de langage. La loi REEN impose aux communes et EPCI à fiscalité propre de plus de 50 000 habitants une stratégie numérique responsable, définie au plus tard le 1er janvier 2025, avec un bilan annuel. Ce bilan peut alors inclure la consommation du modèle.
Une petite commune peut-elle suivre ses consommations d’énergie avec l’IA ?
Oui, à partir des relevés de ses compteurs et de ses factures, pour quelques bâtiments : école, salle polyvalente, mairie. L’intercommunalité peut aussi porter le modèle pour l’ensemble des communes membres, avec une prévision propre à chaque bâtiment.
/sources
Sources
- IGF, IGAS, IGA, « Le déploiement de l’intelligence artificielle dans les administrations publiques », avril 2026, annexe IV (cas d’usage par service dans les conseils départementaux), 2026 (nouvel onglet)
- Localtis (Banque des Territoires), « 12 territoires sélectionnés pour concevoir l’IA frugale au service de la transition écologique », 13 septembre 2024, 2024 (nouvel onglet)
- Banque des Territoires, Les Interconnectés, Ecolab (CGDD), « Bibliothèque d’IA territoriales » 2025, 2024-2025 (nouvel onglet)
- Cour des comptes, Les finances publiques locales 2025-2026, synthèse (juillet 2026), 2025 (nouvel onglet)
- Banque des Territoires, La Poste et Observatoire Data Publica, Note de conjoncture 2025 (sondage Ipsos BVA), 2025 (nouvel onglet)
- Les Interconnectés, Bibliothèque d’IA territoriale (fichier de données), projets recensés par thème, 2025 (nouvel onglet)
- Légifrance, loi n° 2021-1485 du 15 novembre 2021 visant à réduire l’empreinte environnementale du numérique, article 35, 2021 (nouvel onglet)
/collectivités
- Cas d’usage de l’IA dans les collectivités IA générative et agents conversationnels pour le service public local
- Tri des demandes et signalements des habitants Lit les courriels, formulaires et signalements des habitants (voirie, propreté, état civil, urbanisme) et les oriente vers le bon service avec leur degré d’urgence.
- Maintenance prédictive des réseaux d’eau Repère sur le réseau d’eau potable les secteurs où une fuite est probable, pour envoyer les équipes de recherche au bon endroit avant que les pertes s’accumulent.
- Inspection de la voirie et des ouvrages Analyse les vidéos de chaussée et les photos de terrain pour repérer nids-de-poule, fissures et dégradations, et construire le programme d’entretien de la voirie.
- Agent IA relié aux logiciels des collectivités Consulte les logiciels de finances, de paie ou d’urbanisme, enchaîne les contrôles d’un dossier ou d’un acte et prépare l’opération ; l’agent la valide avant exécution.
- Prévision de la demande pour les collectivités Prévoit le nombre de repas des cantines, la fréquentation des équipements ou des recettes comme les droits de mutation, pour ajuster commandes, équipes et budget.
- Détection d’anomalies et de fraudes pour les collectivités Signale les mandats, factures ou changements de coordonnées bancaires atypiques, ainsi que les liens possibles entre intérêts déclarés des élus et projets de délibération, pour qu’un agent les examine.
/contact
Travaillons ensemble
Découvrez comment Inceptive peut vous aider à transformer votre activité et à résoudre des problématiques opérationnelles complexes grâce à l’intelligence artificielle.