Pimp my roof

Pimp my roof Contexte L’énergie solaire en France est loin d’atteindre son potentiel. Pour s’en convaincre il suffit de regarder comment cela se passe chez nos voisins européens, à commencer par l’Allemagne. Si Outre­Rhin, 6,8% de l’énergie produite vient du solaire, nous atteignons à peine 1,4%. De plus si nous regardons l’évolution de la tendance, nous remarquons la vitesse de croissance chute. Source: RTE Pour remédier à cela et relancer la filière solaire en France, nous souhaitons aider les entreprises chargées de la pose des panneaux solaires à trouver de nouveaux prospects. Ces derniers se décomposent en deux catégories: ● Les particuliers: ils vendent leur éxcédent de production au réseau à des tarifs gonflés par les politiques en vigueur. Leur intérêt est de maximiser la production. Pour cela les toits les plus performants sont ceux orientés plein sud. ● Les professionnels, principalement agriculteurs et industriels. Ils sont davantage dans une démarche d’autoconsommation et cherchent donc à avoir une production lisse sur la journée. On cherchera alors des toits orientés est­ouest. Les acteurs de ce domaines sont majoritairement de petites structures qui ont du mal à financer des campagnes de prospects à grande échelle, de plus les toits avec le plus de potentiels sont souvent ceux qui sont également les plus isolés. Ainsi, les ventes diminuent alors qu’il existe un gisement important de projets. Produit Détection automatique du potentiel énergétique Nous souhaitons développer un produit qui, à partir d’images satellite, évaluera automatiquement le potentiel des prospects. Pour cela nous pourrons nous appuyer sur un projet porté par Etalab: OpenSolarMap1 . Cette carte détecte les toits et détermine leur orientation et leur surface à l’aide d’un réseau de neurones. Toutes les données seront bientôt incorporées à OpenStreetMap pour une utilisation facilitée. En plus de cela, nous pouvons croiser ces données avec d’autres métriques nous permettant d’estimer le potentiel énergétique du toit. En premier lieu, l’irradiation dûe à l’ensoleillement du lieu qui est disponible sur PVGIS solar radiation data set2. Ce jeu de 2
données découpe le territoire en carrés de 1km​
et donne, pour chaque zone, l’irradiation moyenne sur un an. En plus de cela nous devons prendre en compte l’altitude, que nous pouvons obtenir sur OpenStreetMap. Très rapidement nous aimerions également ajouter de nouvelles variables telles de l’inclinaison du toit ou encore l’étude de ses alentours direct afin d’améliorer la prédiction. Nous pourrions les obtenir en approfondissant le travail effectué par OpenSolarMap et en examinant à nouveau les images satellite avec un nouveau réseau de neurones fonctionnant sur le même principe. Qualité du prospect La qualité d’un toit ne se résume pas à ces caractéritiques mais également à sa cohérence avec la situation du propriétaire. Pour cela nous pouvons compter sur les données de l’INSEE qui nous donnent des informations sur une granualirité de 2000 personnes (IRIS). Cela nous permet d’avoir davantage d’informations à propos de la structure. Par exemple en ayant une idée de l’année de construction nous pouvons estimer les coûts d’installation, ces coûts étant directement liés au type de matériaux utilisé. En plus de cela nous y trouvons également des informations sur le profil socio­démographique des habitants. Connaître leur pouvoir d’achat ou savoir s’ils sont installés depuis longtemps nous permet de déduire leur propension à l’achat. Si dans un premier temps, nous allons devoir sélectionner des variables, assez vite nous utiliserons un modèle de sélection de features. Ce dernier peut fonctionner à partir du moment où nous avons des retours sur nos scores à partir desquels il pourra détecter lui­même quelles sont les variables les plus pertinentes. Ainsi nous pourrons tester les plus de 1000 variables reseignées au niveau IRIS qui sont extraites des bases INSEE par l’application open moulinette3. ​
https://www.data.gouv.fr/en/reuses/opensolarmap/ ​
http://re.jrc.ec.europa.eu/pvgis/download/solar_radiation_classic_laea_download.html 3
​
https://github.com/anthill/open­moulinette 1
2
Base de prospect Une fois que nous avons évalué ces deux critères, nous les agrégeons pour assigner un score à chaque toit. La base de prospects scorés que nous allons constituer sera notre produit. Business model Marché Pour analyser la concurrence, présentons deux acteurs du marchés. Tout d’abord In Sun We Trust4 . Cette start­up française cherche à évaluer le potentiel énergétique du toit d’un particulier en lui demandant de renseigner de nombreux champs. La démarche est donc ici radicalement différente car il ne s’agit plus de détecter automatiquement les prospects mais de les affiner grâce à des données déclaratives. Cette évaluation, probablement plus précise est cependant grandement limitée en nombre. Aussi nous pouvons nous intéresser au projet Sunroof5 de Google. Si dans ce cas les algorithmes utilisés sont semblables aux nôtres, il s’agit encore une fois d’un service destiné à être utilisé par le propriétaire et non par le professionnel. De plus ce projet n’a pas été déployé en France. A la lumière des capacités de notre algorithme et de la concurrence nous nous positionnons comme un outil B2B à destination des professionnels installant des panneaux solaires et en quête de nouveaux clients à haut potentiel. Solution SaaS Notre client bénéficie d’une plateforme sur laquelle il peut voir le score associé à chaque toit. Il peut alors sélectionner des toits manuellement, ou tous ceux dont le score dépasse un certain seuil, et les exporter avec leurs adresses et leurs caratéristiques qui ont servies à calculer le score. Les adresses sont obtenues encore une fois à l’aide d’OpenStreetMap et en particulier grâce à l’API de Nominatim6. Pour essayer cette interface les clients n’ont besoin que d’une adresse mail vérifiée. Ce mode leur permettra de naviguer sur la carte et d’obtenir le score de leurs 100 premiers toits. Au delà, une carte bleue leur sera demandée et le service leur sera facturé en fonction du nombre de toits consultés, le prix par toit étant dégressif en fonction du nombre de toits. ​
https://www.insunwetrust.solar/ ​
https://www.google.com/get/sunroof 6
​
http://nominatim.openstreetmap.org/ 4
5
Un aperçu de l’interface de la solution SaaS Perspectives Après avoir rencontré notre marché et créé un POC convaincant, nous souhaitons approfondir nos algorithmes. Pour cela nous réaliserons en interne l’analyse des images satellites dont nous tirerons davantage d’informations telles que l’isolement du lieu, la présence ou non d’un équipement solaire existant, la constitution du toit etc. Aussi nous incorporeront nos retours clients concernant la vente et l’énergie effectivement dégagée. Ainsi nous pourrons nourrir notre modèle de données uniques qui le rendront encore plus performant. Jeux de données utilisés OpenSolarMap Localisation et orientation des toits OpenStreetMap Altitude Nominatim Reverse geocoding PVGIS solar radiation data set Irradiation moyenne annuelle pour un jeu de coordonnées donné Insee / Open moulinette (sélection de variable manuelle dans un premier P12_RP_CHOS : Nombre de résidences principales avec chauffe­eau solaire RFUC : Revenu fiscal par unité de consommation (UC) C12_ACT1564_CS1 Nombre d'agriculteurs exploitants actifs de 15 à 64 ans C12_ACT1564_CS6 : Nombre d'ouvriers actifs de 15 à 64 ans temps puis automatique dans un second temps) P11_MEN_ANEM: Ménages emménagés depuis x ans ou plus P11_RP : Résidence principale de x m2 ou plus Conclusion Notre solution répond à un triple objectif. Tout d’abord nous construisons une entreprise viable qui cherche à relancer un secteur en difficulté. Ensuite nous innovons en proposant un algorithme nouveau dans un champ de recherche en pleine émulation. Enfin nous favorisons le développement des énergies renouvelables dont le rôle à jouer dans notre futur proche n’est plus à prouver.