Partager :
Le logiciel de Machine Learning de la start-up Octopus Lab aide à penser la ventilation d’un bâtiment. Et ce, avant même sa construction. Par ailleurs, elle propose une fonction de maintenance prédictive de la qualité de l’air pour piloter la ventilation selon le taux de pollution.
Indalo Supervision montre la qualité de l’air d’un bâtiment selon les différentes concentrations de pollutions, par source et par pièce. © Octopus Lab
Le besoin de la qualité de l’air intérieur (QAI) pour la santé des salariés n’est plus à prouver. D’où l’importance d’instaurer une ventilation maîtrisée des bâtiments. À cet égard, la start-up Octopus Lab a récemment mis au point une solution à regarder de près. Baptisée Indalo Supervision, celle-ci simule, grâce à un logiciel, la QAI d’un bâtiment. Le but étant d’en optimiser sa ventilation avant même la construction de l’édifice. Une fois l’immeuble bâti, elle permet d’anticiper les pics de pollution pour mieux paramétrer la ventilation. Grâce à cette innovation, la jeune pousse figure parmi les finalistes au prix EDF Pulse 2020.
Anticiper la pollution
Concrètement, Indalo Supervision se destine au marché du Smart Building. C’est un outil d’aide les bureaux d’études dans leurs choix de matériaux et de ventilation en phase conception ou de rénovation.
Une vaste base de données
Pour cela, la solution qui intègre désormais Revit, le logiciel de conception en BIM d’Autodesk, exploite une vaste base de données. Installée dans le Cloud, celle-ci référence un millier de polluants ainsi que les informations relatives aux émissions des matériaux dans l’air intérieur. À cet égard, la start-up a passé des accords avec des industriels pour obtenir des informations précises sur les composés des produits.
Une fonction de maintenance prédictive
Qui plus est, la solution propose une offre de maintenance prédictive de la qualité de l’air pour les bâtiments existants. De quoi anticiper sur plusieurs jours les épisodes de pollution. Comme le CO2 lié à une trop forte occupation des locaux, les particules fines venues de l’extérieur, les NOx. Ou l’ozone, voire les composés organiques volatils…
Des capteurs dans le bâtiment
Pour cela, la solution exploite des capteurs de qualité de l’air installés dans le bâtiment. Grâce à un algorithme de Machine Learning, elle analyse les données issues des capteurs pour prédire la pollution à venir. Outre la QAI, le système intègre des paramètres de conditions météorologiques.
Des consignes de pilotage de la ventilation
En fonction des résultats, le logiciel va transmettre des consignes de pilotage de la ventilation. De plus, une alerte peut se déclencher en cas d’incident. Comme un pic de pollution ou un dysfonctionnement du système. Par exemple du fait d’une saturation des filtres ou de défauts de débits…
Production de diagrammes
Grâce à ces informations, le logiciel simule sur une semaine les variations de la pollution selon chaque pièce. Il propose également des diagrammes en fonction des différentes sources de polluants. Ou d’identifier les objets à l’origine des émissions des COV.
Vers des rapports automatisés
Récemment, Octopus Lab, créée en 2017, a réalisé un tour de table de 350 000 euros. Et ce, auprès des fonds régionaux Nord Création et Nord France Amorçage ainsi que de Business Angels privés. Bientôt, elle envisage de réaliser des rapports automatisés pour les maîtres d’œuvre ou les assistants à maîtrise d’ouvrage (AMO). De quoi les aider dans leur demande d’obtention de labels ou de certifications tels que Breeam, HQE ou Well.
Ségolène Kahn
Commentez