DataCity : 14 solutions innovantes au service des citoyens

Notre programme DataCity Saison 3, développé par NUMA en partenariat avec la Mairie de Paris, touche à sa fin !

Pendant 9 mois, nous avons nous avons rassemblé 14 équipes d’opérateurs urbains et startups tech autour d’un objectif : tirer le meilleur parti des données pour mieux comprendre et donc agir plus efficacement dans un environnement urbain de plus en plus complexe. Découvrez ces 14 applications concrètes du potentiel offert par la data !

En bref : découvrez le résumé du DemoDay

En détails : Les challenges “Mobilité urbaine”

Challenge Sopra-Steria : Comment connaître l’affluence dans les transports ?

L’affluence dans les transports est un enjeu quotidien pour les voyageurs et les transporteurs. Sopra Steria, leader de la transformation digitale, la Mairie de Paris, SETEC, SUEZ et les startups Affluences et Connecthings ont produit le premier index d’affluence en temps réel dans les transports et par extension dans tout lieu public, afin d’offrir un outil d’aide à la décision précieux pour les voyageurs et les opérateurs de transport.

Dans le cadre de DataCity, l’expérimentation a consisté à agréger plusieurs sources d’information entre elles : géolocalisation par balises beacon, comptage vidéo, comptage par géolocalisation GPS, afin d’obtenir une mesure fiable, avec des dispositifs peu coûteux. Ces mesures d’affluence, historiques et prédictives, sont mises à la disposition des transporteurs, des collectivités ou d’application de calcul d’itinéraires à travers des API.

La zone d’expérimentation a été choisie à l’arrêt « Porte de France » de la ligne 89 de Bus RATP qui a été équipée d’une caméra de comptage et de Beacons. Ces dispositifs nous ont permis de calculer le premier « Index d’Affluence » fiable sur la station. La solution qui permet de visualiser cet indice d’affluence via des applications tierces (Affluences), est consultable par le grand public et disponible pour des clients BtoB sous forme d’API intégrable à leur système d’information (app d’itinéraire) ou mobilisable pour des travaux de recherche sur l’exploitation du réseau. Les prochaines étapes sont : la généralisation de l’algorithme sur l’ensemble du réseau en exploitant l’apprentissage puis affranchissage au maximum des dispositifs les plus coûteux.

Challenge Setec : Comment utiliser la donnée pour prédire la congestion routière?

La congestion est une problématique qui concerne l’ensemble des automobilistes, ainsi que les exploitants routiers. En Ile-de-France, ce sont chaque jour plusieurs centaines de kilomètres de bouchons, d’heures perdues, de pollution induite… Mieux connaître les principes de formation de bouchons, en particulier lors de situations inhabituelles, en dehors des heures de pointe, est en enjeu qui pourrait permettre de limiter les impacts de la congestion : modifications d’itinéraires, heures de départ décalées, fiabilisation des temps de parcours.

La Direction des Routes d’Ile-de-France (DiRIF) et le bureau d’études SETEC ont décidé d’explorer des pistes de solutions en collaboration avec la start-up Quantcube, spécialisée en intelligence artificielle pour des solutions prédictives à l’échelle micro et macro. L’expérimentation a cherché à voir s’il était possible de prévoir des situations de congestion inhabituelles (en dehors des heures de pointe), et plus généralement si des algorithmes pouvaient permettre de façon efficace de prédire le trafic, via le développement d’un modèle prédictif en temps réel à partir de plusieurs sources de données : les données FCD donnant la vitesse des véhicules, mais aussi des données météo, ou encore sur les jours fériés etc. afin de pouvoir anticiper la formation des points de congestion le plus précisément et le plus en amont possible.

Plusieurs algorithmes ont été testés pendant l’expérimentation, ce qui a permis de fournir des indicateurs quant à leur pertinence et leur plus-value, mais aussi les tableaux de comparaison entre les valeurs fournies par les algorithmes comparées à la réalité. Dans les prochaines années, une plus grande utilisation des algorithmes est à prévoir dans l’aide à la gestion du trafic. Les solutions de prédiction sont à affiner, et alimenter de plus de données (relevés météo plus précis, gestion des incidents…). Ce challenge constitue la première brique d’une évolution plus profonde dans les méthodes de travail sur ces thématiques.

Challenge ALD Automotive : Comment optimiser le déplacement des salariés ?

Depuis le 1er janvier 2018, les entreprises de plus de 100 salariés doivent proposer un plan de mobilité afin de réduire leur impact environnemental. Cependant, les décisionnaires sont peu outillés pour réellement comprendre et analyser la manière dont les salariés se déplacent. Comment peuvent-ils proposer des solutions de mobilité sans pouvoir lire les comportements de mobilité et surtout sans pouvoir mesurer l’impact réel des alternatives de déplacements qu’ils mettent en place ?

C’est pour répondre à ce défi que ALD Automotive s’est associé à Sopra Steria, à la Ville de Paris et à la startup Mobileety, plateforme qui agrège l’ensemble des solutions de mobilité publiques et privées afin d’optimiser en temps réel la mobilité des salariés et de favoriser la multimodalité. L’enjeu de l’expérimentation est de développer un outil de pilotage pour aider les RSE à prendre des décisions sur les offres de mobilité qu’ils proposent aux salariés, ainsi qu’à suivre et mesurer l’impact des actions mises en place dans le cadre de leur plan de mobilité.

Pour développer cet outil, près de 400 salariés issus d’ALD Automotive et de Sopra Steria ont été interviewés et ont téléchargé l’application Mobeelity pour permettre à l’équipe d’avoir une base de données solide pour étudier les comportements de mobilité d’une entreprise. Nous avons cherché à savoir, à travers cette expérimentation, si connaître les habitudes de mobilité des collaborateurs permettait de définir un PDE optimisé et personnalisé et d’en déduire de nouveaux modèles de connaissances reproductibles (sélection des données, priorisation des données, etc…). Grâce à ce challenge, nous nous sommes également intéressés à la manière dont les employés pouvaient être mobilisés autour des enjeux de déplacement et estimer le degré de transformation à appliquer.

Cette expérimentation a permis à l’équipe de créer Mobi, un tableau de bord qui permet aux RSE de combler le manque de connaissances sur les profils de mobilité dans le but d’adapter l’offre de mobilité(s) de l’entreprise. L’objectif est d’outiller les responsables mobilités afin qu’ils puissent mesurer l’impact du choix d’une solution de mobilité. Grâce à la solution de Mobeelity, aux connaissances métiers d’ALD et Sopra Steria et à des salariés motivés nous avons prototypé un dashboard qui permet aux décisionnaires en charge des plans de mobilités de prendre les bonnes décisions dans une optique de durabilité et de viabilité.

Challenge DiRIF : Comment reconstituer les données routières grâce à l’IA ?

La Direction des routes d’Ile-de-France (DiRIF) est le service public en charge des autoroutes et routes nationales franciliennes. Pour mener à bien sa mission d’information en temps réel des usagers et pour réaliser ses études techniques visant à fluidifier le trafic, elle s’appuie sur des données de comptage de véhicules recueillies par des capteurs enfouis sous la chaussée. Ces capteurs sont vieillissants et nécessiteraient d’être renouvelés. L’investissement total dépasserait plusieurs dizaines de millions d’euros et peut difficilement être réalisé en totalité au regard des nouvelles sources de données disponibles. La DiRIF dispose d’une grande quantité de données historiques de comptage issues de ses capteurs. Elle dispose également de données de vitesses GPS achetées à coût bien plus faible. Avec l’émergence des technologies du Big Data et de la data science, toutes ces données constituent une nouvelle opportunité que la DiRIF cherche à exploiter pour réaliser sa mission de manière plus efficace.

Le challenge s’inscrit dans cette démarche en visant à étudier la possibilité de capitaliser sur les centaines de millions de données historiques pour développer un algorithme d’intelligence artificielle permettant de prédire les données de comptage et ainsi de compléter les capteurs physiques. La DiRIF, le bureau d’études Setec et la startup Wintics spécialisée en Intelligence Artificielle ont travaillé sur le développement d’un telle solution qui permettrait à la DiRIF de continuer à réaliser ses missions d’information et de fluidification du trafic avec des données de même qualité tout en réalisant sur le plus long terme plusieurs dizaines de millions d’économies. L’algorithme développé par Wintics au cours du challenge est capable de modéliser par intervalle de 6 minutes le nombre de véhicules sur l’ensemble de la zone d’expérimentation (250 kms de voies rapides) avec une précision de 95% tout en utilisant uniquement 20% des capteurs existants.

Élargie à l’ensemble du réseau en Île de France, cette solution permettrait de d’améliorer la disponibilité des données et le niveau de service actuel tout en évitant plusieurs dizaines de millions d’euros en coût de remplacement des capteurs modélisés. La DiRIF travaille déjà avec Wintics sur l’intégration de l’algorithme dans ses systèmes d’informations pour que les données de comptage de véhicules reconstituées puissent être disponibles en temps réel pour les opérateurs et les usagers.

Les challenges “Aménagement urbain & qualité de vie”

Challenge BYES : Comment optimiser l’implantation des bornes de recharge électriques?

Sous l’effet combiné de nouvelles réglementations et d’une prise de conscience écologique croissante, le parc de véhicules électriques parisien devrait être multiplié par 15 d’ici à 2025. En même temps, 20% des Parisiens stationnent leur véhicule (voitures, motos) dans la rue. Il existe donc un besoin important et immédiat d’équipement en bornes de recharge sur voirie pour accompagner et encourager cette transition. Néanmoins, les études techniques et économiques préalables à l’implantation des bornes de recharge sont aujourd’hui très chronophages et ralentissent le déploiement de ces infrastructures.

Bouygues Energies et Services, spécialiste des infrastructures liées aux véhicules électriques, a ainsi souhaité travailler avec la Ville de Paris et des experts en nouvelles mobilités issus de Sopra Steria et d’ALD Automotive pour développer une solution permettant d’automatiser les études d’implantation de bornes de recharge et ainsi en accélérer le déploiement. En partenariat avec la startup Wintics, spécialisée dans l’analyse de données, l’expérimentation avait pour objectif de développer une solution de cartographie interactive proposant les implantations optimales pour des bornes de recharge. L’algorithme sous-jacent identifie les implantations en intégrant de nombreuses données techniques sur les contraintes spatiales de l’espace public et différents indicateurs socio-économiques reflétant le potentiel d’usage des futures bornes.

L’expérimentation a permis de développer un outil capable (i) d’analyser l’occupation des trottoirs (bancs, lampadaires, arbres, etc) et de la bande de stationnement (livraison, Autolib, etc) en fonction de 12 contraintes métiers afin d’identifier les lieux disponibles pour l’installation de bornes de recharge et (ii) de prédire leur potentiel d’usage sur la base de 4 critères socio-économiques (pouvoir d’achat, usage de la voiture, parc de VE existant et sensibilité écologique). Une carte interactive permet de visualiser les meilleures implantations de bornes de recharge. L’outil peut aussi intégrer tous types de contraintes afin de s’adapter à différents équipements urbains (Trilib’, station de véhicules partagés, etc) et ainsi simplifier le travail des responsables de l’aménagement des villes en leur faisant gagner du temps et en répondant mieux aux besoins réels du territoire !

Challenge Cartes bancaires CB : Comment dynamiser l’emploi des commerces ?

https://www.youtube.com/watch?v=bko2Vr-O1T4

Chaque jour à Paris, plus de 3 restaurants sont créés tandis que 6 autres ferment. Avant, la durée de vie d’un restaurant était de 7 ans, aujourd’hui elle est de 2 ans. Pour un nouveau restaurateur, cela veut dire une pression financière accrue, compliquant l’accès au prêt bancaire et renforçant le besoin de prédiction de l’activité commerciale. Cartes Bancaires CB, 1ère marque de paiement en France (80% des encaissements dans la restauration) et la Ville de Paris ont choisi de collaborer avec DreamQuark, startup élue fintech de l’année spécialisée en développement de plateforme pour permettre aux services financiers d’utiliser un modèle de deep learning. Ensemble, ils ont développé un modèle de prédiction de l’activité des commerçants pour les aider à anticiper leur activité commerciale, dès le 1er mois. Le but de cette API sera d’offrir un outil d’aide à la décision aux nouveaux restaurateurs pour les aider à gérer au mieux leurs ressources, renforçant ainsi leur business.

Durant les 2 mois d’expérimentation, ils ont croisé les données de paiement CB avec des données externes influençant l’activité des commerces et développé un premier modèle prédisant les pics d’activité des restaurants avec plus de 80% de fiabilité. La startup Dreamquark a développé avec CB un outil d’aide à la décision, basé sur modèle prédictif des données exclusives et anonymisées de CB, augmentées de données externes influençant les commerces de quartier. La solution Irma permet aux commerçants d’anticiper leur activité commerciale et leurs besoins en ressources, grâce à un tableau de bord représentant les fluctuations de paiements, réservations et ressources dédiées. A terme, l’API a vocation à facilement s’intégrer à l’univers du commerçant.

Challenge BNP Paribas : Comment optimiser l’implantation des commerces locaux ?

Les petits commerces sont le fondement de l’animation et du lien social à l’échelle locale. Pour une ville, ce dynamisme commercial est un enjeu majeur, tant en termes d’emplois que d’attractivité.Toutefois, monter un commerce représente un vrai défi. Aujourd’hui, un tiers des commerces ferment avant leur 3e anniversaire et bien souvent, la raison de cet échec tient à un mauvais emplacement. Il s’agit donc de mieux accompagner les petits commerces dans leurs choix d’implantation afin qu’ils trouvent l’endroit le plus adapté à leur activité.

Le groupe BNP Paribas et la Ville de Paris, dont le rôle est d’accompagner les commerçants dans la réussite de leurs projets, s’engagent aux côtés de la startup MyTraffic, spécialiste des données de fréquentation et de la stratégie d’implantation des points de vente. L’objectif de l’expérimentation est d’utiliser les données liées aux modes de consommation d’un quartier afin de développer un outil d’aide à la décision à destination des commerçants, leur permettant de mieux choisir leur lieu d’implantation, selon des critères pertinents et des indices fiabilisés.

Ainsi, l’expérimentation souhaitait valider, dans un premier temps, que la recherche d’un nouvel emplacement est, effectivement, un processus long et pénible pour les commerçants qui ne disposent pas d’un accompagnement adéquat à ce jour. Il s’agissait ensuite à vérifier que le choix d’emplacement est un élément-clé dans la réussite d’un commerce. Une fois le besoin confirmé, l’expérimentation a consisté à définir les critères de définition d’un bon emplacement au regard de l’activité envisagée et à l’analyse des données nécessaires pour intégrer ces indicateurs à un service de recherche en ligne. L’expérimentation a permis d’établir le prototype d’un module de recherche en ligne simple, synthétique et didactique, à destination des commerçants à la recherche d’un nouvel emplacement, intégrant :

  • Une dizaine de critères de recherche (proximité de certaines enseignes, de certains équipements comme les points d’intérêt ou les transports en commun, le profil des clients cibles, etc.)
  • Un algorithme de recherche,
  • Une data pré-visualuation de résultats au niveau de la zone de recherche (ville),
  • Un set de données détaillées sur le quartier ciblé (le 19e arrondissement).

Challenge BNP Paribas : Comment améliorer l’accessibilité des villes ?

Aujourd’hui en France, trouver des endroits où sortir et des itinéraires adaptés relève souvent du jeu de piste pour les plus de 12 millions de personnes handicapées et leur entourage. BNP Paribas Real Estate et la Ville de Paris ont décidé de s’associer à la startup WEGOTO afin de développer un calculateur d’itinéraire adapté aux différents besoins de mobilité des personnes en situation handicapante. WEGOTO a analysé et intégré de nombreux jeux de données mis à disposition par la Ville de Paris et par la BNPP tels que les données de chantier, les obstacles sur trottoirs, les équipements ERP, les feux sonorisés… afin de proposer les itinéraires les plus adaptés possibles. L’application doit permettre une préparation d’itinéraire et un guidage adapté à la fois au handicap mais aussi aux priorités de chaque personne souhaitant se déplacer.

La startup WEGOTO a développé, grâce aux données de la mairie de Paris et de la BNP Paris Real Estate, une application permettant de trouver des destinations et des itinéraires adaptés à son profil, quelque ce soit son handicap et ses besoin de mobilité. L’interface permet à la fois d’avoir un guidage en temps réel prenant en compte les obstacles mais aussi d’avoir connaissance des lieux de destination accessibles. Cette application, pourra offrir une plus grande autonomie des personnes en situation de handicap et donc un gain d’usage au niveau des transports en communs, ainsi qu’une désaturation des certains services (exemple service PAM75).

Challenge EVESA : Comment proposer des parcours sportifs personnalisés ?

Aujourd’hui, plus d’un Parisien sur 4 pratique la course à pied avec des attentes de plus en plus fortes en terme de qualité de parcours. Cependant, leurs parcours ne sont pas optimisés pour leur permettre de profiter au maximum de cette expérience de course. Les quartiers à découvrir, le dénivelé, les points d’eau, les agrès sportifs déployés sur l’espace public, les horaires des parcs, l’éclairage, les travaux, ou encore la pollution représentent autant d’éléments pour préparer des parcours sportif plus sûrs et plus sains. Evesa et la Ville de Paris ont collaboré avec la startup Runnin’city, offrant des parcours de course éditorialisés autour de points touristiques et Pollutrack, dispositif pour mesurer la pollution rue par rue à Paris.

La startup Runnin’City a intégré en temps réel les données d’éclairage public et de qualité de l’air de Paris dans son application pour smartphone répondant au besoin de personnalisation des parcours par les coureurs. Ils offrent des parcours à moins d’un kilomètre de chaque parisien prenant en compte les parcs, les aires de fitness et les fontaines à eau. Les coureurs peuvent ainsi choisir les parcours les plus adaptés à leurs envies et leur capacités. Ces nouveaux parcours ont notamment été créés en fonction de la qualité de l‘air, et avertissent l’utilisateur en cas d’alertes pollution ou de travaux sur la voie publique.

La startup Runnin’City a développé plus de 40 parcours sportifs à Paris en intégrant les nouveaux critères et fonctionnalités envisagés lors de l’expérimentation. Parmi eux, les données d’EVESA sur l’éclairage et l’apport en Open Data sur les points d’eau, agrès, travaux, mise en place d’un système d’indication de la qualité de l’air. Les parcours sont mis à jour en temps réel en prenant en compte la qualité de l’air, indice fourni par Pollutrack, les travaux et les horaires d’ouverture des parcs. Il est possible de filtrer sur la distance, le dénivelé et la présence ou non d’agrès sur le parcours. On peut également trier les parcours proposés suivant différents critères. La solution est fonctionnelle et disponible au grand public.

Challenge SNCF G&C : Comment réduire le temps d’indisponibilité des escalators ?

La gare est le point d’entrée du système ferroviaire. Avant de monter dans le train, les voyageurs empruntent presque toujours des escalators, équipement essentiel à la fluidité des parcours. Leur disponibilité est donc essentielle pour faciliter le voyage et éviter les attroupements sur les quais. Il s’agit alors de garantir un taux de disponibilité des escalators permettant un cheminement sans contraintes en gare, selon les objectifs fixés par les autorités organisatrices du transport comme Ile de France Mobilité. La SNCF Gares & Connexions et Bouygues Energies et Services ont choisi de travailler avec Fieldbox.ai, startup spécialisée en implémentation de l’intelligence artificielle dans le domaine industriek pour tenter de valider qu’il est possible d’outiller un escalier mécanique de capteurs pour surveiller ses paramètres de “santé” en temps réel.

Le challenge consiste, dans un premier temps, à vérifier que les périmètres sélectionnés sont pertinents pour comprendre l’état de fonctionnement d’un escalator (jeux entre les marches, défilement de la main courante, température de l’armoire de commande, température et vibration moteur, vibration de la chaîne de treuil, vibration de l’arbre principal, vibration des chaînes de marches, vibration des chaînes de crosses, intensité alimentation moteur). Après installation des capteurs, il s’agit de réussir à corréler l’observation de ces critères et le constat d’une panne effective afin de développer un système de maintenance prédictive. La solution développée doit pouvoir alors alerter les techniciens et mainteneurs de probables pannes à venir et améloorer tant la gestion des stocks de pièces de remplacement que la définition des plans de maintenance. Dans le cadre de l’expérimentation, un dispositif de captation de données hétérogènes interrogeables à distance à été livré. Une instance du logiciel FieldBox.ai en version cloud a été déployée et configurée pour les besoins du projet. Un tableau de bord opérationnel permet de visualiser les résultats. De premiers résultats d’analyse de relations entre les différents critères permettent de tracer une voie vers la mise en oeuvre d’un modèle prédictif des pannes et de recommandation d’interventions.

Les challenges “Énergie & Environnement”

Challenge Engie : Comment optimiser les comportements énergétiques ?

Chauffer et climatiser les bâtiments représente l’essentiel de la consommation énergétique des immeubles tertiaires. Ils consomment souvent plus d’énergie que nécessaire, soit pour des raisons structurelles liées à leur conception et leur construction, soit par une exploitation perfectible des systèmes énergétiques, ou encore par des comportements inattentifs. Cette sur-consommation impacte la facture énergétique des occupants et provoque des émissions supplémentaires de gaz à effet de serre. Optimiser la consommation d’énergie des bâtiments tertiaires est donc un enjeu à la fois économique et écologique. Face à cette problématique, Engie, via ses filiales Climespace, CPCU, ENGIE Lab CRIGEN et en partenariat avec GRDF, la Mairie de Paris et la BNP REPM a choisi de collaborer avec la startup Openergy dans le cadre du programme DataCity de NUMA.

La solution mise en œuvre permet une analyse des consommations des bâtiments tertiaires, en fonction de multiples critères dont leur usage, les caractéristiques du bâti et la température extérieure. Le but est de réaliser un audit à grande échelle, sans visite sur site, et de le comparer à des données suffisamment qualifiées permettant de disposer de profils de consommation de référence par bâtiment. L’objet de l’algorithme développé par Openergy est d’analyser la donnée infra-horaire afin d’en déduire les caractéristiques réelles du bâtiment (températures, plannings de régulation, caractéristiques bâti…). Openergy pourra alors détecter les dérives, et injecter les caractéristiques théoriques du bâtiment dans son modèle pour quantifier le gain potentiel.

L’outil développé par Openergy permet ainsi à ENGIE et aux gestionnaires de bâtiments d’identifier les anomalies et de proposer des modifications des comportements et de l’exploitation, réduisant ainsi leur consommation énergétique. La solution effective développée est une plateforme en ligne d’aide à la décision. Le premier écran est une visualisation de l’ensemble du patrimoine permettant d’identifier les bâtiments et les gisements d’économies d’énergie possibles. Le second écran est une visualisation ciblée bâtiment par bâtiment avec une segmentation des postes consommateurs, la courbe de charge mensuelle et le planning de consommation du site, ainsi que les préconisations majeures pour optimiser la performance du bâtiment.

Challenge SUEZ : Comment faciliter le réemploi d’objets encombrants ?

Les usagers peuvent faire appel aux services de la ville pour venir récupérer leurs objets encombrants. Actuellement, la Ville de Paris reçoit plus de 2000 demandes de rendez-vous par jour. Les villes souhaitent optimiser les coûts de la gestion des déchets et diminuer la quantité de déchets produite. Le réemploi permet de donner une seconde vie aux objets et d’éviter de les jeter via les services de la ville. La Mairie de Paris et SUEZ ont choisi de collaborer avec la start-up Co-Recyclage. Entreprise de l’économie sociale et solidaire, Co-Recyclage met en relation des particuliers, des entreprises et des associations du territoire souhaitant donner ou récupérer gratuitement divers objets.

Dans le cadre de cette démarche, l’idée est de proposer une option alternative aux Parisiens qui déposent leurs encombrants. Accessible depuis le site de demande de collecte des encombrants de la Mairie de Paris, la plateforme Paris-Réemploi les met facilement en relation les usagers avec des particuliers, des ressourceries et autres acteurs du réemploi, pour qu’ils puissent donner une seconde vie à leurs objets encore en bon état ou pouvant servir à d’autres. Pour l’usager, il s’agit de simplifier les démarches pour proposer un encombrant ou un matériau réutilisable et éviter de le jeter en facilitant l’accès aux acteurs du réemploi et en favorisant le lien social à l’échelle du quartier. Pour la collectivité, ce challenge est l’opportunité de limiter la présence des encombrants sur les trottoirs ainsi que le volume de déchets à traiter en favorisant le réemploi.

La solution développée est une interface permettant aux usagers de décrire le ou les objets qu’ils jugent réemployables et qu’ils souhaitent proposer aux acteurs du réemploi ou aux particuliers. Cette interface sera accessible depuis le site de la Mairie de Paris. Elle explique la démarche et invite les usagers qui jugent que leur objet peut encore servir à l’utiliser. Nous avons également développé le lien entre la plateforme Co-Recyclage et le service de prise de rendez-vous encombrants de la Mairie de Paris, afin de créer une demande générée automatiquement si un objet ne trouve pas preneur. Les résultats seront appréciés au vu d’indicateurs prédéterminés ainsi qu’un questionnaire qualitatif réalisé auprès des usagers du service.

Challenge SUEZ : Comment faciliter le réemploi sur les chantiers ?

Le BTP est le premier consommateur de matières premières en France et également le premier producteur de déchets avec 260 millions de tonnes. Dans le bâtiment, ce sont 38 millions de tonnes qui sont valorisés à 50% dont 10 millions de tonnes provenant du second oeuvre valorisés à 35%. La directive européenne sur les déchets a fixé un objectif de 70% de valorisation pour les déchets du BTP. Cet objectif a été repris par la loi de transition énergétique en 2015.

Le groupe Suez, la Mairie de Paris, l’AREP et Setec se sont associés à la startup Backacia pour proposer ensemble une nouvelle solution. L’échelle de Lansink établit un ordre de préférence du traitement optimal des déchets. Elle commence par la valorisation la plus vertueuse et se termine par le traitement le moins écologique. Le réemploi étant en seconde position après la prévention, il était donc évident de lancer une réflexion sur le sujet, tout en sachant que certains produits ne peuvent être recyclés et que le réemploi est une solution. L’expérimentation a permis de valider l’existence d’un écosystème de proximité pour le réemploi, de commencer à amener la maîtrise d’ouvrage à faire du réemploi mais aussi de tester la faisabilité technique et économique de la solution. Le challenge nous a permis de réfléchir à la manière de maximiser la rentabilité d’une déconstruction sélective. L’objectif était de réussir à trouver des filières de valorisation ou réemploi proches, pérennes et transposables sur le chantier. En un mot, cette expérimentation nous a permis de rencontrer des acteurs filières et de valider leurs besoins.

L’expérimentation a permis de co-développer un service qui permet au décideur d’évaluer le potentiel de réemploi de son chantier et d’être accompagné dans sa mise en oeuvre au sein d’opérations de déconstruction et de rénovation. La solution s’adresse aux maîtres d’ouvrages qui sont les donneurs d’ordres et donc les décisionnaires. C’est grâce à une collaboration de tous les acteurs que cette méthode “valorisation déchet “ a pu être mise en place afin de faciliter pour nos clients la prise de décision en matière de réemploi sur leurs chantiers.

Challenge Sopra Steria : Comment mieux consommer l’énergie renouvelable ?

Le déploiement des énergies renouvelables est une nécessité pour lutter contre le changement climatique et l’essor de nouvelles communautés mixtes (logement, commerces, bureaux, établissements publics…) produisant localement une énergie verte est maintenant possible grâce à la loi sur la transition énergétique. Le frein au développement massif de ces quartiers durables vient de la difficulté à partager entre tous les bénéfices de ces énergies vertes en fonction de leur consommation réelle au sein de l’éco-quartier. L’éco-quartier McDonald dans le 19ème arrondissement de Paris représente un parfait exemple de nouvelles communautés mixtes avec plus de 1700 logements, 28 000m2 de bureaux, 40 000m2 de commerces, un collège, une école, une crèche et un gymnase.

Le premier objectif du challenge était de réussir à modéliser l’empreinte énergétique du quartier en fonction de la consommation de chacun des usages, de la période de l’année et ceux avec des données relevées toutes les heures.

Le deuxième objectif du challenge était de simuler la production d’énergie électrique dans le cas où les surfaces de toit étaient équipées de panneaux photovoltaïques, d’estimer quelle part de la consommation du quartier ces panneaux photovoltaïques couvriraient, d’identifier à quels usages en bénéficieraient le plus et de déterminer des clés d’allocation de cette énergie en fonction des apports de chacun des acteurs.

Enfin, le challenge visait à offrir une plus grande transparence des hypothèses techniques, écologiques et économiques du projet de développement de panneaux photovoltaïques aux différents acteurs du quartier (gestionnaires de bâtiments, donneur d’ordre, syndic, bailleurs et foncières, occupants). Le prototype consiste en un outil de simulation permettant de répartir, via une clé de répartition, la valeur économique ou environnementale associée à l’énergie solaire aux différents consomm’acteurs du quartier.

L’outil inclut plusieurs clefs de répartition selon que l’on veuille une répartition équitable en énergie ou une répartition équitable du point de vue des économies générées pour les consomm’acteurs. Pour le quartier de McDonald, en couvrant l’ensemble de la surface disponible, cela représente une couverture de 20% des besoins en énergie du quartier par une énergie verte et locale répartie. Les clefs de répartition permettent de distribuer les bénéfices du solaire de manière équitable à ceux qui le consomment réellement.

Vous souhaitez rejoindre la Saison 4 du programme DataCity ? Contactez-nous !