Suite à une volonté affichée de la Ville du Chesnay (Yvelines – 28 700 habitants) de réduire ses charges d’exploitation, la municipalité a choisi d’exploiter ses propres données pour agir directement sur sa facture. Retour sur l’exploitation des données.


L’objectif de cette phase clé a été d’exploiter toutes les données collectées sur chaque bâtiment public afin de dresser un panorama précis du parc.

Mobilisée pour réduire sa facture d’énergie et son impact énergétique, la Ville du Chesnay souhaitait savoir si ses bâtiments étaient efficaces. Mais comment s’en assurer, alors que chaque bâtiment est différent : des usages différents (gymnase, piscine, école, mairie…) mais aussi des fonctionnements (type de fréquentation, horaires et jours d’ouverture …) ou des modes constructifs différents (date de construction, équipements différents…).

La principale problématique était de comparer intelligemment les sites du patrimoine de la Ville du Chesnay.

Les approches statistiques modernes permettent de déterminer et comparer des typologies aux comportements énergétiques similaires.

  • Etape 1 : Une fois les données consolidées et nettoyées, il s’agit de classer les bâtiments publics grâce à des méthodologies de classification statistique qui regroupent les bâtiments qui se ressemblent le plus selon toutes les variables disponibles. Une école est parfois plus proche d’un gymnase par son comportement énergétique qu’un autre gymnase. Le travail a ensuite consisté à comparer ces typologies à deux référentiels.
  • Etape 2 : Tout d’abord, le patrimoine de la Ville du Chesnay, de par sa taille significative, constitue en soi une base de données riche. Regarder les meilleurs élèves par typologie est une source très enrichissante de bonnes pratiques. Un centre social à la chaudière bien optimisée peut apprendre beaucoup à une mairie plus gloutonne.
  • Etape 3 : Enfin, les moyennes nationales officielles (sources de données issues des pouvoirs publics et de l’ADEME) sont une occasion unique de benchmarker finement les bâtiments pour prioriser par exemple les rénovations. Ces données ne peuvent d’ailleurs pas être utilisées telles quelles. Il est nécessaire de les comparer par typologies similaires à celles du parc de la Ville du Chesnay.

En pratique, 4 typologies différentes ont ainsi été construites. Des meilleurs élèves comparables à leurs pairs ont été identifiés en particulier dans les équipements sportifs et culturels. La comparaison avec des villes comparables à la Ville du Chesnay (rigueur climatique, taille, activité économique, topographie…) a permis de déterminer plusieurs gisements d’économie d’énergie et prioriser les principaux leviers d’action.

Mais ça c’est une histoire pour un prochain billet sur Datanergy. 😉


Pour aller plus loin :


Pour recevoir tous les mois les articles de Datanergy, inscrivez-vous !
Manuela Suarez

Publié par Manuela Suarez

Cheffe de Projets chez Deepki.