Stage de Recherche Machine Learning Modelisation Energetique

**Éléments de contexte** La consommation énergétique des bâtiments dépend de nombreux facteurs (climat, scénarios d’occupation, qualité de l’enveloppe, performance des systèmes, etc.). Ainsi, la simple donnée de la consommation annuelle ne permet pas d’évaluer objectivement la performance d’un bâtiment. Les méthodes de caractérisation de la performance réelle des bâtiments (MPEB) visent à déterminer des indicateurs de performance « intrinsèque » permettant la comparaison entre bâtiments. Parmi eux, le HLC (Heat Loss Coefficient) est un indicateur clé de la performance thermique de l’enveloppe. Depuis les années 2000, l’intérêt pour ces méthodes s’est fortement accru, notamment pour comprendre l’origine du Performance Gap (EPG). Deux grandes familles de méthodes existent: - Les méthodes in situ, nécessitant une instrumentation spécifique et un bâtiment inoccupé (ex : méthode SEREINE développée au CSTB) ; - Les méthodes à distance, exploitant des données accessibles sans intervention sur site (données de consommation, météo, open data, etc.). - Evaluation de la performance de bâtiments ou de parcs immobiliers. - Suivi de rénovations. - Compréhension du performance gap. - Recommandations d’actions d’efficacité énergétique. **Objectifs et contenu du stage**: Le stage portera sur une étude théorique et numérique des méthodes d’évaluation de la performance à distance, à partir d’un jeu de données simulées. L’objectif principal sera d’explorer les apports des données à haute résolution temporelle (horaires) par rapport aux données journalières, notamment pour la détermination du HLC. ** Le travail consistera à**: - Analyser le problème de résolution inverse d’un modèle thermique. - Mettre en œuvre une approche probabiliste (bayésienne). - Etudier l’identifiabilité des modèles à partir de données horaires - Quantifier les incertitudes sur les paramètres identifiés. Le stage débutera en début d'année 2026 pour une durée de 5 à 6 mois. ** Perspectives** **Profil (formations, compétences, expériences )**: **Compétences requises**: - Programmation Python - Analyse de données - Approches statistiques - Approches physiques (modélisation) ** Compétences bonus**: - Connaissances en énergétique du bâtiment - Approches bayésiennes - Problèmes inverses - Etude de séries temporelles **Processus de recrutement**: 1 à 2 entretiens à prévoir (Manager et RH) **Pourquoi nous rejoindre ?**: "CSTB&You, rejoignez-nous et donnez du sens à vos premières expériences en contribuant à garantir la santé et la sécurité des usagers dans les bâtiments. Vos avantages, en tant que stagiaire: - Gratification de stage supérieure au minimum légal (grille selon le diplôme préparé) - Accès à notre dispositif de télétravail pouvant aller jusqu’à 3 jours / semaine. - Accès à notre accord temps de travail pour préserver votre équilibre vie professionnelle / vie privée avec des plages horaires fixes et mobiles. - Cadre de travail : espace de co-working, salle de sport (siège social) clubs sports/loisirs, sites verdoyants avec éco pâturages, - Avantages CSE à partir de 3 mois d’ancienneté (chèques vacances, billetterie,) - Restaurant d’entreprise (siège social) et tickets restaurants (site de région) - Possibilité de poursuivre au CSTB à l’issue de votre stage (embauche, alternance, thèse,) Rejoignez également une entreprise citoyenne et écoresponsable : engagée avec une mission handicap, certifiée ISO 9001 et ISO 50 001, signataire de la Charte de la Diversité, adhérente au club des entreprises engagées et labélisée meilleur employeur HappyIndexTrainees (ChooseMyCompany). Rejoignez aussi un établissement contribuant à la formation et à l'emploi des étudiant(e)s. Chaque année le CSTB accueille et forme : 50 stagiaires, 50 alternant(e)s, 45 thésard(e)s. Alors, CSTB&You ?"