Bâtiment intelligent : 4 couches, le piège du pilotage

  • Home
  • Maison
  • Bâtiment intelligent : 4 couches, le piège du pilotage
Two technicians operating machinery in a modern control room. Industrial setting with advanced equipment.

Un bâtiment intelligent repose sur quatre couches : les équipements, la collecte des données, le réseau de communication et l’interface de pilotage. Si l’une décroche, on obtient surtout des appareils connectés, une facture qui monte et un chantier qui cherche encore son mode d’emploi.

Quatre couches pour que ça tourne rond

a control room with a desk and two chairs
Photo de Miha Meglic sur Unsplash.

Un smart building mesure ce qui se passe dans ses pièces, traite ces informations, puis agit sur le chauffage, la ventilation, l’éclairage ou certains accès. Le principe paraît simple. Dans les faits, la qualité du résultat dépend autant du capteur que de la circulation des données et des équipements déjà installés.

L’article scientifique Toward an Intelligent Campus: IoT Platform for Remote Monitoring and Control of Smart Buildingspublié dans la revue Sensors en décembre 2022, décrit une plateforme testée dans trois espaces universitaires : un bureau, une salle de cours et un laboratoire. Les chercheurs distinguent une couche électrique, une couche d’acquisition des données, un réseau de communication et une couche applicative. Cette architecture donne une grille de lecture simple pour un devis ou une rénovation.

Cette séparation évite de confondre un compteur connecté avec une gestion technique du bâtiment. Le compteur relève une consommation. Une GTB peut rapprocher cette mesure de l’occupation d’une zone, transmettre une consigne et vérifier ensuite la réponse de l’équipement. On passe alors du relevé à une boucle de pilotage.

Un bâtiment intelligent commence par une chaîne complète, pas par l’achat isolé d’un capteur.

Capteurs en folie, données sous contrôle

Hospital directional signs hang from the ceiling
Photo de Ezebunwo Omachi sur Unsplash.

La première couche visible rassemble les capteurs de température, d’humidité, de luminosité, de mouvement, de consommation électrique et d’ouverture des portes ou fenêtres. Dans un logement, une information de présence peut commander l’éclairage d’une pièce vide. Dans un immeuble tertiaire, elle peut aussi alimenter une régulation de zone.

La détection d’occupation demande toutefois un réglage précis. Un capteur mal placé, un animal domestique ou un objet en mouvement peuvent perturber la mesure. La revue scientifique Fundamentals, Algorithms, and Technologies of Occupancy Detection for Smart Buildings Using IoT Sensorspubliée dans Sensors en avril 2024, recense ces limites ainsi que les questions de confidentialité et de fiabilité des données en temps réel. Sur le chantier, cela signifie qu’un plan de pose vaut mieux qu’une boîte utilisée parce qu’elle restait dans le fourgon.

Une salle de réunion, un couloir, une chambre et un atelier n’ont ni les mêmes mouvements, ni les mêmes horaires, ni les mêmes seuils. Le maître d’ouvrage doit donc relier chaque point de mesure à un usage précis avant de commander le matériel.

Un capteur ne produit pas une économie par sa seule présence : il faut une action correctement réglée derrière.

Le cerveau du bâtiment garde les pieds au sol

gray concrete building under construction
Photo de Tolu Olubode sur Unsplash.

Le logiciel central reçoit les mesures, les compare à des seuils ou à des scénarios, puis transmet une consigne à un équipement. Le chauffage peut être ajusté dans une zone vide, l’éclairage peut suivre la lumière disponible et une alerte peut signaler une consommation inhabituelle. Le système doit ensuite vérifier si l’action a produit l’effet attendu.

Cette boucle distingue trois fonctions souvent mélangées dans les discours commerciaux : le capteur observe, le traitement interprète et l’équipement agit. Une interface agréable ne suffit pas. Le devis doit aussi préciser les consignes, les droits de modification et la possibilité de reprendre la main localement.

Un article publié dans Scientific Reports en 2023 a étudié un système de partage d’énergie entre dix bâtiments. Le modèle, testé dans MATLAB, répartissait un surplus entre des bâtiments déficitaires et stockait l’excédent lorsque la production dépassait les besoins. Ce résultat décrit une simulation, pas une baisse automatique de la facture d’une copropriété. La nuance compte, sinon le budget part vite en orbite.

Rénovation connectée, chantier déconnecté

a circular light fixture hanging from the ceiling
Photo de YearOne sur Unsplash.

Dans un bâtiment existant, la première dépense n’est pas forcément le capteur. Il faut d’abord inventorier les équipements, les points de commande, les possibilités de mesure et le réseau disponible. Une installation conçue dès les plans ne pose pas les mêmes questions qu’un appartement équipé pièce par pièce ou qu’un immeuble auquel on ajoute une GTB.

Le devis ne se branche pas tout seul

Pour éviter le devis qui s’allonge à chaque visite, le maître d’ouvrage peut demander une progression par étapes :

  1. Définir un objectif mesurable : suivre une consommation, réduire l’éclairage d’une zone vide, régler le chauffage d’un étage ou repérer une dérive.
  2. Cartographier le bâtiment : pièces, horaires d’occupation, équipements, zones sensibles et points de mesure.
  3. Vérifier la compatibilité : alimentation, réseau, protocoles, accès à la GTB et commande manuelle en cas de panne.
  4. Commencer par une zone test : un étage, une salle de réunion ou un logement témoin permet de corriger les réglages avant le déploiement général.
  5. Mesurer avant et après : une période de référence aide à distinguer une évolution réelle d’une simple variation de météo ou d’usage.

Le devis descriptif doit séparer les capteurs, les passerelles, la programmation, la pose, les essais et la maintenance. Cette présentation permet aussi de vérifier ce qui sera livré avant la réception des travaux. Quand tout tient dans une ligne intitulée « solution intelligente », ça sonne creux.

Quand l’intelligence tombe en panne sèche

a close up of a control panel with buttons and switches
Photo de Karan Suthar sur Unsplash.

Un système de pilotage doit prévoir ce qui se passe lorsque le réseau ou l’interface n’est plus disponible. L’éclairage doit conserver une commande locale adaptée. Le chauffage doit garder une régulation sûre. Les consignes, les accès et les procédures de reprise doivent être écrits dans le dossier de l’installation.

La revue d’avril 2024 sur les capteurs d’occupation rappelle que la précision dépend du placement, des données disponibles, de la présence d’animaux ou d’objets et des choix de confidentialité. Ces limites influencent directement la qualité du pilotage quotidien. Une pièce déclarée vide alors qu’elle est occupée, et le confort part au sous-sol.

Le responsable du projet doit donc demander qui reçoit les données, combien de temps elles sont conservées et qui peut modifier une consigne. Ces points ne remplacent pas les essais techniques, mais ils évitent de livrer une installation dont personne ne maîtrise le fonctionnement.

Le confort ne se programme pas au doigt mouillé

an office with a lot of desks and chairs
Photo de Bernd 📷 Dittrich sur Unsplash.

Un bâtiment intelligent peut ajuster ses équipements, mais il ne remplace pas une enveloppe correctement conçue ni des appareils adaptés. L’isolation, l’étanchéité à l’air, la ventilation et le dimensionnement des équipements restent les bases. Le pilotage vient ensuite mesurer certains écarts et agir sur les réglages.

Le campus étudié dans l’article de décembre 2022 est instructif sur ce point : la plateforme a été conçue puis testée dans un bureau, une salle de cours et un laboratoire, avec des usages différents. Cette méthode est plus solide qu’un réglage identique appliqué à toutes les zones. Chaque espace doit avoir ses seuils, ses horaires et ses priorités.

On peut donc poser la première pierre avec un objectif limité : connaître la consommation d’un circuit, vérifier l’occupation d’une salle ou régler le chauffage d’un étage. Ensuite seulement viennent les scénarios plus complexes. Sinon, le bâtiment ne devient pas intelligent. Il devient bavard, connecté et pénible à dépanner.

Sources et références scientifiques
  1. Fundamentals, Algorithms, and Technologies of Occupancy Detection for Smart Buildings Using IoT Sensors – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s24072123 · PMID: 38610335.
  2. 1.Zhou K., Yang S. Comprehensive Energy Systems. Elsevier; Oxford, UK: 2018. 5.11 Smart Energy Management; pp. 423-456. [DOI] [Google Scholar].
  3. 2.Smart Buildings Market Worth 121.6 Billion Dollars by 2026-Report by Marketsandmarkets. [(accessed on 7 September 2023)]. Available online:.
  4. 3.The Edge, Amsterdam: Showcasing an Exemplary IoT Building. [(accessed on 8 September 2023)]. Available online:.
  5. 4.Asim N., Badiei M., Mohammad M., Razali H., Rajabi A., Chin Haw L., Jameelah Ghazali M. Sustainability of Heating, Ventilation and Air-conditioning (HVAC) Systems in Buildings, An Overview. Int. J. Environ. Res. Public Health. 2022;19:1016. doi: 10.3390/ijerph19021016. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.3390/ijerph19021016.
  6. 5.Auffenberg F., Snow S., Stein S., Rogers A. A Comfort-based Approach to Smart Heating and Air Conditioning. ACM Trans. Intell. Syst. Technol. 2017;9:28. doi: 10.1145/3057730. [DOI] [Google Scholar]. doi:10.1145/3057730.
  7. 6.Akkaya K., Guvenc I., Aygun R., Pala N., Kadri A. Iot-based Occupancy Monitoring Techniques for Energy-efficient Smart Buildings; Proceedings of the 2015 IEEE Wireless Communications and Networking Conference Workshops; New Orleans, LA, USA. 9-12 March 2015; pp. 58-63. [DOI] [Google Scholar].
  8. asta R., Singh R., Gehlot A., Mishra R., Choudhury S. A Smart Building Automation System. Int. J. Smart Home. 2016;10:217-224. doi: 10.14257/ijsh.2016.10.9.20. [DOI] [Google Scholar]. doi:10.14257/ijsh.2016.10.9.20.
  9. 8.Murali M., Ramsami A., Varanasi S. Smart Building Automation Using Internet of Things. IRJET J. 2019;6:1504-1510. [Google Scholar].
  10. 9.Statista Smart and Connected Home Market Revenue Worldwide in 2019 and Forecast for 2025. [(accessed on 10 September 2023)]. Available online:.
  11. 10.Taunk K., De S., Verma S., Swetapadma A. A Brief Review of Nearest Neighbor Algorithm for Learning and Classification; Proceedings of the 2019 International Conference on Intelligent Computing and Control Systems (ICCS); Madurai, India. 15-17 May 2019; pp. 1255-1260. [Google Scholar].
  12. 11.Hernández J.L., Sanz R., Corredera Á., Palomar R., Lacave I. A Fuzzy-based Building Energy Management System for Energy Efficiency. Buildings. 2018;8:14. doi: 10.3390/buildings8020014. [DOI] [Google Scholar]. doi:10.3390/buildings8020014.
  13. 12.Whitmore A., Agarwal A., Da Xu L. The Internet of Things, A Survey of Topics and Trends. Inf. Syst. Front. 2014;17:261-274. doi: 10.1007/s10796-014-9489-2. [DOI] [Google Scholar]. doi:10.1007/s10796-014-9489-2.
  14. Cyber-Physical System Integration of IoT Sensing and Machine Learning: A Cross-Domain Review of Decision Support and Control in Smart Buildings and Precision Agriculture – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s26144435 · PMID: 42515320.
  15. 1.Atzori L., Iera A., Morabito G. The Internet of Things: A Survey. Comput. Netw. 2010;54:2787-2805. doi: 10.1016/net.2010.05.010. [DOI] [Google Scholar]. doi:10.1016/j.comnet.2010.05.010.
  16. 2.Lee E.A. Proceedings of the 11th IEEE Symposium on Object/Component/Service-Oriented Real-Time Distributed Computing, ISORC, Orlando, FL, USA, 5-7 May 2008. IEEE; New York, NY, USA: 2008. Cyber Physical Systems: Design Challenges; pp. 363-369. [Google Scholar].
  17. 3.Rajkumar R., Lee I., Sha L., Stankovic J. Proceedings of the Design Automation Conference, Anaheim, CA, USA, 13-18 June 2010. The Association for Computing Machinery; New York, NY, USA: Cyber-Physical Systems: The next Computing Revolution; pp. 731-736. [Google Scholar].
  18. 4.Greer C., Burns M., Wollman D., Griffor E. Cyber-Physical Systems and Internet of Things. National Institute of Standards and Technology; Gaithersburg, MD, USA: 2019. [Google Scholar].
  19. 5.Alur R. Principles of Cyber-Physical Systems. The MIT Press; Cambridge, MA, USA: 2015. [Google Scholar].
  20. 6.Kim K.-D., Kumar P.R. Cyber-Physical Systems: A Perspective at the Centennial. Proc. IEEE. 2012;100:1287-1308. doi: 10.1109/JPROC.2012.2189792. [DOI] [Google Scholar]. doi:10.1109/JPROC.2012.2189792.
  21. 7.Wolf W. Cyber-Physical Systems. Computer. 2009;42:88-89. doi: 10.1109/MC.2009.81. [DOI] [Google Scholar]. doi:10.1109/MC.2009.81.
  22. 8.Klotzer C., Weibenborn J., Pflaum A. Proceedings of the 2017 IEEE 19th Conference on Business Informatics, CBI 2017, Thessaloniki, Greece, 24-27 July 2017. Volume 2. Institute of Electrical and Electronics Engineers Inc.; New York, NY, USA: 2017. The Evolution of Cyber-Physical Systems as a Driving Force behind Digital Transformation; pp. 5-14. [Google Scholar].
  23. 9.Sztipanovits J. Proceedings of the 14th Annual IEEE International Conference and Workshops on the Engineering of Computer-Based Systems (ECBS’07), Tucson, AZ, USA, 26-29 March 2007. IEEE; New York, NY, USA: 2007. Composition of Cyber-Physical Systems; pp. 3-6. [Google Scholar].
  24. 10.Suh S.C., Tanik U.J., Carbone J.N., Eroglu A. Applied Cyber-Physical Systems. 9781461473. Springer; New York, NY, USA: 2014. [Google Scholar].
  25. 11.Huotari M., Malhi A., Främling K. Machine Learning Applications for Smart Building Energy Utilization: A Survey. Arch. Comput. Methods Eng. 2024;31:2537-2556. doi: 10.1007/s11831-023-10054-7. [DOI] [Google Scholar]. doi:10.1007/s11831-023-10054-7.
  26. 12.Das H.P., Lin Y.-W., Agwan U., Spangher L., Devonport A., Yang Y., Drgoňa J., Chong A., Schiavon S., Spanos C.J. Machine Learning for Smart and Energy-Efficient Buildings. Environ. Data Sci. 2024;3:e1. doi: 10.1017/eds.2023.43. [DOI] [Google Scholar]. doi:10.1017/eds.2023.43.
  27. Toward an Intelligent Campus: IoT Platform for Remote Monitoring and Control of Smart Buildings – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s22239045 · PMID: 36501748.
  28. 1.Energy Efficiency Law and Plan, Ministry of Energy. [(accessed on 10 June 2022)]. Available online:.
  29. 2.Tushar W., Wijerathne N., Li W.-T., Yuen C., Poor H.V., Saha T.K., Wood K.L. IoT for Green Building Management. arXiv. 20181805.10635 [Google Scholar].
  30. 3.Nugur A., Pipattanasomporn M., Kuzlu M., Rahman S. Design and Development of an IoT Gateway for Smart Building Applications. IEEE Internet Things J. 2019;6:9020-9029. doi: 10.1109/JIOT.2019.2926099. [DOI] [Google Scholar]. doi:10.1109/JIOT.2019.2926099.
  31. 4.Alsuhli G., Khattab A. A Fog-based IoT Platform for Smart Buildings; Proceedings of the 2019 International Conference on Innovative Trends in Computer Engineering (ITCE); Aswan, Egypt. 2-4 February 2019; pp. 174-179. [Google Scholar].
  32. 5.Eltamaly A.M., Alotaibi M.A., Alolah A.I., Ahmed M.A. IoT-Based Hybrid Renewable Energy System for Smart Campus. Sustainability. 2021;13:8555. doi: 10.3390/su13158555. [DOI] [Google Scholar]. doi:10.3390/su13158555.
  33. 6.Jia M., Komeily A., Wang Y., Srinivasan R.S. Adopting Internet of Things for the development of smart buildings: A review of enabling technologies and applications. Autom. Constr. 2019;101:111-126. doi: 10.1016/j.autcon.2019.01.023. [DOI] [Google Scholar]. doi:10.1016/j.autcon.2019.01.023.
  34. 7.Vijayan D.S., Rose A.L., Arvindan S., Revathy J., Amuthadevi C. Automation systems in smart buildings: A review. J. Ambient Intell. Humaniz. Comput. 2020:1-13. doi: 10.1007/s12652-020-02666-9. [DOI] [Google Scholar]. doi:10.1007/s12652-020-02666-9.
  35. 8.Zhang X., Pipattanasomporn M., Chen T., Rahman S. An IoT-Based Thermal Model Learning Framework for Smart Buildings. IEEE Internet Things J. 2020;7:518-527. doi: 10.1109/JIOT.2019.2951106. [DOI] [Google Scholar]. doi:10.1109/JIOT.2019.2951106.
  36. 9.Singh S., Roy A., Selvan M.P. Smart Load Node for Nonsmart Load Under Smart Grid Paradigm: A New Home Energy Management System. IEEE Consum. Electron. Mag. 2019;8:22-27. doi: 10.1109/MCE.2018.2880804. [DOI] [Google Scholar]. doi:10.1109/MCE.2018.2880804.
  37. 10.Saleem Y., Crespi N., Rehmani M.H., Copeland R. Internet of Things-Aided Smart Grid: Technologies, Architectures, Applications, Prototypes, and Future Research Directions. IEEE Access. 2019;7:62962-63003. doi: 10.1109/ACCESS.2019.2913984. [DOI] [Google Scholar]. doi:10.1109/ACCESS.2019.2913984.
  38. 11.Abir S.M.A.A., Anwar A., Choi J., Kayes A.S.M. IoT-Enabled Smart Energy Grid: Applications and Challenges. IEEE Access. 2021;9:50961-50981. doi: 10.1109/ACCESS.2021.3067331. [DOI] [Google Scholar]. doi:10.1109/ACCESS.2021.3067331.
  39. 12.Shakerighadi B., Anvari-Moghaddam A., Vasquez J., Guerrero J. Internet of Things for Modern Energy Systems: State-of-the-Art, Challenges, and Open Issues. Energies. 2018;11:1252. doi: 10.3390/en11051252. [DOI] [Google Scholar]. doi:10.3390/en11051252.
  40. Energy management system in smart buildings based coalition game theory with fog platform and smart meter infrastructure – PMC. Scientific reports. DOI: 10.1038/s41598-023-29209-4 · PMID: 36739304.
  41. 1.Reynolds JL. Is solar geoengineering ungovernable? A critical assessment of governance challenges identified by the Intergovernmental Panel on Climate Change. Wiley Interdiscipl. Rev. Clim. Change. 2021;12:2. doi: 10.1002/wcc.690. [DOI] [Google Scholar]. doi:10.1002/wcc.690.
  42. 2.Dai X, Liu J, Zhang X. A review of studies applying machine learning models to predict occupancy and window-opening behaviours in smart buildings. Energy Build. 2020;223:110159. doi: 10.1016/j.enbuild.2020.110159. [DOI] [Google Scholar]. doi:10.1016/j.enbuild.2020.110159.
  43. 3.U.S. Energy Information Administration. In Annual Energy Outlook 2022 AEO2022 Highlights, vol. 2022 (2022)..
  44. 4.Lee WP, Choi JY, Won DJ. Coordination strategy for optimal scheduling of multiple microgrids based on hierarchical system. Energies. 2017;10:9. doi: 10.3390/en10091336. [DOI] [Google Scholar]. doi:10.3390/en10091336.
  45. 5.Sedhom BE, El-Saadawi MM, El Moursi MS, Hassan MA, Eladl AA. IoT-based optimal demand side management and control scheme for smart microgrid. Int. J. Electr. Power Energy Syst. 2021;127:106674. doi: 10.1016/j.ijepes.2020.106674. [DOI] [Google Scholar]. doi:10.1016/j.ijepes.2020.106674.
  46. 6.Arya AK, Chanana S, Kumar A. Energy saving in distribution system using internet of things in smart grid environment. Int. J. Comput. Dig. Syst. 2019;8:2. doi: 10.12785/ijcds/080207. [DOI] [Google Scholar]. doi:10.12785/ijcds/080207.
  47. pozzoli A, Piscitelli MS, Brandi S, Grassi D, Chicco G. Automated load pattern learning and anomaly detection for enhancing energy management in smart buildings. Energy. 2018;157:963. doi: 10.1016/j.energy.2018.05.127. [DOI] [Google Scholar]. doi:10.1016/j.energy.2018.05.127.
  48. 8.Pathak, N., Ba, A., Ploennigs, J. & Roy, N. Forecasting Gas Usage for Big Buildings Using Generalized Additive Models and Deep Learning (2018). 10.1109/SMARTCOMP.2018.00092.. doi:10.1109/SMARTCOMP.2018.00092.
  49. 9.Pinto T, Faia R, Navarro-Caceres M, Santos G, Corchado JM, Vale Z. Multi-agent-based CBR recommender system for intelligent energy management in buildings. IEEE Syst. J. 2019;13:1. doi: 10.1109/JSYST.2018.2876933. [DOI] [Google Scholar]. doi:10.1109/JSYST.2018.2876933.
  50. 10.Li T, Fong S, Li X, Lu Z, Gandomi AH. Swarm decision table and ensemble search methods in fog computing environment: Case of day-ahead prediction of building energy demands using IoT sensors. IEEE Internet Things J. 2020;7:3. doi: 10.1109/JIOT.2019.2958523. [DOI] [Google Scholar]. doi:10.1109/JIOT.2019.2958523.
  51. sado-Vara, R., De La Prieta, F. Prieto, J. & Corchado, J. M. Improving Temperature Control in Smart Buildings Based in Iot Network Slicing Technique (2019). 10.1109/GLOBECOM38437.2019.9013263.. doi:10.1109/GLOBECOM38437.2019.9013263.
  52. 12.Yang CT, Chen ST, Liu JC, Liu RH, Chang CL. On construction of an energy monitoring service using big data technology for the smart campus. Cluster Comput. 2020;23:1. doi: 10.1007/s10586-019-02921-5. [DOI] [Google Scholar]. doi:10.1007/s10586-019-02921-5.
  53. Bâtiments intelligents, tout savoir sur les smart buildings | Quelle Énergie.
  54. Gauthier Phion. Smart Building : le guide complet des bâtiments intelligents en 2026. 2025.
  55. Nacho Morató. Bâtiments intelligents : Tout savoir sur les bâtiments intelligents et leur impact sur l'avenir de la construction. 2025.

Publications similaires :

  1. Domotique intelligente en 2026 : 6 choix avant la pose
  2. Ampoule LED 6 W : 6 repères pour choisir juste
  3. Fenêtres sur mesure : PVC, alu ou bois, le cadre compte
  • 17 septembre 2026
  • By:Jam
  • Category:Maison
  • no comments

Related Posts

Post a Comment

Footer

A propos

 

Brico-center est un magazine en ligne collaboratif, animé par une équipe de passionnés et de professionnels du bricolage, de la rénovation et du jardinage. Ensemble, nous concevons, testons, partageons et expliquons des projets pour améliorer votre habitat, à votre rythme, où que vous soyez.

Information

Récents