Jean-Simon Venne, Co-Fondateur et CTO de BrainBox AI – Série d’entretiens

BrainBox AI utilise une technologie d’intelligence artificielle auto-adaptative pour optimiser de manière proactive la consommation d’énergie de l’un des plus grands contributeurs au changement climatique : les bâtiments. Le moteur d’IA prend en charge un bâtiment autonome qui ne nécessite aucune intervention humaine.

Jean-Simon Venne est le Co-Fondateur et CTO de BrainBox AI.

Qu’est-ce qui vous a inspiré à lancer BrainBox AI ?

Mon parcours dans la technologie de chauffage, de ventilation et de climatisation (HVAC) a commencé alors que je travaillais sur des projets d’efficacité énergétique en Amérique du Nord et en Europe. Au cours de cette période, j’ai eu affaire à la technologie dans de nombreux bâtiments de différentes tailles et utilisations, allant des hôtels aux centres de données. Il m’est rapidement apparu que les approches de commissionnement continu généreraient des économies d’énergie constantes, mais nécessiteraient des investissements importants en capital financier et humain. C’est pourquoi j’ai cherché à trouver un moyen d’ingénierie pour développer une approche de commissionnement basée sur l’IA qui pourrait fournir une nouvelle solution de HVAC plus durable, en utilisant efficacement la technologie du bâtiment pour maximiser les économies tout en minimisant les désagréments pour les occupants. Le produit final de ce parcours a été BrainBox AI, une solution qui est à la fois peu coûteuse et nécessite peu de capital humain.

Quelle est la complexité du processus de rénovation d’un bâtiment existant avec BrainBox AI ?

BrainBox AI est probablement l’une des solutions les plus simples à installer dans l’espace de l’optimisation du HVAC ou de l’automatisation des bâtiments. En fait, nous n’appelons même pas notre installation une rénovation. Le processus d’installation prend environ 2-3 heures et la mise en œuvre du projet nécessite environ 10 heures du temps du personnel du propriétaire du bâtiment. Après cette installation, une période d’apprentissage de l’IA de 6-8 semaines a lieu. Ensuite, le moteur d’IA est prêt à contrôler le bâtiment en fonction du profil énergétique unique du bâtiment qu’il a développé.

Pouvez-vous nous expliquer comment BrainBox AI utilise l’apprentissage automatique pour réduire la consommation d’énergie et améliorer le confort des occupants du bâtiment ?

Notre solution combine des équations d’énergie développées pour chaque profil énergétique de bâtiment unique avec un apprentissage profond et des données de série chronologique pour calculer comment chaque zone réagira aux conditions changeantes (par exemple, la météo) au fil du temps. Plus précisément, nos réseaux de neurones d’apprentissage profond peuvent prédire l’état d’une zone dans un bâtiment dans 5 minutes, 10 minutes, 3 heures et 6 heures avec une précision de 99,6 %. En fait, même à 300 heures, notre moteur d’IA fait encore des prédictions avec une précision étonnante. À partir de ces prédictions, notre moteur d’IA détermine la meilleure façon de gérer le flux d’énergie pour chaque zone de votre bâtiment en garantissant les plus grandes économies d’énergie et le confort des occupants.

Quel type d’économies d’énergie pouvons-nous espérer ?

BrainBox AI peut réduire le coût total de l’énergie d’un bâtiment de jusqu’à 25 %, ayant un impact significatif non seulement sur le résultat net du propriétaire du bâtiment, mais également sur l’empreinte carbone de son bâtiment.

Quels sont quelques exemples de points de données qui sont collectés ?

Nous utilisons les données existantes des systèmes de bâtiment (tels que les systèmes de gestion de bâtiment, les systèmes de contrôle d’accès ou les capteurs) ainsi que des sources tierces (telles que la météo et l’occupation) pour prendre des décisions. Un des principaux avantages de BrainBox AI est que nous n’utilisons que les données actuellement disponibles dans votre bâtiment. Vous n’avez pas besoin de déployer d’équipements ou de capteurs supplémentaires pour que BrainBox AI fonctionne.

BrainBox AI utilise l’apprentissage profond pour optimiser l’efficacité énergétique. Combien de temps les données doivent-elles être collectées et analysées avant que des gains d’efficacité énergétique soient visibles ?

L’IA nécessite une période d’apprentissage minimale de 6-8 semaines, pendant laquelle elle collectera toutes les données nécessaires.

Avec un tel bénéfice positif sur le changement climatique, BrainBox AI ou ses clients ont-ils pu bénéficier de crédits d’impôt, de la part de la province de Québec ou du gouvernement fédéral du Canada ? Si ce n’est pas le cas, pensez-vous que cela pourrait être une possibilité à l’avenir ?

Nous avons bénéficié de crédits d’impôt pour la recherche et le développement et nous espérons nous engager davantage avec les gouvernements provinciaux et fédéraux à l’avenir.

En novembre 2019, BrainBox AI a annoncé son entrée dans le MaRS Discovery District, le plus grand hub d’innovation urbaine en Amérique du Nord. Comment cette expérience a-t-elle bénéficié à BrainBox AI ?

Le MaRS Discovery District est un excellent partenaire qui soutient BrainBox AI dans ses efforts de commercialisation et de promotion. MaRS a soutenu BrainBox AI de nombreuses manières, notamment en participant à des événements internationaux sur la durabilité et la CleanTech, en nous nommant l’une des meilleures entreprises canadiennes de CleanTech, en faisant du lobbying à différents niveaux de gouvernement, en organisant des événements médiatiques et bien plus encore. En général, MaRS a été un solide défenseur des start-ups de CleanTech pour nous.

Qu’est-ce que vous voyez comme l’évolution future de l’IA dans l’optimisation du HVAC ?

À l’avenir, il y aura plusieurs nouvelles innovations qui seront apportées au marché du HVAC grâce à l’IA, telles que la détection précoce des défauts, le déplacement automatique de charge et, finalement, de nouvelles plateformes technologiques utilisant l’intelligence de swarm pour l’optimisation du réseau énergétique.

Avez-vous autre chose à partager sur BrainBox AI ?

Nous sommes très fiers de travailler avec des institutions de recherche incroyables pour soutenir le développement de nos modèles d’IA. BrainBox AI travaille en collaboration avec le Laboratoire national d’énergie renouvelable (NREL) du département de l’Énergie des États-Unis, l’Institut de valorisation des données (IVADO) ainsi qu’avec des institutions éducatives, notamment l’Université McGill et l’École de technologie supérieure (ETS) de Montréal.

C’est une approche très unique pour lutter contre le changement climatique. Pour tout ceux qui souhaitent en savoir plus, veuillez visiter BrainBox AI.