L’IA dans les bâtiments commerciaux : ce que la technologie réussit, là où elle montre ses limites, et ce que cela change pour votre installation

Ces sceptiques n’avaient pas tort d’être prudents. Les premiers déploiements de DDC (Direct Digital Control) ont connu de réelles difficultés de mise en route : des systèmes propriétaires incapables de communiquer entre eux, une programmation nécessitant une expertise spécialisée et une courbe d’apprentissage abrupte pour des techniciens habitués à travailler de leurs mains.

Il a fallu l’adoption de protocoles de communication ouverts ainsi que l’intégration de BACnet, le protocole Building Automation and Control Network, comme norme ASHRAE en 1995 pour que le secteur se normalise et se développe véritablement. Mais finalement, le DDC n’a pas seulement fait ses preuves. Il a permis aux bâtiments de fonctionner d’une manière que la pneumatique n’aurait jamais pu offrir, et les techniciens CVC qui s’y sont adaptés sont devenus plus compétents dans leur travail grâce à cela.

L’IA dans le CVC commercial, c’est la même histoire qui se répète. Le scepticisme est compréhensible. Il est en partie justifié. De nombreux bâtiments au Québec vont commettre des erreurs coûteuses s’ils considèrent l’IA comme un raccourci plutôt que comme une couche qui exige que les bases mécaniques soient d’abord solides.

Chez SMP LebBlanc, nous réalisons des travaux d’équilibrage de l’air, d’essais d’étanchéité des conduits et d’équilibrage hydronique dans des bâtiments commerciaux et institutionnels partout au Québec. Les grands entrepreneurs en mécanique font appel à nous précisément parce que ces travaux de vérification exigent un jugement sur le terrain que les systèmes automatisés ne peuvent remplacer. Voici notre analyse honnête des domaines où l’IA est utile, de ceux où elle ne l’est pas, et des situations où l’expertise humaine reste déterminante, ainsi que de ce que cela signifie pour les propriétaires de bâtiments qui prennent des décisions en ce moment.

Ce que l’IA fait réellement de bien dans les bâtiments commerciaux

Commençons par ce qui est concret et qui fonctionne :

Détection et diagnostic des pannes (FDD)

L’application actuelle la plus performante de l’IA dans le domaine du CVC commercial est la détection et le diagnostic des pannes, une catégorie que le secteur désigne sous le nom de FDD. Les systèmes traditionnels d’automatisation des bâtiments peuvent vous signaler qu’un problème est survenu, généralement après qu’un seuil ait été dépassé et qu’une alarme s’est déclenchée.

Le FDD basé sur l’IA fonctionne différemment : il modélise en continu le comportement normal des équipements CVC, puis signale les écarts avant qu’ils n’atteignent un seuil critique.

Concrètement, cela signifie qu’une dérive progressive du capteur de température de l’eau réfrigérée d’un refroidisseur, une oscillation plus importante que d’habitude d’un caisson VAV, ou une consommation d’ampérage plus élevée du ventilateur d’alimentation d’une centrale de traitement d’air pour un même débit d’air peuvent toutes être détectées avant même qu’un code d’erreur ne se déclenche, et bien avant qu’une panne imprévue ne perturbe les opérations, n’affecte le confort des occupants, ou n’entraîne des coûts de service d’urgence.

Maintenance prédictive

La maintenance prédictive est l’autre domaine dans lequel l’IA donne des résultats concrets. En surveillant en continu le comportement des équipements, les schémas de vibration, les heures de fonctionnement et les signatures énergétiques, ces systèmes peuvent identifier les tendances de dégradation qui indiquent qu’un composant est sur le point de tomber en panne. La logique est solide, et la technologie a suffisamment mûri pour ne plus relever de la spéculation.

Optimisation énergétique

Vient ensuite l’optimisation énergétique. Les plateformes d’IA qui collectent les données des bâtiments sur plusieurs semaines et mois, combinées aux données de prévisions météorologiques et aux schémas d’occupation, peuvent faciliter la prise de décisions plus intelligentes en matière de planification.

• BrainBox AI, une entreprise basée à Montréal qui a déployé sa plateforme dans des bâtiments commerciaux à l’échelle internationale, construit un modèle thermique du bâtiment et ajuste de manière autonome les points de consigne des RTU, des refroidisseurs, des chaudières et des systèmes VAV (volume d’air variable) toutes les 5 minutes.
• Siemens est l’une des entreprises d’automatisation CVC avec lesquelles nous travaillons chez SMP LeBlanc, et l’une de ses plateformes, Building X, adopte une approche de jumeau numérique en faisant fonctionner un modèle virtuel du bâtiment en parallèle avec les systèmes physiques.
• Verdigris utilise l’analyse de la signature électrique pour surveiller la consommation de courant dans les systèmes du bâtiment sans installer de capteurs directement sur les équipements CVC.

Il s’agit d’approches techniques distinctes appliquées à un même enjeu opérationnel, et toutes trois ont fait leurs preuves dans le monde réel.

« La conversation revenait sans cesse sur le temps et sur la manière dont les systèmes intelligents peuvent aider les équipes en réduisant la charge de travail manuelle sans supprimer la supervision humaine. » — Emily Martis, directrice de la gestion des produits chez BrainBox AI, lors du salon AHR Expo 2026

Remarquez la phrase à la fin de cette citation : « sans supprimer la supervision humaine ». C’est la partie de la conversation qui a tendance à être mise de côté dans l’enthousiasme suscité par l’IA. Et c’est important.

L’aspect du débat sur l’IA qui mérite davantage d’attention

C’est ici que les informations se compliquent et méritent d’être bien comprises, surtout si vous êtes propriétaire d’un immeuble ou gestionnaire d’installations et que vous évaluez des outils d’IA pour votre bien immobilier.

Tous les systèmes d’IA utilisés dans les installations CVC commerciales s’appuient sur les données des capteurs. La précision des modèles d’apprentissage automatique dépend entièrement de la qualité des informations reçues, et les capteurs, même ceux qui sont correctement installés, ne sont pas immuables :

• Les capteurs de température subissent une dérive d’étalonnage au fil du temps.
• Les capteurs de débit dans les systèmes hydroniques accumulent des dépôts qui affectent les mesures.
• Les capteurs de pression dans les conduits se décalent.

Lorsque cela se produit progressivement, comme c’est généralement le cas, un système d’IA n’a aucun moyen automatique de savoir que ses données de référence ont changé. Il apprend à partir des données dont il dispose.  Les données peuvent indiquer une image fiable et méthodique d’un bâtiment qui, cependant, ne reflètent plus ce qui se passe réellement à l’intérieur.

Il s’agit d’un défi documenté dans la littérature scientifique sur les systèmes FDD. La dérive des capteurs est systématiquement identifiée comme l’un des principaux modes de défaillance des diagnostics automatisés ; il ne s’agit pas d’une préoccupation hypothétique, mais d’un phénomène observé dans les systèmes déployés. La technologie peut parfois détecter la déviation en recoupant des points de données connexes, mais elle ne la détecte pas de manière fiable à chaque fois.

Il existe également une distinction importante entre ce que l’IA fait bien et ce qu’elle ne peut absolument pas faire. Une observation souvent citée par les professionnels de l’ingénierie énergétique est que l’application de l’IA dans le domaine du CVC nécessite des données propres, calibrées et fiables provenant de systèmes qui n’ont souvent pas été conçus pour les fournir. C’est dans cet écart entre les performances théoriques d’une plateforme et l’état réel du bâtiment dans lequel elle a été déployée que se produisent la plupart des déceptions dans le monde réel.

Et puis il y a ce qu’aucun réseau de capteurs ne parvient actuellement à reproduire de manière rentable. Un technicien ayant passé des années dans des bâtiments commerciaux remarque des choses qui n’apparaissent pas dans un flux de données. Un flux d’air qui semble légèrement anormal dans un couloir. Une différence de température qui ne devrait pas exister entre deux zones adjacentes. Une batterie de chauffage qui semble en bon état sur le système de gestion technique du bâtiment (GTB) mais qui est partiellement encrassée. Ce ne sont pas des observations mystiques. Elles sont le fruit de l’expérience sur le terrain, et elles continuent d’avoir une importance que l’IA n’a pas encore remplacée.

« Pour que l’IA optimise la performance énergétique, le système doit être instrumenté de manière obsessionnelle et parfaite. » — Jeff Ihnen, Michaels Energy

C’est une évaluation honnête de la part d’une société d’ingénierie énergétique. Le principe semble simple, mais la réalité dans la plupart des bâtiments commerciaux existants est plus complexe..

Pourquoi une plus grande efficacité peut paradoxalement entraîner davantage de risques

C’est l’un des aspects les plus contre-intuitifs sur lesquels il vaut la peine de s’attarder un instant. À mesure que les outils d’IA améliorent l’efficacité opérationnelle des systèmes de gestion des bâtiments, ils augmentent également la part des processus qui se déroulent sans surveillance humaine. C’est là tout l’intérêt de l’automatisation. Mais cela signifie aussi que lorsqu’un problème survient, qu’il s’agisse d’un capteur dérivant, d’un paramètre de contrôle mal réglé ou d’un modèle d’IA émettant une recommandation sur la base de données erronées, l’erreur peut persister plus longtemps sans être corrigée.

Le secteur en parle déjà ouvertement. Lors du salon AHR Expo 2026, l’un des thèmes récurrents était que la transparence de l’IA n’est plus une option. Les exploitants de bâtiments et les gestionnaires d’installations doivent non seulement voir ce qu’un système d’IA recommande, mais aussi comprendre pourquoi il formule cette recommandation. Le passage des résultats à l’explicabilité reflète une prise de conscience croissante du fait que la supervision humaine ne peut être passive lorsque des systèmes automatisés prennent en continu des décisions concernant le fonctionnement des bâtiments.

Plus d’automatisation signifie qu’il faut plus de vigilance, pas moins. Un contrôle ponctuel effectué par un humain sur un système fonctionnant manuellement permet de détecter les problèmes au moment même où ils surviennent. Un contrôle ponctuel effectué par un humain sur un système fonctionnant grâce à une automatisation pilotée par l’IA doit vérifier les données sur lesquelles le système s’appuie, la logique qu’il applique, et si ce qu’il fait dans le bâtiment correspond à ce qu’on lui a demandé de faire. Il s’agit d’une tâche de supervision plus exigeante sur le plan technique, et non d’une tâche plus facile.

C’est pourquoi la mise en service, l’équilibrage et la vérification sur site restent des tâches fondamentales, et non des vestiges d’une époque antérieure à l’IA. Ce sont les mécanismes par lesquels les humains confirment que la réalité physique d’un bâtiment correspond à ce sur quoi repose tout système de surveillance, qu’il soit basé sur l’IA ou non.

Les fondements qui rendent toute plateforme de surveillance utile

L’équilibrage de l’air, l’équilibrage de l’eau et les tests d’étanchéité des conduits constituent les trois procédures de vérification sur site qui sont à la base du bon fonctionnement de tout système CVC commercial. Aucune plateforme de surveillance, qu’elle soit basée sur l’IA ou non, ne peut les remplacer.

Un débit d’air qui n’a pas été équilibré selon les spécifications de conception, un débit hydronique qui s’est écarté du débit en gallons par minute (GPM) prévu, un réseau de conduits laissant s’échapper l’air conditionné dans un plénum de plafond avant même qu’il n’atteigne une zone occupée : tant que chacun de ces éléments n’a pas été testé et vérifié physiquement, rien n’apparaît sur un tableau de bord, et l’énergie est consommée de manière invisible jusqu’à ce que quelqu’un remonte à la source du problème. Il faut des outils de terrain étalonnés et quelqu’un qui sait s’en servir pour le détecter.

Chez SMP LeBlanc, nous avons mené à bien ce type de travaux partout au Québec, dans le cadre de projets allant des résidences pour personnes âgées aux salles de spectacle, en passant par des immeubles commerciaux à usage mixte. Nous avons notamment réalisé des travaux d’équilibrage de l’air et de vérification d’étanchéité des conduits à la Maison de retraite de Maniwaki et au Théâtre du Nouveau Monde, ainsi que des travaux d’équilibrage hydraulique au 900 Saint-Jacques.

Les grandes entreprises de mécanique de la province font appel à nous pour ces travaux de vérification, car ils nécessitent une expertise de terrain reconnue.  C’est en assurant cette étape que tout le reste de l’écosystème CVC d’un bâtiment, y compris toute couche de surveillance intelligente, peut fonctionner comme prévu.

Ce que cela signifie si vous gérez un immeuble commercial au Québec

Le point de vue le plus pertinent à l’heure actuelle est que l’IA constitue une couche d’intelligence, et non un substitut à des systèmes mécaniques fonctionnant correctement. Le déploiement de la plateforme BrainBox AI dans un immeuble où la distribution de l’air a été vérifiée, les capteurs calibrés et l’équilibrage hydronique récemment confirmé donnera des résultats différents de ceux obtenus avec la même plateforme déployée dans un immeuble où aucun de ces travaux n’a été effectué. Les deux immeubles disposeront d’un tableau de bord. Mais un seul d’entre eux tirera réellement profit de ce que le tableau de bord affiche.

Avant de vous engager dans une plateforme d’IA ou de bâtiment intelligent, il y a trois questions qu’il vaut la peine de poser directement à tout fournisseur :

• Comment cela s’intègre-t-il à mon infrastructure BMS existante ? Est-ce compatible avec BACnet, ou faut-il du matériel propriétaire ? Quelle est la période d’apprentissage nécessaire avant qu’il puisse formuler des recommandations fiables ?
• De quoi le bâtiment doit-il disposer pour que cela fonctionne comme décrit ? Un fournisseur honnête vous informera des exigences en matière de couverture des capteurs, des attentes en matière d’étalonnage et de l’importance de disposer de références système récemment vérifiées.
• Comment la plateforme justifie-t-elle ses recommandations ? C’est la transparence sur le raisonnement qui sous-tend les modifications des points de consigne et les alertes de maintenance qui rend la supervision basée sur l’IA réellement exploitable pour une équipe de gestion des installations.

Les fournisseurs qui vous apportent une réponse claire à ces questions méritent que l’on s’y attarde davantage.

L’IA dans le domaine du CVC ne constitue pas une perturbation pour le secteur. Il s’agit d’une évolution des outils à la disposition de ceux qui savent déjà ce qu’ils font. Le secteur a déjà intégré des technologies de ce type par le passé, et avec le temps, il intégrera celle-ci également. Les bâtiments qui s’en sortiront bien lors de cette transition seront ceux où les principes fondamentaux de la mécanique n’ont pas été considérés comme facultatifs.