Des P'tites Economies

Des P'tites Économies  est une application web interactive conçue pour estimer et optimiser la consommation énergétique des logements (simulant un Diagnostic de Performance Énergétique - DPE) créé par 5 étudiants du CPES en Science des données : Société ou Santé de Paris Saclay.

Le site se distingue par les éléments suivants :

1. Un moteur d'estimation intelligent : Au lieu de simples formules, le site s'appuie sur des modèles d'Intelligence Artificielle (XGBoost fonctionnant directement dans le navigateur pour des raisons de rapidité et de confidentialité) ajustés par la région de l'utilisateur pour estimer la consommation en énergie primaire (EP) et énergie finale (EF).
2. Une distinction entre Théorie et Réalité : L'outil calcule à la fois la consommation théorique (le standard DPE) et une consommation réelle affinée grâce aux habitudes de vie renseignées par l'utilisateur (température de chauffe, temps de présence).
3. Un tableau de bord interactif : Les pages de résultats (déclinées en versions mobile et bureau) fournissent de manière très visuelle l'étiquette énergie, le coût financier estimé, l'équivalent d'émissions de CO2.
4. Des recommandations de travaux avec re-prédiction : Le site identifie de façon autonome les points faibles du logement (isolation, etc.) et propose un plan d'amélioration. Il recalcule instantanément la future "note" du logement et les économies potentielles si le visiteur réalise ces travaux.
5. Pédagogie & Bon Gestes : Une dimension éducative offrant des conseils simples organisés par thématique pour améliorer la sobriété énergétique au quotidien.

En résumé, c'est un simulateur DPE moderne, pédagogique et prédictif qui accompagne l'utilisateur depuis l'évaluation initiale de son logement jusqu'à la définition d'un plan d'actions chiffré pour réduire sa facture.

Lien du Site : https://desptiteseconomies.fr
Lien du Github : https://github.com/ProjetCapstoneDPE/DesPtitesEconomies

PS : Si vous souhaitez mettre à jour le projet, l'ensemble des informations est disponible dans le README du Github.

Eleana TRAN, Lily-Mei THIBAULT, Tristan PAILLOT, Clement FRITSCH--VIDAL et Nathan BAUDRON