Stratégies et Technologies Innovantes de Gestion des Bâtiments (StigBât) // Innovative Strategies and Technologies for Building Management (StigBât)

Le bâtiment représente en France près de 45% de la consommation finale d'énergie (30% résidentiel et 15% tertiaire) et est responsable de 20% des émissions de GES.
Si des efforts sont encore nécessaires pour améliorer les enveloppes et les systèmes énergétiques, cela reste des opérations relativement chères, qui en réduisent l'efficacité. De plus, le développement des sources renouvelables (solaire photovoltaïque et thermique, géothermie de surface, …) et la volonté d'autoconsommation nécessitent un changement de paradigme dans la façon dont la consommation d'énergie se temporalise.
Cette thèse s'inscrit un projet plus général qui vise à proposer une plateforme dédiée au suivi et au pilotage des bâtiments. Les enjeux sont multiples avec une meilleure connaissance des bâtiments (audit), l'amélioration des performances énergétiques réelle (pilotage), la prise en compte du ressenti des usagers et surtout la facilité de déploiement sur des bâtiments hétérogènes, diversement pré-équipées en capteurs et actionneurs.

L'objectif principal de la thèse est de développer et de déployer sur des sites pilotes et d'évaluer un ensemble d'outils d'aide au diagnostic et de pilotage des bâtiments.
Les sous-objectifs sont :
- La définition d'une méthodologie globale permettant de guider le déploiement pour un site donné, en tenant compte de la métrologie existante, des contraintes de pilotages et de la finalité ;
- La sélection et l'implémentation de technique d'apprentissage machine, pertinent pour les tâches de pilotage ou de diagnostic ;
- Le déploiement du dispositif dans les sites pilotes identifiés, comprenant la formation et le conseil aux utilisateurs ;
- L'analyse de l'intérêt de la solution, en focalisant sur la perception des avantages et inconvénients par les utilisateurs
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Buildings account for nearly 45% of final energy consumption in France (30% residential and 15% tertiary) and are responsible for 20% of greenhouse gas emissions.
While efforts are still needed to improve building envelopes and energy systems, such operations remain relatively expensive, which limits their cost-effectiveness. Furthermore, the development of renewable energy sources (such as photovoltaic and solar thermal, shallow geothermal, etc.) and the growing desire for self-consumption call for a paradigm shift in how energy consumption is temporally distributed.
This PhD thesis is part of a broader project aimed at developing a platform dedicated to the monitoring and control of buildings. The challenges are numerous, including better understanding of buildings (auditing), improving real energy performance (control), integrating user comfort and perception, and above all, ensuring easy deployment across heterogeneous buildings with varying degrees of sensor and actuator equipment.
The main objective of the thesis is to develop, deploy on pilot sites, and evaluate a set of tools for building diagnostics and control.
The sub-objectives are:
- To define a comprehensive methodology for guiding deployment on a given site, considering the existing metrology, control constraints, and intended goals;
- To select and implement relevant machine learning techniques for control or diagnostic tasks;
- To deploy the solution in identified pilot sites, including user training and support;
- To analyze the relevance and added value of the solution, with a focus on users' perception of its benefits and limitations.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Financement d'une collectivité locale ou territoriale

Université de Pau et des Pays de l'Adour

211 Sciences Exactes et leurs Applications

- Diplôme d'ingénieur ou Master 2 en énergétique, physique appliquée ou domaine connexe ; - Bonne maîtrise et appétence pour programmation (Python) ; - Compétences en énergétique du bâtiment, métrologie énergétique, modélisation ; - Curiosité scientifique, rigueur, goût pour l'interdisciplinarité ; - La connaissance des méthodes de l'apprentissage machine est un plus.
- Engineering degree or Master's (M2) in energy engineering, applied physics, or a related field; - Strong programming skills and interest (Python); - Knowledge in building energy systems, energy metrology, and modeling; - Scientific curiosity, rigor, and a strong interest in interdisciplinary work; - Familiarity with machine learning methods is a plus.