DPE Électricité — Analyse & Simulation

Contexte :

Ce projet a été réalisé dans le cadre :

• Du défi public Enedis — Diagnostics de Performance Énergétique proposé sur la plateforme data.gouv

• D’une formation professionnelle Data Scientist au sein de l’Icam

Objectif général : explorer les écarts entre les estimations conventionnelles du DPE et les consommations électriques réellement observées, à partir de données publiques massives.

Objectifs :

• Comparer la consommation énergétique conventionnelle issue du DPE avec la consommation électrique réelle mesurée par Enedis

• Quantifier les écarts selon les caractéristiques du bâti, les systèmes énergétiques et le contexte climatique

• Développer un modèle de prédiction de consommation électrique basé uniquement sur les données descriptives du DPE

• Mettre à disposition une application interactive de simulation et d’exploration

Données utilisées :

• Données DPE (ADEME) — diagnostics énergétiques logement

• Données Enedis — consommations électriques agrégées par adresse

• Base Adresse Nationale (BAN) — géocodage et jointure spatiale

Méthodologie :

Collecte :

• Téléchargement via APIs publiques paginées (ADEME, Enedis)

• Requêtes commune par commune (code INSEE)

• Écriture incrémentale en fichiers Parquet

• Système de checkpoint pour reprise automatique

Ingestion & stockage :

• Ingestion batch dans DuckDB

• Gestion automatique du schéma évolutif

• Consolidation en tables analytiques jointes

Préparation & enrichissement :

• Nettoyage des valeurs aberrantes

• Déduplication des DPE (diagnostic le plus récent)

• Filtrage surfaces / consommations extrêmes

• Géocodage BAN (~96 % des adresses)

• Jointure spatiale DPE ↔ Enedis via id_ban

• Feature engineering :

  • Type de chauffage principal

  • Typologies bâtimentaires

  • Agrégations statistiques

Modélisation :

Modèles testés :

• Random Forest

• XGBoost

• LightGBM

• CatBoost

Modèle retenu : Random Forest

Performances :

• R² ≈ 0.78

• MAE ≈ 8.8 kWh/m²/an

• Conso réelle moyenne : ≈ 46 kWh/m²/an

Le modèle estime la consommation électrique attendue à partir :

• Caractéristiques du bâti

• Systèmes énergétiques

• Zone climatique

• Qualité d’information disponible

Application interactive :

Une application Streamlit a été développée pour permettre :

• Exploration des écarts DPE vs réel

• Simulateur de consommation électrique