Priorisation énergétique des bâtiments – Montréal

Contexte

Ce projet a été réalisé dans le cadre du Défi CodeML (IRIU × VILLE_IA).
L’objectif est d’aider la Ville de Montréal à identifier les bâtiments à prioriser pour la rénovation énergétique, en tenant compte à la fois de leur vulnérabilité climatique et de leur dépendance énergétique.

Le projet combine des données climatiques, énergétiques et sociales afin de produire un classement actionnable des bâtiments les plus à risque.

---

Problématique

Les décisions de rénovation énergétique sont complexes car elles impliquent :

• des risques climatiques hétérogènes (pluies diluviennes, inondations, chaleur),
• des profils énergétiques variés,
• des enjeux sociaux et territoriaux.

Sans indicateur synthétique, il est difficile de prioriser efficacement les interventions.

---

Approche

Le projet repose sur un pipeline data complet, de la fusion des données jusqu’à la visualisation finale.

Données utilisées

• Climatiques : vulnérabilité structurelle, thermique, hydrique, végétation
• Énergétiques : consommation (électricité, gaz, mazout), émissions de GES
• Sociales : indices de défavorisation par quartier
• Géographiques : données spatiales des bâtiments

Indices construits

Indice de résilience

Résilience = 0.5 × adaptation + 0.5 × (1 − vulnérabilité)

Indice de priorité

Priorité = 0.4 × (1 − résilience)
+ 0.4 × vulnérabilité climatique
+ 0.2 × dépendance énergétique

Ces indices permettent de produire un classement global des bâtiments.

---

Résultats

• 218 bâtiments analysés
• Classement en 3 catégories :
  • Priorité élevée
  • Priorité moyenne
  • Bonne performance
• Exports exploitables (CSV, GeoJSON)
• Carte interactive permettant d’ajuster dynamiquement les pondérations

Le classement final est disponible dans :

notebooks/classement_final_batiments.csv

---

Visualisation interactive

Une carte web permet :

• d’explorer les bâtiments géolocalisés,
• d’ajuster les pondérations des critères,
• de recalculer les indices en temps réel.

Lancer la carte

python3 -m http.server 8000

Puis ouvrir :

http://localhost:8000/index.html

---

Structure du projet

.
├── index.html                # Carte interactive
├── notebooks/
│   ├── CODEML.ipynb          # Pipeline principal
│   └── classement_final_batiments.csv
├── explorations/             # Analyses exploratoires
├── outputs/                  # Résultats générés
├── environment.yml
└── requirements.txt

---

Installation rapide

Option Conda

conda env create -f environment.yml
conda activate mlcomp

Option pip

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

Puis lancer le notebook principal :

jupyter notebook notebooks/CODEML.ipynb

---

Stack technique

• Python (pandas, geopandas, scikit-learn)
• Jupyter Notebook
• Traitement géospatial (GeoJSON, GeoPackage)
• Visualisation web : Leaflet, HTML/CSS/JS

---

Statut du projet

• Statut : prototype analytique fonctionnel

• Objectif : aide à la décision et exploration data

• Limites :

  • pondérations fixées manuellement,
  • pas d’automatisation temps réel,
  • données figées à l’instant T.

Auteurs

Projet réalisé par Tidiane Cissé, Sarah Tabti, Yasmine Tamdrari Défi CodeML – IRIU × VILLE_IA