On entend souvent parler de “ville intelligente” comme d’une ville remplie de capteurs connectés et ou l’usage du numérique et des technologies avancées atteint son paroxysme. Pourtant, le vrai critère d’intelligence n’est pas la quantité de technologie déployée, mais la qualité des décisions prises au quotidien. Ces décisions permettent d’investir au bon endroit, au bon moment, réduire le gaspillage sans dégrader le confort, éviter les pannes et anticiper les crises.

Dans une ville, l’énergie est primordiale et concentre tous ces défis. Elle chauffe et rafraîchit les bâtiments, alimente les transports, éclaire l’espace public, fait tourner les services essentiels. Or, les infrastructures énergétiques urbaines sont en pleine mutation : déploiement des pompes à chaleur, généralisation des véhicules électriques, montée en puissance du solaire, multiplication des stockages, nouveaux usages. Les systèmes énergétiques urbains se veulent plus “intelligent” … mais en contrepartie, ils sont plus complexes, interconnectés et difficiles à équilibrer.

Face à cette complexité, une intuition s’impose : on ne peut plus piloter la ville au feeling. Il faut un outil capable de réunir données, modèles et scénarios pour aider à décider. Cet outil, c’est le jumeau numérique.

Une ville intelligente : plus qu’une ville connectée

Une ville intelligente utilise le numérique pour mieux piloter ses services urbains (mobilité, énergie, eau, déchets…) afin d’améliorer la qualité de vie tout en réduisant coûts et impacts environnementaux.

Le numérique permet trois choses essentielles. D’abord mesurer : capteurs, compteurs communicants, météo, données des bâtiments, données réseau. Ensuite analyser : détecter des anomalies, comprendre des tendances, relier des causes à des effets. Enfin (et surtout) décider et agir : ajuster une consigne de chauffage, décaler une recharge, stocker de l’énergie, répartir des flux, prioriser des équipements critiques.

C’est là que beaucoup d’initiatives “smart city” s’arrêtent : on sait mesurer, parfois analyser, mais on peine à passer à l’action de manière robuste. Pour piloter, il faut un outil qui permette de tester avant d’agir, comme on le ferait dans un simulateur… sauf que ce simulateur doit être connecté au réel et mis à jour en continu.

Le jumeau numérique : transformer la donnée en décision

Un jumeau numérique est une représentation virtuelle d’un système réel (bâtiment, quartier, réseau électrique, réseau de chaleur…), alimentée par des données et capable de simuler et prédire son comportement. Il ne s’agit pas d’une maquette statique : c’est un modèle “vivant” qui évolue avec le système qu’il représente.

On peut le comprendre comme une boucle de pilotage qui tourne en continu. Le système réel remonte des données (mesures, états, consommations) qui servent à mettre à jour le jumeau numérique, afin qu’il reste une représentation fidèle du terrain. À partir de ces informations, le jumeau permet de reconstituer l’état actuel du système, y compris lorsque certaines données sont manquantes, bruitées ou arrivent en retard, et de produire une vision cohérente de la situation du moment.

Une fois cet état actuel établi, le jumeau devient un véritable banc d’essai pour la décision : on lui soumet des actions candidates et des scénarios (vague de chaleur, hausse des prix, panne d’un équipement, nouvel événement, évolution des règles). Il prédit alors les conséquences probables de chaque option et calcule des indicateurs pour en quantifier l’impact (coût, émissions, confort, risques, continuité de service). Ces indicateurs permettent de comparer et classer les décisions possibles, de choisir la meilleure selon les objectifs et contraintes, puis de l’implémenter via les équipements : consignes, plannings, commandes. Autrement dit, le jumeau numérique transforme des données brutes en décisions argumentées.

Des bénéfices très concrets : le jumeau numérique appliqué à l’énergie urbaine

Prenons un système énergétique urbain typique : bâtiments publics (écoles, gymnases, piscines), logements, réseau électrique, parfois réseau de chaleur, production locale (solaire), stockage (batteries, ballons d’eau chaude), bornes de recharge, et une liste de contraintes : capacité réseau, confort, maintenance, coûts, règles de sécurité.

Dans un tel contexte, le jumeau numérique est utile à plusieurs niveaux.

1) Anticiper et éviter les pics : Un soir d’hiver, la demande peut exploser : chauffage, cuisson, éclairage, recharge. Le jumeau peut prévoir le pic et recommander des stratégies de lissage : préchauffer certains bâtiments en avance (quand l’énergie est c’est moins carbonée ou moins chère), ralentir ou reporter des recharges non urgentes, stocker de l’énergie excédentaire dans des batteries ou des ballons d’eau chaude, répartir les charges. Résultat : un coût d’énergie plus bas, moins de stress sur le réseau et moins de risques de coupure quand le pic de demande arrive.

2) Optimiser en arbitrant plusieurs objectifs : Dans le réel, on ne cherche pas seulement un minimum économique. On cherche un compromis entre coût, empreinte carbone, confort et continuité de service. Le jumeau rend ces arbitrages explicites, chiffrés, comparables. Il peut aussi tenir compte de règles et des contraintes en vigueur (ne pas descendre sous 19°C dans une école, garantir une priorité de recharge pour des véhicules d’urgence, préserver une marge de sécurité sur un poste, etc..).

3) Tester des politiques avant de les déployer. Avant de décider de mesures telles que “on baisse la consigne d’1°C” ou “on interdit la recharge aux heures de pointe”, une ville peut simuler l’effet sur différents quartiers, types de bâtiments ou populations. On évite les décisions uniformes qui créent de l’injustice ou de l’inconfort.

4) Planifier des investissements avec une logique “preuve par simulation”. Combien de stockage est réellement utile ? Où installer du solaire pour maximiser l’autoconsommation ? Vaut-il mieux isoler un groupe scolaire ou renforcer une portion du réseau ? Quel impact aura la conversion d’une ligne de bus à l’électrique ? Le jumeau numérique sert ici d’outil d’aide à la décision : il permet de comparer des options à coût comparable, avec des indicateurs comparables, et de choisir sur des bases rationnelles.

C’est là que le terme “outil ultime” prend son sens : un même cadre peut aider à la fois à l’opérationnel (court terme) et à la planification (moyen/long terme), au lieu de multiplier des études ponctuelles et des décisions déconnectées.

Les obstacles qui freinent l’adoption des jumeaux numériques

Si les jumeaux numériques ne sont pas encore omniprésents, ce n’est pas par manque d’intérêt, mais parce qu’ils se heurtent à trois freins majeurs.

1) Data : La quantité ne fait pas la qualité : capteurs défaillants, données manquantes, historiques trop courts, référentiels différents. S’y ajoutent des enjeux de gouvernance (partage entre acteurs), d’interopérabilité (faire dialoguer bâtiments, réseaux, IoT, météo, marchés) et de cybersécurité/vie privée.

2) Confiance : Un opérateur n’utilisera pas un jumeau si ses prévisions et recommandations ne sont pas compréhensibles et interprétables, ou si ses limites ne sont pas claires. Un outil de décision doit aussi être un outil de transparence.

3) Rapidité et ressources de calcul : Pour optimiser, il faut tester des milliers de scénarios en un temps compatible avec l’opérationnel. Si les simulations sont trop lentes ou trop coûteuses, le jumeau devient impraticable au quotidien.

C’est là que le choix des modèles montre ses limites : les modèles physiques sont souvent précis et interprétables, mais lourds à calibrer et coûteux en calcul ; à l’inverse, les modèles de Machine Learning (ML) peuvent être très rapides une fois entraînés, mais sont moins interprétables, plus difficiles à faire accepter, et peuvent mal généraliser quand les conditions changent. Dans les deux cas, l’enjeu reste le même : produire des résultats fiables, actionnables, et dignes de confiance.

L’approche hybride : un compromis très prometteur

Une voie de plus en plus solide consiste à combiner connaissance physique et apprentissage automatique. L’idée est simple : utiliser un modèle physique, même simplifié, comme ossature (pour garantir la cohérence et intégrer les contraintes), et utiliser le ML pour accélérer, corriger ou capturer des effets difficiles à modéliser finement.

Cette approche hybride peut prendre plusieurs formes : modèles “Grey-box” (équations + paramètres appris), modèles de substitution (le ML imite un simulateur coûteux pour le rendre ultra rapide), ou encore correction d’erreurs (le ML apprend l’écart entre le modèle physique et le réel). Le résultat est souvent un meilleur équilibre : moins gourmand en données qu’un ML pur, moins coûteux en calcul qu’un modèle physique très détaillé, et plus robuste pour la prise de décision.

Instrumenter ne suffit pas, il faut piloter

La ville intelligente ne se gagnera pas à coups de capteurs supplémentaires. Elle se gagnera quand les villes pourront planifier et opérer leurs infrastructures énergétiques avec une vision claire des compromis : coût, carbone, confort, fiabilité. Dans ce rôle, le jumeau numérique apparaît comme l’outil le plus complet : il relie le réel et le virtuel, le présent et le futur, l’opérationnel et le stratégique.

Si l’on veut accélérer la transition énergétique sans sacrifier la résilience urbaine, l’objectif est clair : passer de villes simplement connectées… à des villes véritablement pilotées. Et c’est exactement ce que promet le jumeau numérique.