L’IA dans la salle des machines frigorifiques : Keppel Bay Tower à Singapour et le tournant de l’intelligence des bâtiments urbains

Dans le récit des technologies urbaines, les projecteurs sont généralement braqués sur ce qui se voit : navettes autonomes, lampadaires intelligents aux coins de rue, immenses écrans de données sur les murs des centres de commandement. Mais la structure de consommation énergétique d’une ville est souvent déterminée par des espaces sans fenêtres — les salles de froid en sous-sol, les tours de refroidissement sur les toits, les pompes qui tournent en continu dans les étages techniques.

La Keppel Bay Tower de Singapour est devenue le premier bâtiment commercial du pays à obtenir la certification « à très faible consommation d’énergie » (Super Low Energy), et l’action clé à l’origine de ce résultat n’a pas été le remplacement de la façade rideau ni l’ajout de panneaux photovoltaïques, mais l’optimisation pilotée par l’IA de la salle de froid. Le poids de cette affaire tient précisément à son caractère « peu esthétique ».

I. La véritable charge de la décarbonation urbaine se cache dans des endroits invisibles

Dans la courbe de consommation électrique des bâtiments commerciaux, le système de refroidissement constitue généralement la plus grande charge unique, en particulier dans les villes tropicales. Une chaleur et une humidité élevées toute l’année signifient que le refroidissement n’est pas une demande saisonnière, mais un besoin de base.

Le problème est que la centrale frigorifique fonctionne depuis longtemps dans un état « sûr mais inefficace ». Plusieurs refroidisseurs, tours de refroidissement, pompes à eau glacée et pompes d’eau de refroidissement doivent être coordonnés, tandis que la charge fluctue constamment selon la météo, l’affluence, les habitudes d’utilisation des locataires. Les systèmes traditionnels de gestion technique du bâtiment (BMS) reposent souvent sur des règles fixes et des plannings : on définit une plage de température, puis on démarre et arrête les groupes selon l’expérience. Pour éviter les plaintes, la stratégie d’exploitation penche naturellement vers le refroidissement excessif. Ce conservatisme ne vient pas d’un retard technologique, mais d’une structure de responsabilité — les équipes d’exploitation assument le risque de panne, pas les indicateurs d’efficacité énergétique.

La valeur de l’IA à ce stade n’est pas de fournir de nouveau matériel, mais de répondre en continu à une question à laquelle un système à règles traditionnel répond difficilement : dans les conditions actuelles de charge, de météo et d’état des équipements, quelle combinaison de paramètres d’exploitation coûte le moins cher. Cette optimisation ne nécessite ni de remplacer les groupes, ni d’imposer aux locataires le moindre compromis perceptible, mais elle peut influencer directement la consommation énergétique de référence et la performance carbone d’un bâtiment.

C’est aussi pourquoi l’optimisation du refroidissement occupe une place particulière dans l’agenda de décarbonation des bâtiments : c’est l’un des rares leviers où le « logiciel » peut faire basculer le parc existant.

II. La certification : faire de la « performance » un objet gouvernable

L’introduction, par l’autorité singapourienne de la construction (Building and Construction Authority), d’une catégorie « Super Low Energy » dans le cadre du label Green Mark constitue le contexte institutionnel clé pour comprendre cette affaire. L’évaluation traditionnelle des bâtiments verts repose largement sur des simulations et des engagements pris au stade de la conception, tandis que la certification à très faible consommation d’énergie vise une performance mesurée — à savoir si le bâtiment consomme réellement moins d’énergie en exploitation.

Ce changement peut sembler technique, mais il relève en réalité d’une évolution de la logique de gouvernance. Dès qu’une ville commence à certifier la « performance d’exploitation », le gouvernement ne se contente plus d’édicter des normes : il devient demandeur et vérificateur de données. Les propriétaires de bâtiments doivent collecter, déclarer et vérifier en continu les données de consommation énergétique ; les organismes de certification ont besoin de critères de mesure comparables ; le marché a besoin d’un signal identifiable et pouvant être valorisé.En d’autres termes, la certification de performance est essentiellement une infrastructure de mesure. Elle transforme partiellement le bâtiment d’un actif physique en un objet de données pouvant être régulé et comparé. C’est aussi la forme la plus concrète de la numérisation de la gestion publique dans le domaine du bâtiment : non pas mettre des documents en ligne, mais transformer les résultats en flux de données vérifiables en temps réel.

III. L’IA entre dans la couche opérationnelle : la difficulté ne réside pas dans l’algorithme

Utiliser un modèle d’apprentissage automatique pour l’optimisation d’une centrale frigorifique n’a rien de nouveau sur le plan algorithmique. La véritable difficulté se situe en amont du modèle : les capteurs sont-ils tous en place, la mesure couvre-t-elle les principaux équipements, la fréquence d’échantillonnage des données est-elle suffisante, les protocoles BMS de différents fabricants sont-ils interopérables, les données historiques comportent-elles des lacunes importantes ?

Le bâtiment est un exemple typique de « système legacy hétérogène ». Un immeuble de bureaux exploité depuis de nombreuses années mélange souvent des équipements d’époques, de marques et de protocoles de communication différents. Les données n’existent pas naturellement ; elles sont « câblées » couche par couche. Le préalable à l’optimisation par l’IA est d’abord d’établir une observabilité complète de la centrale frigorifique — c’est un problème d’ingénierie, pas un problème de modèle.

Le secteur des centres de données mérite également d’être pris comme référence. Google et DeepMind ont publiquement révélé que l’utilisation de l’apprentissage automatique pour le contrôle du refroidissement des centres de données avait entraîné une baisse significative de la consommation d’énergie de refroidissement. Mais l’homogénéité des équipements, la contrôlabilité des paramètres et la culture des données des équipes d’exploitation et de maintenance des centres de données sont bien supérieures à celles d’un immeuble de bureaux ordinaire. Transposer cette logique à un bâtiment urbain exige souvent non pas un coût de puissance de calcul, mais un coût de mise à niveau de l’instrumentation, d’intégration des systèmes et de refonte des processus d’exploitation et de maintenance.

IV. Rénover, pas construire : le parc existant est le champ de bataille principal

La plupart des études sur la décarbonation des bâtiments convergent vers un même fait : parmi les bâtiments encore utilisés au milieu de ce siècle, la grande majorité est déjà construite aujourd’hui. Les nouveaux projets peuvent servir de démonstration, mais ils ne changent pas le volume total.

Par conséquent, le chemin de numérisation du parc existant présente généralement des étapes claires :

1. Visibilité : commencer par la mesure divisionnaire et la collecte de données, afin que la consommation d’énergie passe de la « facture de fin de mois » à une « courbe à la minute » ;
2. Diagnostic : identifier les fonctionnements anormaux, la dégradation des équipements et les valeurs de consigne inappropriées ;
3. Contrôle : introduire progressivement le contrôle prédictif et l’optimisation automatique pour remplacer les règles fixes ;
4. Coordination : doter le bâtiment de la capacité de réagir aux signaux du réseau électrique, aux signaux de prix et aux signaux carbone.

L’intérêt du cas de Keppel Bay Tower réside dans le fait qu’il valide la faisabilité de cette trajectoire dans le contexte d’un immeuble de bureaux commercial : ne pas repartir de zéro, mais atteindre, grâce à l’optimisation continue de la couche opérationnelle, le seuil de performance défini par le système de certification. L’impact sur la logique de décision des propriétaires est direct — le délai de retour sur investissement des rénovations peut être calculé, et la gêne occasionnée aux locataires par les travaux est limitée.

V. D’un bâtiment individuel à un système énergétique à l’échelle urbaine

Si l’intelligence des bâtiments se limitait à « chaque immeuble économise son électricité de son côté », sa valeur serait linéaire. Le véritable changement structurel se produit lorsque le bâtiment commence à être piloté comme un nœud du réseau électrique.Le grand système de froid urbain déployé par Singapour dans le secteur de Marina Bay offre une approche centralisée : transférer le refroidissement des toits de chaque bâtiment vers des réseaux souterrains et des centrales frigorifiques centralisées. Tandis que l’optimisation par IA de la centrale frigorifique d’un bâtiment individuel représente une autre approche, distribuée. Les deux ne s’opposent pas ; ensemble, elles constituent un système urbain de froid pilotable en cascade.

Dans les villes tropicales, la charge de refroidissement est hautement prévisible, ce qui en fait une ressource flexible de qualité. Grâce au pré-refroidissement, au stockage de froid et à l’ajustement dynamique des consignes, les bâtiments peuvent réduire leur puissance aux heures de pointe du réseau et stocker de l’énergie aux heures creuses. Lorsqu’un nombre suffisant de bâtiments disposent de cette capacité, ils constituent ensemble une centrale électrique virtuelle. À ce stade, le bâtiment n’est plus seulement un consommateur d’énergie, mais une unité de régulation du système électrique urbain.

C’est aussi l’application la plus pragmatique du jumeau numérique dans le domaine de l’énergie urbaine : non pas produire le rendu d’une belle ville en trois dimensions, mais permettre que l’état de fonctionnement de chaque bâtiment puisse être prédit, simulé et intégré au pilotage.

VI. La refonte du métier d’exploitation-maintenance, et les risques de dépendance négligés

L’arrivée de l’IA dans la salle des machines frigorifiques ne change pas seulement le mode de fonctionnement des équipements, mais aussi le rôle des personnes. La compétence centrale des ingénieurs d’exploitation-maintenance traditionnels résidait dans le jugement fondé sur l’expérience et le traitement des pannes ; à mesure que la logique de contrôle est progressivement prise en charge par les modèles, le cœur du travail se déplace vers la vérification de la qualité des données, la détermination des limites des modèles, la recherche de l’origine des anomalies et la coordination intersystèmes.

Cela pose deux problèmes qu’il faut regarder en face.

Le premier est la transparence. Si la logique d’optimisation est enfermée dans la boîte noire du fournisseur, le propriétaire peut obtenir une consommation d’énergie plus faible, mais perdre la compréhension du fonctionnement de ses propres actifs. Si le contrat prend fin ou si le système cesse d’être mis à jour, le bâtiment risque de ne pas pouvoir revenir à son état de fonctionnement antérieur. L’auditabilité, l’explicabilité et la réversibilité devraient constituer des clauses de base pour l’achat de solutions d’IA destinées aux bâtiments.

Le second est la nouvelle dépendance technologique. L’efficacité énergétique des bâtiments était auparavant une capacité locale et décentralisée ; une fois rendue intelligente, elle commence à dépendre de plateformes à distance, de fournisseurs de services algorithmiques et d’une connectivité de données permanente. Cette dépendance est un dividende d’efficacité à l’échelle de la ville, mais une exposition au risque à l’échelle d’un actif individuel.

VII. Le bâtiment devient une infrastructure numérique, et donc une surface d’attaque

Lorsque les centrales frigorifiques, les ascenseurs, l’éclairage et le contrôle d’accès sont raccordés à un réseau unifié et confiés à un algorithme de pilotage, le bâtiment devient de fait un petit système de contrôle industriel. En même temps qu’il gagne en efficacité, il hérite des risques de sécurité inhérents aux systèmes de contrôle industriels.

Que les systèmes de gestion technique du bâtiment soient victimes d’intrusion, qu’ils soient chiffrés par rançongiciel ou que leurs consignes soient modifiées ne relève plus de scénarios hypothétiques, mais constitue une préoccupation constante dans le domaine de la gestion des installations à l’échelle mondiale. Pour une ville, cela signifie que le bâtiment ne relève pas seulement de l’énergie, mais aussi de la cybersécurité.

S’y ajoute la question de la propriété des données : les données de consommation énergétique, de flux de personnes et de fonctionnement des équipements d’un bâtiment appartiennent-elles au propriétaire, aux locataires, aux fournisseurs d’équipements ou aux autorités de régulation ? Dans les juridictions dépourvues de règles claires, ces données sont souvent appropriées de fait par les plateformes. La question de la souveraineté numérique se pose elle aussi à l’échelle du bâtiment.

VIII. Les institutions sont plus rares que la technologieEn élargissant le regard à l’échelle mondiale, on constate que différentes villes ont choisi différents instruments politiques : New York encadre les grands bâtiments par des plafonds d’émissions de carbone et des sanctions ; l’Union européenne, dans sa directive révisée sur la performance énergétique des bâtiments, pousse les nouvelles constructions vers le zéro émission et impose des exigences minimales de performance énergétique aux bâtiments non résidentiels ; Hong Kong, Tokyo, Dubaï et d’autres ont quant à eux développé leurs propres systèmes de certification, de divulgation ou de benchmarking.

Ces outils prennent des formes différentes, mais partagent une même prémisse : les autorités de régulation doivent pouvoir obtenir des données d’exploitation réelles, comparables et continues. Partout où une juridiction manque de capacités de mesure, les règles se dégradent en conformité sur le papier.

Par contraste, l’avantage de Singapour ne réside pas dans des algorithmes plus avancés, mais dans le fait qu’il combine normes de certification, exigences de données et capacités industrielles en un dispositif exécutable. En ce sens, Keppel Bay Tower est un modèle « poussé » par le cadre institutionnel, et non « tiré » par la technologie.

Conclusion : l’intelligence des villes se joue au sous-sol

Il est rare de pouvoir déterminer si une ville est vraiment devenue plus intelligente à partir de son skyline. Un point d’observation plus fiable : les systèmes qui assurent déjà le fonctionnement de la ville se sont-ils améliorés d’une manière mesurable ?

Keppel Bay Tower n’est qu’un bâtiment. Mais son cap mérite d’être consigné : de la démonstration à l’exploitation, de la conception à la mesure réelle, des équipements aux données, de l’économie d’énergie ponctuelle à la coordination systémique. La prochaine phase de compétition entre villes ne portera probablement pas sur qui possède le plus de capteurs, mais sur qui sait transformer ces données en une capacité de fonctionnement continu, auditable et pilotable.

Le point de départ de cette évolution n’est peut-être autre chose que le refroidisseur du sous-sol, qui s’est enfin mis à « penser ».