Immotique du bâtiment : 4 couches à piloter, pas un bouton magique

  • Home
  • Maison
  • Immotique du bâtiment : 4 couches à piloter, pas un bouton magique
Detailed view of switches and dials on an industrial control panel, showcasing engineering complexity.

L’immotique transforme un immeuble en système pilotable : capteurs, automates, supervision et réseaux travaillent ensemble pour gérer le chauffage, la ventilation, l’éclairage ou les accès. Sur le papier, c’est net. Sur le chantier, le bâtiment reste capable de faire clignoter trois alarmes pour une fenêtre mal fermée.

De la domotique à l’immotique, on change de braquet

people working at desks in open office
Photo de Arlington Research sur Unsplash.

La domotique concerne généralement un logement. L’immotique applique des principes comparables à un immeuble, un ensemble de bureaux, un équipement public ou un site tertiaire. Le nombre d’équipements, la diversité des métiers et la quantité de données changent d’échelle : chauffage, climatisation, ventilation, éclairage, stores, comptage énergétique, contrôle d’accès et parfois sécurité technique doivent échanger des informations.

La distinction entre GTC et GTB remet les mots dans le bon ordre. Une gestion technique centralisée peut suivre un domaine précis, comme la climatisation ou l’éclairage. Une gestion technique du bâtiment coordonne plusieurs lots techniques sur un site, voire plusieurs bâtiments. Le système pilote un bâtiment conforme, mais il ne fabrique pas la conformité à sa place : règles électriques, réglementation incendie, DTU, RE2020 lorsqu’elle s’applique et DPE restent des cadres distincts.

Après vingt ans à observer des chantiers, le constat tient en une phrase : une installation immotique réussie commence par les usages, pas par l’écran de supervision. Qui doit recevoir quelle alerte? À quel moment faut-il réduire la ventilation? Que se passe-t-il si le réseau tombe? Le bon système règle un problème d’exploitation clairement identifié.

Quatre couches, et pas une prise connectée

Close-up of a stainless steel control panel with digital displays and buttons indoors.
Photo de cottonbro studio sur Pexels.

Une revue systématique publiée en 2024 dans Sensorssous le titre Smart Buildings: A Comprehensive Systematic Literature Review on Data-Driven Building Management Systemsdécrit les systèmes de gestion du bâtiment comme un domaine mêlant équipements physiques, logiciels, données et technologies de communication. Elle relève aussi une limite fréquente de la recherche : chauffage, éclairage, qualité de l’air ou maintenance sont souvent étudiés séparément, alors qu’ils interagissent dans le bâtiment réel.

Du capteur au tableau de bord, le millefeuille technique

Dans une lecture pratique, l’architecture immotique se comprend avec quatre niveaux. Les installations ne sont pas toutes identiques, mais ce découpage permet de repérer ce qui manque dans un devis ou lors d’une réception de travaux.

  1. Le terrain : les capteurs mesurent la température, l’humidité, la présence, l’ouverture d’une fenêtre ou la qualité de l’air. Les actionneurs commandent une vanne, un volet, une pompe ou un éclairage. Ils sont répartis dans les pièces, les circulations, les locaux techniques et les centrales de traitement d’air.
  2. L’automatisme : des contrôleurs locaux appliquent les consignes. Ils peuvent démarrer une ventilation, ajuster une température ou déclencher une séquence technique selon des règles programmées.
  3. La supervision : les exploitants visualisent les états, les alarmes, les historiques et les consommations depuis une interface. C’est la partie visible, celle que la brochure adore montrer, alors qu’elle ne vaut pas grand-chose si les sondes sont mal placées.
  4. Les communications et les données : les réseaux relient les équipements, transportent les mesures et permettent l’échange entre lots. Les protocoles cités dans la littérature comprennent notamment Modbus, M-Bus, KNX et BACnet. Leur présence ne suffit pas à garantir une installation ouverte ou simple à maintenir.

Cette organisation explique pourquoi une panne n’est pas toujours une panne de chauffage. Une sonde fausse, une liaison interrompue, une consigne écrasée ou un contrôleur mal paramétré peut produire le même symptôme dans la supervision. La recherche de la cause exige donc un diagnostic par couche, pas un redémarrage au hasard.

Le cerveau n’est pas dans la tablette

black and silver laptop computer
Photo de path digital sur Unsplash.

Les outils d’intelligence artificielle et d’analyse de données donnent à l’immotique des fonctions plus ambitieuses : prévision de charge, détection d’anomalies, estimation de l’occupation, suivi de la qualité de l’air, optimisation de l’eau ou aide au diagnostic. Une enquête publiée en 2022 dans Artificial Intelligence Review rappelle toutefois qu’en pratique, les systèmes de gestion pilotent encore souvent surtout le chauffage, la ventilation et la climatisation. L’exploitant conserve alors la charge d’interpréter les consommations et de repérer les dérives.

La nuance compte. Un algorithme peut repérer une consommation inhabituelle dans une série de mesures, mais il ne connaît pas automatiquement la cause : horaires exceptionnels, vanne bloquée, local occupé en dehors des habitudes ou capteur défaillant. Les modèles apprennent à partir de données historiques; ils doivent donc être testés sur le bâtiment concerné et contrôlés par une personne qui connaît ses équipements.

Un article publié en 2024 dans Scientific DataComprehensive energy demand and usage data for building automationillustre ce besoin de données bien structurées. Les chercheurs y présentent des mesures issues de trois bâtiments de la plateforme NEST, avec quatre années de relevés et une résolution d’une minute. Le jeu de données associe consommations d’électricité, de chauffage, de refroidissement et d’eau chaude, fonctionnement des systèmes, ouverture des fenêtres, présence et habitudes d’usage.

Cette limite évite une erreur classique : confondre démonstration technique et économie garantie. Ces publications décrivent ce que les données permettent d’analyser; elles ne prouvent pas qu’un système donné réduira automatiquement la facture de chaque occupant. L’intelligence du bâtiment commence par la qualité des mesures, pas par le mot intelligent sur le devis.

Le devis ne doit pas partir en mode automatique

L’immotique ne se chiffre pas honnêtement avec un simple prix au mètre carré. Deux immeubles de même surface peuvent avoir des budgets très différents selon le nombre de zones, l’état du câblage, les équipements déjà installés, la présence d’une GTB, le niveau de supervision et le besoin de maintenance. Un devis sérieux sépare au minimum l’audit, les capteurs, les contrôleurs, les réseaux, la supervision, le paramétrage, la mise en service et la formation.

Le budget global doit aussi distinguer l’investissement initial des coûts récurrents : licences, hébergement éventuel, remplacement des capteurs, mises à jourcybersécurité et intervention d’exploitation. Une solution peu chère à la pose peut devenir un puits sans fond si personne ne sait modifier une consigne ou remplacer un équipement propriétaire.

Le délai suit la même logique. Une extension sur une installation documentée ne ressemble pas à une rénovation d’un bâtiment ancien dont les tableaux, les réseaux et les automatismes ont été modifiés par plusieurs entreprises. Le planning doit intégrer le relevé sur site, les études, la coordination entre lots, les essais et la formation. Sinon, on découvre les fonctions manquantes à la réception, quand chaque intervenant explique que ce n’était pas dans son périmètre. Un délai annoncé sans phase d’essais est une date de livraison, pas une date de fonctionnement.

Smart, mais pas ouvert à tous les vents

blue UTP cord
Photo de Jordan Harrison sur Unsplash.

Plus un bâtiment relie de systèmes, plus il crée de points de communication à protéger. Une revue publiée en 2025 dans SensorsComposite Vulnerabilities and Hybrid Threats for Smart Sensors and Field Busses in Building Automation: A Reviewanalyse les vulnérabilités composites et les menaces hybrides dans l’automatisation des bâtiments. Elle souligne notamment l’exposition de capteurs et d’actionneurs installés dans des zones peu protégées, ainsi que les risques liés aux connexions entre réseaux, aux responsabilités mal définies et aux équipements hétérogènes.

Le sujet concerne aussi les données d’occupation. Un capteur de présence peut améliorer une régulation, mais les historiques peuvent révéler les horaires d’utilisation d’un bureau ou d’une zone. Le maître d’ouvrage doit donc cadrer les finalités, les accès, la durée de conservation et les responsables. La sobriété numérique commence parfois par une question simple : cette mesure est-elle nécessaire pour la fonction demandée?

Sur ce point, pas de plaisanterie de chantier : une supervision agréable ne compense pas un réseau mal segmenté ou un accès administrateur partagé. Les protocoles utilisés, les passerelles et les capteurs doivent être recensés par un professionnel compétent en automatisme et en sécurité des systèmes.

Le chantier en cinq commandes, sinon ça patine

black flat screen tv turned on near black and gray audio component
Photo de Ibrahim Boran sur Unsplash.

Pour cadrer une installation neuve ou une rénovation, le maître d’ouvrage peut demander une démarche progressive. Elle évite de commander une collection de capteurs avant de savoir qui les exploitera.

  1. Auditer l’existant : relever les équipements, les tableaux, les réseaux, les sondes, les automates et les logiciels déjà en place. Les plans théoriques ne remplacent pas une vérification sur site.
  2. Écrire les usages : définir les horaires, les consignes, les alarmes, les scénarios d’absence, les besoins de confort et les indicateurs de suivi. Une consigne floue devient une programmation discutable.
  3. Cartographier les responsabilités : préciser ce qui relève du chauffagiste, de l’électricien, du climaticien, du mainteneur, de l’intégrateur et de l’exploitant. Le bâtiment intelligent déteste les zones grises.
  4. Exiger l’interopérabilité : demander les protocoles, les formats d’export, les droits d’administration, la documentation et les conditions de reprise des données. Un écran propriétaire ne doit pas enfermer tout le bâtiment.
  5. Tester avant de réceptionner : simuler une sonde en défaut, une perte de communication, une alarme, un changement d’horaire et une commande manuelle. Former les utilisateurs et remettre les schémas à jour avant de signer.

Cette logique rejoint celle d’un bâtiment intelligent bien conçu : les automatismes restent compréhensibles, les décisions importantes sont traçables et l’exploitation ne dépend pas d’une seule personne qui connaît le mot de passe historique, celui écrit sur un papier depuis 2017.

La réception, ce grand oral du bâtiment

Window cleaner working on a tall building
Photo de Phillip Flores sur Unsplash.

La réception de travaux doit vérifier autre chose que l’allumage de l’écran. Chaque zone doit être identifiée, chaque capteur doit remonter une valeur cohérente et chaque actionneur doit répondre à la bonne commande. Les alarmes doivent arriver au bon destinataire, avec un texte compréhensible et une procédure associée.

Le dossier remis à l’exploitant doit contenir les plans, les adresses des équipements, les sauvegardes de programmation, les notices, les droits d’accès, les périodicités de maintenance et les conditions de remplacement. Sans ces éléments, la première panne transforme une installation sophistiquée en chasse au trésor, avec le devis qui s’allonge et l’artisan injoignable en figurant principal.

La domotique intelligente peut apporter du confort dans un logement, tandis que l’immotique coordonne des systèmes plus nombreux et des responsabilités plus lourdes. Dans les deux cas, le principe reste le même : mesurer juste, décider clairement, garder la main. Sinon, le bâtiment n’est pas intelligent; il possède simplement une tablette qui fait semblant de connaître le chauffage.

Sources et références scientifiques
  1. Smart Buildings: A Comprehensive Systematic Literature Review on Data-Driven Building Management Systems – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s24134405 · PMID: 39001184.
  2. 1.Hussain N.E., Abdullah N., Abdullah H. The relationship between rural-urban migration, household income and unemployment: Malaysia case study. Int. J. Manag. Stud. Res. 2014;2:17-24. [Google Scholar].
  3. 2.Moreno M.V., Zamora M.A., Skarmeta A.F. User-centric smart buildings for energy sustainable smart cities. Trans. Emerg. Telecommun. Technol. 2014;25:41-55. doi: 10.1002/ett.2771. [DOI] [Google Scholar]. doi:10.1002/ett.2771.
  4. 3.Martirano L., Mitolo M. Building Automation and Control Systems (BACS): A Review; Proceedings of the 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe (EEEIC/I&CPS Europe); Madrid, Spain. 9-12 June 2020; Piscataway, NJ, USA: IEEE; Jun 9, 2020. pp. 1-8. [Google Scholar].
  5. 4.O’Grady T., Chong H.Y., Morrison G.M. A systematic review and meta-analysis of building automation systems. Build. Environ. 2021;195:107770. doi: 10.1016/j.buildenv.2021.107770. [DOI] [Google Scholar]. doi:10.1016/j.buildenv.2021.107770.
  6. 5.Tang S., Shelden D.R., Eastman C.M., Pishdad-Bozorgi P., Gao X. BIM assisted Building Automation System information exchange using BACnet and IFC. Autom. Constr. 2020;110:103049. doi: 10.1016/j.autcon.2019.103049. [DOI] [Google Scholar]. doi:10.1016/j.autcon.2019.103049.
  7. 6.Andersen M.P., Kolb J., Chen K., Fierro G., Culler D.E., Katz R. Democratizing authority in the built environment. Acm Trans. Sens. Netw. 2018;14:1-26. doi: 10.1145/3199665. [DOI] [Google Scholar]. doi:10.1145/3199665.
  8. 7.Alter S. Making sense of smartness in the context of smart devices and smart systems. Inf. Syst. Front. 2019;22:381-393. doi: 10.1007/s10796-019-09919-9. [DOI] [Google Scholar]. doi:10.1007/s10796-019-09919-9.
  9. 8.Buckman A.H., Mayfield M., Beck S.B. What is a smart building? Smart Sustain. Built Environ. 2014;3:92-109. doi: 10.1108/SASBE-01-2014-0003. [DOI] [Google Scholar]. doi:10.1108/SASBE-01-2014-0003.
  10. 9.Kitchenham B.A., Charters S. Guidelines for Performing Systematic Literature Reviews in Software Engineering. Researchgate; Berlin, Germany: 2007. Technical Report EBSE 2007-001, Keele University and Durham University Joint Report. [Google Scholar].
  11. 10.Fink A. Conducting Research Literature Reviews: From the Internet to Paper. Sage Publications; Thousand Oaks, CA, USA: 2019. [Google Scholar].
  12. 11.Okoli C., Schabram K. A guide to conducting a systematic literature review of information systems research. SSRN Electron. J. 2015;10 doi: 10.2139/ssrn.1954824. [DOI] [Google Scholar]. doi:10.2139/ssrn.1954824.
  13. 12.Petticrew M., Roberts H. Systematic Reviews in the Social Sciences: A Practical Guide. John Wiley & Sons; Hoboken, NJ, USA: 2008. [Google Scholar].
  14. Composite Vulnerabilities and Hybrid Threats for Smart Sensors and Field Busses in Building Automation: A Review – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s25175218 · PMID: 40942648.
  15. 1.Fan C., Xiao F., Yan C. A framework for knowledge discovery in massive building automation data and its application in building diagnostics. Autom. Constr. 2015;50:81-90. doi: 10.1016/j.autcon.2014.12.006. [DOI] [Google Scholar]. doi:10.1016/j.autcon.2014.12.006.
  16. 2.Bakakeu J., Schäfer F., Bauer J., Michl M., Franke J. Smart Cities: Foundations, Principles, and Applications. Wiley; Hoboken, NJ, USA: 2017. Building Cyber-Physical Systems, A Smart Building Use Case; pp. 605-639. [Google Scholar].
  17. 3.Schmidt M., Åhlund C. Smart buildings as Cyber-Physical Systems: Data-driven predictive control strategies for energy efficiency. Renew. Sustain. Energy Rev. 2018;90:742-756. doi: 10.1016/j.rser.2018.04.013. [DOI] [Google Scholar]. doi:10.1016/j.rser.2018.04.013.
  18. 4.Perry C. Smart Buildings: A Deeper Dive into Market Segments. American Council for an Energy-Efficient Economy; Washington, DC, USA: 2017. [(accessed on 18 August 2021)]. p. 82. Available online: [Google Scholar].
  19. 5.Wong J.K.W., Li H., Wang S.W. Intelligent building research: A review. Autom. Constr. 2005;14:143-159. doi: 10.1016/j.autcon.2004.06.001. [DOI] [Google Scholar]. doi:10.1016/j.autcon.2004.06.001.
  20. lsing J. Smart City Solution Engineering. Smart Cities. 2021;4:643-661. doi: 10.3390/smartcities4020033. [DOI] [Google Scholar]. doi:10.3390/smartcities4020033.
  21. 7.Tragos E.Z., Foti M., Surligas M., Lambropoulos G., Pournaras S., Papadakis S., Angelakis V. An IoT based intelligent building management system for ambient assisted living; Proceedings of the 2015 IEEE International Conference on Communication Workshop (ICCW); London, UK. 8-12 June 2015; pp. 246-252. [Google Scholar].
  22. 8.Nge C.L., Ranaweera I.U., Midtgård O.-M., Norum L. A real-time energy management system for smart grid integrated photovoltaic generation with battery storage. Renew. Energy. 2019;130:774-785. doi: 10.1016/j.renene.2018.06.073. [DOI] [Google Scholar]. doi:10.1016/j.renene.2018.06.073.
  23. 9.Marksteiner S., Exposito Jimenez V.J., Valiant H., Zeiner H. An overview of wireless IoT protocol security in the smart home domain; Proceedings of the 2017 Internet of Things Business Models, Users, and Networks; Copenhagen, Denmark. 23-24 November 2017; pp. 1-8. [Google Scholar].
  24. 10.Khan R., McLaughlin K., Laverty D., Sezer S. STRIDE-based threat modeling for cyber-physical systems; Proceedings of the 2017 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe); Torino, Italy. 26-29 September 2017; pp. 1-6. [Google Scholar].
  25. 11.Aghemo C., Virgone J., Fracastoro G.V., Pellegrino A., Blaso L., Savoyat J., Johannes K. Management and monitoring of public buildings through ICT based systems: Control rules for energy saving with lighting and HVAC services. Front. Archit. Res. 2013;2:147-161. doi: 10.1016/j.foar.2012.11.001. [DOI] [Google Scholar]. doi:10.1016/j.foar.2012.11.001.
  26. 12.European Union DIRECTIVE (EU) 2018_844 of 30 May 2018 amending Directive 2010_31_EU on the energy performance of buildings and Directive 2012_27_EU on energy efficiency. Off. J. Eur. Union. 2016;153:20. [Google Scholar].
  27. AI-big data analytics for building automation and management systems: a survey, actual challenges and future perspectives – PMC. Artificial intelligence review. DOI: 10.1007/s10462-022-10286-2 · PMID: 36268476.
  28. Aazam M, Zeadally S, Harras KA. Deploying fog computing in industrial internet of things and industry 4.0. IEEE Trans Ind Inform. 2018;14(10):4674-4682. [Google Scholar].
  29. Abba S, Pham QB, Usman A, Linh NTT, Aliyu D, Nguyen Q, Bach Q-V (2020) Emerging evolutionary algorithm integrated with kernel principal component analysis for modeling the performance of a water treatment plant. J Water Process Eng 33:101081.
  30. Abdulhammed R, Musafer H, Alessa A, Faezipour M, Abuzneid A. Features dimensionality reduction approaches for machine learning based network intrusion detection. Electronics. 2019;8(3):322. [Google Scholar].
  31. Aboelwafa MM, Seddik KG, Eldefrawy MH, Gadallah Y, Gidlund M. A machine-learning-based technique for false data injection attacks detection in industrial IoT. IEEE Internet Things J. 2020;7(9):8462-8471. [Google Scholar].
  32. Acquaah Y, Steele JB, Gokaraju B, Tesiero R, Monty GH, Occupancy detection for smart HVAC efficiency in building energy: a deep learning neural network framework using thermal imagery. In: 2020 IEEE applied imagery pattern recognition workshop (AIPR). IEEE, pp 1-6.
  33. Afaifia M, Djiar KA, Bich-Ngoc N, Teller J. An energy consumption model for the Algerian residential building’s stock, based on a triangular approach: geographic information system (gis), regression analysis and hierarchical cluster analysis. Sustain Cities Soc. 2021;74:103191. [Google Scholar].
  34. Agha G, Palmskog K. A survey of statistical model checking. ACM Trans Model Comput Simul (TOMACS) 2018;28(1):1-39. [Google Scholar].
  35. Aghemo C, Blaso L, Pellegrino A. Building automation and control systems: a case study to evaluate the energy and environmental performances of a lighting control system in offices. Autom Constr. 2014;43:10-22. [Google Scholar].
  36. Ahmad T, Chen H. Short and medium-term forecasting of cooling and heating load demand in building environment with data-mining based approaches. Energy Build. 2018;166:460-476. [Google Scholar].
  37. Ahmad T, Chen H. Utility companies strategy for short-term energy demand forecasting using machine learning based models. Sustain Cities Soc. 2018;39:401-417. [Google Scholar].
  38. Ahmad T, Chen H, Huang R, Yabin G, Wang J, Shair J, Akram HMA, Mohsan SAH, Kazim M. Supervised based machine learning models for short, medium and long-term energy prediction in distinct building environment. Energy. 2018;158:17-32. [Google Scholar].
  39. Ahmad T, Huanxin C, Zhang D, Zhang H. Smart energy forecasting strategy with four machine learning models for climate-sensitive and non-climate sensitive conditions. Energy. 2020;198:117283. [Google Scholar].
  40. Comprehensive energy demand and usage data for building automation – PMC. Scientific data. DOI: 10.1038/s41597-024-03292-2 · PMID: 38719854.
  41. 1.Klepeis NE, et al. The National Human Activity Pattern Survey (NHAPS): a resource for assessing exposure to environmental pollutants. J. Expo. Sci. Environ. Epidemiol. 2001;11:231-252. doi: 10.1038/sj.jea.7500165. [DOI] [PubMed] [Google Scholar]. doi:10.1038/sj.jea.7500165.
  42. 2.Mancini F, Lo Basso G, De Santoli L. Energy use in residential buildings: Impact of building automation control systems on energy performance and flexibility. Energies. 2019;12:2896. doi: 10.3390/en12152896. [DOI] [Google Scholar]. doi:10.3390/en12152896.
  43. 3.Minoli D, Sohraby K, Occhiogrosso B. IoT considerations, requirements, and architectures for smart buildings, Energy optimization and next-generation building management systems. IEEE Internet Things J. 2017;4:269-283. doi: 10.1109/JIOT.2017.2647881. [DOI] [Google Scholar]. doi:10.1109/JIOT.2017.2647881.
  44. 4.Aghemo C, Blaso L, Pellegrino A. Building automation and control systems: A case study to evaluate the energy and environmental performances of a lighting control system in offices. Autom. Constr. 2014;43:10-22. doi: 10.1016/j.autcon.2014.02.015. [DOI] [Google Scholar]. doi:10.1016/j.autcon.2014.02.015.
  45. 5.Aftab M, Chen C, Chau C-K, Rahwan T. Automatic HVAC control with real-time occupancy recognition and simulation-guided model predictive control in low-cost embedded system. Energy Build. 2017;154:141-156. doi: 10.1016/j.enbuild.2017.07.077. [DOI] [Google Scholar]. doi:10.1016/j.enbuild.2017.07.077.
  46. 6.Granzer W, Praus F, Kastner W. Security in building automation systems. IEEE Trans. Ind. Electron. 2009;57:3622-3630. doi: 10.1109/TIE.2009.2036033. [DOI] [Google Scholar]. doi:10.1109/TIE.2009.2036033.
  47. 7.Wong JKW, Ge J, He SX. Digitisation in facilities management: A literature review and future research directions. Autom. Constr. 2018;92:312-326. doi: 10.1016/j.autcon.2018.04.006. [DOI] [Google Scholar]. doi:10.1016/j.autcon.2018.04.006.
  48. 8.Kriechbaumer T, Jacobsen H-A. BLOND, a building-level office environment dataset of typical electrical appliances. Sci. Data. 2018;5:1-14. doi: 10.1038/sdata.2018.48. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/sdata.2018.48.
  49. 9.Medico R, et al. A voltage and current measurement dataset for plug load appliance identification in households. Sci. Data. 2020;7:1-10. doi: 10.1038/s41597-020-0389-7. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41597-020-0389-7.
  50. 10.Pipattanasomporn M, et al. CU-BEMS, smart building electricity consumption and indoor environmental sensor datasets. Sci. Data. 2020;7:1-14. doi: 10.1038/s41597-020-00582-3. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41597-020-00582-3.
  51. 11.Rashid H, Singh P, Singh A. I-BLEND, a campus-scale commercial and residential buildings electrical energy dataset. Sci. Data. 2019;6:1-12. doi: 10.1038/sdata.2019.15. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/sdata.2019.15.
  52. 12.Paige F, Agee P, Jazizadeh F. flEECe, an energy use and occupant behavior dataset for net-zero energy affordable senior residential buildings. Sci. Data. 2019;6:1-9. doi: 10.1038/s41597-019-0275-3. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41597-019-0275-3.
  53. Immotique : confort et gestion de l'énergie d'un bâtiment | Quelle Énergie.
  54. Contributeurs aux projets Wikimedia. domaine de l'automatisation. 2006.
  55. [modifier | modifier le code].
  56. « capteurs et actionneurs intelligents ».
  57. Notes et références.
  58. ↑ REMY, C. (1992). GTB et immotique. Maintenance & entreprise, (456), 28-35..
  59. ↑ Cregut, F., & Treheux, M. (1996). Réseaux de télécommunications, domotique et téléaction. REE. Revue de l'électricité et de l'électronique, (11), 24-27..
  60. ↑ Nozick, J., Gueprotte, A., Gobin, C., Arnaud, J. P., & Sigurdsson, P. (1994). L'immotique: une réalité aujourd'hui Série: Questions générales (192). In Annales de l'Institut Technique du Bâtiment et des Travaux Publics (No. 522, p. 37-68). [Paris] Institut technique du bâtiment et des travaux publics…
  61. ↑ TRAVERS, P. (1993) Immotique; Un hôpital sous contrôle technique. Cahiers techniques du bâtiment, (144), 62-63..
  62. ↑ Jouve, W. (2009). Approche déclarative pour la génération de canevas logiciels dédiés à l'informatique ubiquitaire] (Thèse de doctorat), Université des Sciences et Technologies de Bordeaux I, INRIA Bordeaux et LaBRI/CNRS (PDF, 153 pages).
  63. ↑ Filloux, A. (1997). De la construction intelligente vers l'urbatique. Techniques de l'ingénieur. Construction, (C3780), C3780-4..
  64. ↑ Cantin R (2000) Développement d'une méthode prospective Application aux systèmes de Gestion Technique du Bâtiment (Doctoral dissertation), Notice et résumé Inist-CNRS..
  65. ↑ Bayart, M., Conrard, B., Chovin, A., & Robert, M. (2005) Capteurs et actionneurs intelligents. Techniques de l’Ingénieur, ISSN, 1632-3831..
  66. ↑ Paris, B., Eynard, J., François, G., Talbert, T., Traoré, A., & Thiéry, F. (2008) Gestion des ressources énergétiques d'un bâtiment: contrôle flou. In Proceedings de la conférence IBPSA France 2008, publié nov. 2008..
  67. La langue française. Immotique : définition de « immotique » | La langue française. 2022.
  68. Accueil – Energimotique.

Publications similaires :

  1. Bâtiment intelligent : 4 couches, le piège du pilotage
  2. Domotique intelligente en 2026 : 6 choix avant la pose
  3. Maison connectée : 6 réflexes de sécurité avant de poser une caméra
  • 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