Rejoindre le CSTB, c'est rejoindre une communauté composée de plus de 1000 collaborateurs experts au service de ses clients, de ses partenaires et de l'intérêt général avec pour ambition d'anticiper les bâtiments et la ville de demain, pour améliorer la qualité de vie des usagers. Nos activités clés sont axées autour de la recherche, de l'expertise, de l'évaluation, de la certification, des essais et de la diffusion de connaissances. Depuis 1947, nous accompagnons les acteurs dans l'innovation et la progression de la qualité et de la performance des produits, ouvrages, systèmes et services.

La Direction Energie Environnement recrute un·e thésard·e ou un post-doc : optimisation de trajectoire de décarbonation d'un ensemble de bâtiments

Pour accompagner les acteurs dans la déclinaison de la SNBC et de la feuille de route décarbonation, la définition de trajectoires de décarbonation/rénovation optimales (carbone/coûts) de leur parc de bâtiments est nécessaire. Il s'agit notamment de fournir un appui aux collectivités (orienter les politiques territoriales, aider à la définition de leur Plan Climat Air et Energie du Territoire) et aux gestionnaires de parc qui doivent mettre en oeuvre la transition énergétique et environnementale sur un parc qui peut atteindre des centaines de bâtiments (prioriser et ordonnancer les travaux pour définir leur plan stratégique…).

Ce post doctorat / thèse de doctorat a pour objectif de contribuer à la consolidation des fondements scientifiques de cet outil pour en améliorer son exploitation dans le monde réel. La question de recherche associée peut être exprimée de la manière suivante : « comment quantifier les différentes sources d'incertitude et en tenir compte au mieux dans la modélisation prospective du parc bâti à une échelle territoriale. ».

Afin d'atteindre cet objectif et répondre à cette question de recherche, une approche en 4 étapes est proposée :

1. Quantifier les incertitudes et leur impact sur les résultats d'optimisation en prenant en main l'outil et l'ensemble des hypothèses associées pour analyser la fiabilité des hypothèses et l'impact sur le résultat d'optimisation. Différentes métriques pourront être proposées pour mesurer la différence entre deux résultats d'optimisation (qui ne se mesure pas seulement en termes de coût économique).

2. Proposer une démarche d'optimisation qui tienne compte du niveau d'incertitude des entrées, sans chercher à coller de trop près à des éléments incertains. On pourra proposer une méthode pour simplifier une hypothèse ou un élément de modélisation qui n'apporte pas une différence significative au regard des incertitudes existantes par ailleurs. Cette simplification pourra prendre la forme d'un regroupement de catégories de gestes ou de bâtiments (type clustering/élagage de l'arbre des solutions), ou d'une régularisation du problème d'optimisation.

3 - Proposer une approche robuste d'optimisation intégrant les incertitudes sur les paramètres technico-économiques relatifs aux évolutions futures. Lorsque l'on optimise une décision vis à vis d'un futur incertain, on peut envisager une optimisation stochastique, dans laquelle on donne un poids à chaque futur possible et l'on cherche à prendre une décision maintenant qui soit capable de mener, dans tous les cas futurs possible, à un gain espéré qui soit le meilleur possible. Dans l'optimisation robuste, on cherche à maximiser le gain de la plus mauvaise des situations futures. Attention, il ne s'agit pas ici de simulation type...

“monte carlo” où une optimisation serait proposée pour chaque futur mais bien d'une optimisation qui soit capade mener, dans tous les cas futurs possible, à un gain espéré qui soit le meilleur possible. Dans l'optimisation robuste, on cherche à maximiser le gain de la plus mauvaise des situations futures. Attention, il ne s'agit pas ici de simulation type “monte carlo” où une optimisation serait proposée pour chaque futur mais bien d'une optimisation qui soit capable de s'adapter à tous les futurs. Une optimisation en fenêtre glissante pourra être proposée pour expliquer comment les décisions peuvent s'adapter à l'évolution de la connaissance du futur au fur et à mesure que le temps passe. Nous aurons certainement à faire face ici à un problème de dimensionnalité car celle-ci est proportionnelle aux nombres de scénarios proposés. Nous pourrons pour cela utiliser des techniques d'élagage d'arbres de scénarios ou du clustering de bâtiments.
4 - Application sur les cas d'étude “territoriaux” et échange avec les territoires pour que les optimisations effectuées puissent être mises en correspondance avec des leviers actionnables.