L'énergie la moins chère est celle qu'on ne consomme pas

Chez Roomz depuis 2017, je développe le firmware d'afficheurs e-ink et de capteurs de présence : Zephyr multithread sur Nordic nRF53 et TI CC32xx, Wi-Fi et NFC. Les campagnes de mesure de consommation, au source-mètre et à l'oscilloscope, traquent chaque microampère pour qu'un appareil tienne plusieurs années sur sa pile.

Depuis 2022, j'habite un écoquartier de la Codha, où nous avons la chance de participer aux décisions et à la gestion du bâtiment et de l'association qui le gère. J'y ai lancé un groupe de travail « énergie et thermique » : que peut-on faire pour réduire la consommation du bâtiment tout en augmentant son confort ?

Nous avons sondé les habitants pour baisser la température de chauffe en hiver, et mis en place un monitoring énergétique de l'eau chaude sanitaire, du chauffage et des panneaux solaires.

Pour savoir où part l'énergie, il faut d'abord la voir. J'ai écrit un petit ensemble d'applications qui tournent sur un Raspberry Pi dans l'immeuble. Elles lisent les compteurs de chaleur et d'eau (NeoVac) et les compteurs électriques et solaires (Climkit) des trois bâtiments, les stockent, et les présentent en tableaux de bord. Des alertes préviennent quand quelque chose dérive : un toit solaire qui ne produit plus, une pompe de capteurs thermiques arrêtée, une consommation d'eau qui monte la nuit.

Le flux de chaleur suit l'énergie sur une année : de la chaufferie à bois du quartier et des capteurs solaires thermiques du toit jusqu'aux trois bâtiments, puis vers l'eau chaude, le chauffage au sol et le préchauffage de l'air. Il montre aussi ce qui se perd en route : 11 % de la chaleur produite disparaît dans le réseau enterré avant d'arriver chez nous.

Le toit porte 128 kWc de panneaux solaires. À partir des prévisions météo au quart d'heure (modèle ICON-D2) et de la consommation des jours semblables, l'application prévoit la production et le surplus pour la journée et la semaine, avec une confiance mesurée sur les prévisions passées.

La page « Soleil maintenant » dit en un coup d'œil s'il y a du soleil à partager, et quand : le bon moment pour lancer une lessive, ou pour recharger le van, qui lit cette prévision et ne charge que sur le surplus.

L'« extracteur » pilote les fenêtres en haut des cages d'escalier des trois bâtiments. En été, quand l'air de la nuit est plus frais, calme et sec, il les ouvre automatiquement : la cage d'escalier fait cheminée et sort la chaleur accumulée. Il les referme le matin, ou dès que le vent forcit ou que la pluie arrive, au radar météo ou en prévision.

Des capteurs de température remontent en MQTT, les moteurs sont commandés par des cartes relais Modbus-TCP, et chaque action est journalisée. Le plus gros du travail, ce sont les garde-fous : ne jamais laisser une fenêtre ouverte sous l'orage.

Depuis fin 2025, je découvre graduellement ce que les agents IA apportent au développement embarqué. Au début, je les utilisais surtout pour éditer du code, en contrôlant beaucoup moi-même.

Puis sont venus les tests automatiques, des règles de développement écrites, et la délégation du build et de la programmation des appareils à des sous-agents plus légers. Nous avons aussi construit une base de connaissance, pour que l'agent dispose du maximum de ce qui n'existait que dans nos têtes. Le développement s'est fortement accéléré.

Un exemple : on connecte l'agent, l'appareil à tester et un sniffer Wireshark, on décrit un problème réseau complexe, et l'agent travaille pendant des heures avant de rendre un rapport.

Dernière étape en date : un outil de suivi du parc, qui sait quel appareil est à jour et aide à analyser des problèmes subtils sur certaines installations.

Trois règles tiennent le tout : documenter tout ce qui peut l'être, automatiser tout ce qui peut l'être, relier les outils plutôt que copier les informations. Et tout ce qui est construit pour l'agent sert aussi sans lui.