Qualité des données et confiance

Une étude TESSA s'appuie sur plusieurs couches de données — extraits automatisés de bâtiments, modèles statistiques de demande, valeurs forcées par l'utilisateur — et chaque couche porte un niveau de certitude différent. Comprendre d'où vient chaque valeur vous aide à repérer les bâtiments qui nécessitent une vérification manuelle et à savoir dans quelle mesure vous fier aux résultats agrégés.

Champs d'origine

Pour les trois grandeurs de bâtiment les plus importantes — la surface de référence énergétique (ERA), la demande de chaleur des locaux et la demande d'eau chaude — TESSA enregistre une étiquette textuelle indiquant comment la valeur a été obtenue. Ces champs d'origine sont visibles dans l'export du tableau des bâtiments et dans l'inspecteur de bâtiment.

Valeurs d'origine de l'ERA

L'ERA (surface de référence énergétique) est la surface de plancher chauffée — l'entrée la plus importante du calcul de la demande. La valeur utilisée par TESSA est déterminée par une cascade : la première source utilisable l'emporte.

Plus on descend dans la cascade, moins l'ERA est certaine. Un bâtiment étiqueté total_surface n'a subi aucune correction de fraction chauffée, ce qui peut surestimer l'ERA pour les bâtiments comportant de grandes surfaces non chauffées (sous-sols, parkings, halles industrielles).

Valeurs d'origine de la demande

Les valeurs dérivées d'archétypes et de normes sont des moyennes statistiques — précises à l'échelle du portefeuille mais potentiellement erronées de ±50 % pour un bâtiment pris isolément.

Ce que disent concrètement les champs d'origine

flowchart LR
    MEASURED["Mesurée / fournie<br/>──────────────<br/>era_origin = input ERA<br/>qh_origin = measured data"]
    MODEL["Modélisée statistiquement<br/>──────────────<br/>era_origin = total_surface * a_s<br/>qh_origin = AVG Value per SIA"]
    FALLBACK["Repli / incertaine<br/>──────────────<br/>era_origin = total_surface<br/>qh_origin = Default Value per Archetype"]

    MEASURED --> |"confiance plus élevée"| MODEL --> |"confiance plus faible"| FALLBACK

    classDef high fill:#c8e6c9,stroke:#2e7d32,stroke-width:1.5px,color:#1b5e20
    classDef med fill:#fff3e0,stroke:#ED6000,stroke-width:1.5px,color:#bf360c
    classDef low fill:#ffccbc,stroke:#bf360c,stroke-width:1.5px,color:#bf360c

    class MEASURED high
    class MODEL med
    class FALLBACK low

Lors de la vérification d'un quartier :

• Les bâtiments avec era_origin = input ERA et des valeurs de demande mesurées ont la confiance la plus élevée. Aucune vérification n'est nécessaire, sauf si les valeurs semblent manifestement fausses.
• Les bâtiments dont la demande est dérivée d'archétypes ou de normes méritent d'être recoupés avec les données de comptage disponibles pour la zone, surtout pour les bâtiments non résidentiels où les archétypes sont moins détaillés.
• Les bâtiments dont l'ERA est retombée sur total_surface doivent être inspectés — leur demande peut être sensiblement surestimée ou sous-estimée. Envisagez de modifier l'ERA directement dans l'éditeur de bâtiments ou de fournir un fichier d'entrée corrigé.

Confiance à l'échelle du portefeuille et des bâtiments individuels

Les modèles statistiques de demande sont calibrés sur de grands jeux de données. À l'échelle du quartier (des centaines de bâtiments), les erreurs individuelles ont tendance à se compenser, et la demande totale est généralement exacte à ±10–20 %. À l'échelle d'un bâtiment, les erreurs peuvent être bien plus grandes — c'est attendu et ce n'est pas un défaut du modèle.

Pour le dimensionnement du réseau, la puissance de pointe est plus sensible aux erreurs que l'énergie annuelle. Un bâtiment dont l'ERA est surestimée produira une estimation de demande de pointe plus élevée, conduisant à une conduite légèrement surdimensionnée. En pratique, TESSA dimensionne à partir de la pointe agrégée du quartier, de sorte que les valeurs aberrantes isolées ont un effet limité, sauf si elles représentent une part importante de la charge totale.

Améliorer la qualité des données

Pour améliorer la confiance pour des bâtiments précis :

1. Éditer les bâtiments sur la carte — utilisez l'éditeur de bâtiments pour corriger l'ERA, la période de construction ou le type de bâtiment des bâtiments mal classés.
2. Importer un tableau de bâtiments — fournissez vos propres valeurs d'ERA et de demande issues d'audits énergétiques ou de données de comptage. Voir Modèle de données de bâtiments.
3. Utiliser les données OSM — OpenStreetMap peut fournir des emprises et des nombres d'étages lorsque les données du registre sont manquantes. Voir le guide utilisateur sur l'utilisation des données OSM.

Après modification, relancez « Générer les demandes des bâtiments » pour mettre à jour les valeurs de demande et les étiquettes d'origine.

Pour aller plus loin

• Origine des données de bâtiments — d'où TESSA tire les données de bâtiments suisses (RegBL, Swisstopo TLM3D).
• Modèle de demande de chaleur — comment les valeurs de demande fondées sur des archétypes sont calculées.
• Modèle de données de bâtiments — le format pour importer vos propres données de bâtiments.
• Glossaire des variables de bâtiments — toutes les colonnes du tableau des bâtiments, y compris les champs d'origine.