Dans le cadre du "National Energy Projections 2025", l'équipe NEMF (National Energy Modelling Framework) de SEAI avait besoin de mettre à jour les archétypes de bâtiments résidentiels situés en Irlande. L'objectif est d'identifier des bâtiments types pour répartir les 2 millions de logements existants en une centaine de catégories afin de réaliser la prospective de décarbonation de long terme.
Les principales contraintes du projet étaient de le réaliser en six semaines et en Python. En effet, ce langage permettait l’automatisation du traitement d'une grande quantité d'informations à partir de la base de données des labels énergétiques et du recensement annuel. L'analyse des données permettait alors de regrouper et simplifier les bases de données existantes en les regroupant selon leurs caractéristiques actuelles et futures. L'objectif final était d'avoir un stock de bâtiments décrit en 100 archétypes maximum, et dont les consommations énergétiques correspondent au bilan national de l'Irlande.
Enerdata a su répondre aux contraintes du projet en mettant en place une organisation réactive pour une réalisation court terme, en associant trois compétences clés : la connaissance de la prospective de décarbonation du secteur des bâtiments résidentiels, les capacités d'analyse de données et de production d'indicateurs pour identifier les archétypes, et enfin la compétence en data science qui a permis de livrer un script automatique en Python pour que le client puisse facilement actualiser sa base de données.
Enerdata a donc défini un script de collecte et de traitement des données brutes des bases de données BER et CSO Census. Nous avons ensuite procédé à l'analyse d'environ 2 millions de logements contenant de nombreuses informations comme la mitoyenneté, l'âge du bâtiment, la surface du logement, l'étiquette énergétique, les modes de chauffage primaires et secondaires. Nous avons alors regroupé les 2 millions de bâtiments dans 82 catégories statistiquement intéressantes pour expliquer à la fois le parc immobilier existant, mais aussi les enjeux d'un futur parc mieux isolé et utilisant davantage de renouvelables. Enfin, nous avons lancé deux phases de calculs permettant de corriger les biais de sous-consommation et de surconsommation observés entre les labels énergétiques théoriques et la réalité, puis au calibrage de la base sur le bilan énergétique national. Pour assurer le cadencement et la tenue des délais, nous avons coordonné des ateliers de travail hebdomadaires tout au long du projet avec l'équipe SEAI afin de répondre rapidement aux difficultés rencontrées et d'acter les décisions.
Au terme du projet, Enerdata a livré un rapport détaillé de la méthodologie utilisée incluant une analyse des 82 archétypes de bâtiments résidentiels ainsi qu’un script Python comprenant tous les calculs.