Vous êtes*	↓ ↓
E-mail*	↓ ↓

Retourner à la recherche

Indicateurs de performance de la gestion de maintenance d'un bâtiment intelligent, cas du site de Dijon

Réf ABG-134134	Stage master 2 / Ingénieur	Durée 6 mois	Salaire net mensuel 800 euros net
31/10/2025

ESTP - Grande école d'ingénieurs de la construction

Lieu de travail

Dijon Bourgogne-Franche-Comté France

Champs scientifiques

Sciences de l’ingénieur

Mots clés

Bâtiment intelligent, analyse de données

Établissement recruteur

Site web :

http://www.estp.fr

Innover pour accroître les performances constructives et assumer les enjeux de la préservation énergétique et du développement durable : C'est le défi qui mobilise l’ESTP et son réseau de partenaires publics et privés. L’Institut de Recherche de l’ESTP a ainsi été créé en 2009. Il regroupe les personnels de recherche et les laboratoires des campus ESTP de Cachan, Dijon et de Troyes. L’Institut de recherche a été évalué pour la première fois par l’AERES en 2014. Depuis 2016, il est laboratoire d’accueil de l’École Doctorale Sciences, Ingénierie et Environnement (SIE) de l’Université Paris-Est (UPE).

Grâce à un ancrage au cœur des politiques territoriales parallèlement à un objectif de développement international, l’Institut de Recherche vise à acquérir une dimension qui lui permettra de se positionner au cœur d’un réseau académique fort, de répondre aux besoins d’innovation du secteur et de devenir pour l’école un vecteur de croissance par le biais de la recherche appliquée.

Description

Contexte et enjeux :
Les bâtiments intelligents (Smart Buildings) constituent une composante essentielle de la transition vers des villes durables, connectées et résilientes. Grâce à l’intégration de capteurs IoT, de systèmes de supervision et d’outils d’intelligence artificielle (IA), ils permettent d’optimiser la consommation énergétique, le confort des occupants et la maintenance des installations techniques.
Dans ce cadre, la gestion de maintenance devient un levier stratégique pour améliorer la performance globale d’un bâtiment : réduction des coûts d’exploitation, amélioration de la disponibilité des équipements, allongement de leur durée de vie et réduction de l’empreinte environnementale.
Cependant, la multiplication des sources de données et des outils d’analyse soulève de nouveaux défis :
- Comment définir des indicateurs de performance énergétiques, écologiques, économiques et de confort pertinents pour évaluer l'efficacité de la maintenance d’un bâtiment intelligent ?
- Comment intégrer dans ces indicateurs la dimension environnementale et le coût énergétique des outils numériques, notamment ceux liés à l’IA ?
Le bâtiment du campus de Dijon de l’ESTP, équipé de différents types de capteurs (températures, CO2, énergie, etc.) et doté d'un système de supervision, offre un environnement idéal pour développer et tester un modèle d’évaluation de la performance de maintenance intégrant les dimensions technique, économique, énergétique et environnemental.

Objectifs :
L’objectif général du stage est de concevoir, modéliser et tester des indicateurs de performance de maintenance adaptés aux bâtiments intelligents, en tenant compte à la fois de leur efficacité opérationnelle et de leur empreinte écologique. Ainsi, il s’agira de :
- Identifier et classifier les indicateurs clés de performance (KPI) relatifs à la maintenance d’un Smart Building : fiabilité, disponibilité, coûts, consommation énergétique, confort des usagers, durabilité des équipements, etc.
- Intégrer les indicateurs environnementaux (émissions de CO₂, consommation d’énergie, cycle de vie des équipements) dans le suivi de la maintenance.
- Évaluer l’impact énergétique et écologique des algorithmes d’IA utilisés pour la prédiction et la planification des opérations de maintenance.
- Proposer un modèle de décision pour une maintenance intelligente, équilibrant performance, coût et durabilité.
- Idéalement, développer un tableau de bord numérique centralisant les indicateurs et permettant de visualiser les performances globales du bâtiment.

Méthodologie :
Le travail s’appuiera sur les données réelles collectées sur le bâtiment ESTP-ESEO du site de Dijon (capteurs IoT, GTB, historiques de maintenance, consommations énergétiques) pour :

- Analyser la sensibilité des indicateurs de performance (taux de disponibilité, fiabilité, consommation, coûts, confort) aux conditions d’exploitation et aux stratégies de maintenance.
- Développer un modèle d’évaluation multicritère intégrant la performance technique, la dimension économique et les indicateurs d’empreinte écologique (émissions, durée de vie, consommation énergétique).
- Mettre en œuvre des outils d’analyse et de prédiction basés sur l’intelligence artificielle, tout en évaluant leur coût énergétique et computationnel afin de mesurer l’impact environnemental de l’IA pouvant être utilisée dans l'optimisation de la maintenance du bâtiment.
- Valider la pertinence et la robustesse des indicateurs sur différents scénarios simulant diverses stratégies de maintenance : préventive, conditionnelle et prédictive.
- Réaliser une analyse comparative des performances globales, en considérant la fiabilité des indicateurs, les gains énergétiques et l’impact écologique du système numérique mis en œuvre.

Profil

Compétences requises :
- Compétences en analyse de données et data science (Python, Excel, Power BI ou outils équivalents)
- Connaissance des principes de durabilité et d’évaluation environnementale (ACV, empreinte carbone)
- Notions en génie civil, énergétique ou gestion technique du bâtiment.
- Intérêt pour les technologies Smart Building, les capteurs IoT et la supervision (GTB)
- Autonomie initiative, et curiosité intellectuelle
- Travail en équipe et collaboration
- Bon niveau en français et anglais

Prise de fonction

02/02/2026

Partager via

Postuler

Fermer

Vous avez déjà un compte ?

Nouvel utilisateur ?

Civilité*	↓ ↓
Prénom*	↓ ↓
Nom*	↓ ↓
E-mail*	↓ ↓
Confirmez votre e-mail*	↓ ↓
Mot de passe*	8 caractères minimum, avec au moins un chiffre, une lettre minuscule et une lettre majuscule. ↓ ↓
Confirmez votre mot de passe*	↓ ↓