LearningHome : Apprentissage coopératif et actif pour l'amélioration responsable des pratiques énergétiques dans le secteur résidentiel – LearningHome

LearningHome s’appuie sur une combinaison originale de méthodes issues de l’intelligence artificielle interactive, de l’interaction humain-machine et des sciences du comportement.

Le cœur de l’approche repose sur un apprentissage coopératif entre le système et les habitants. Contrairement aux approches classiques où l’humain est sollicité comme simple annotateur, les occupants sont ici considérés comme détenteurs d’une connaissance tacite sur leurs pratiques. Le système apprend à partir de données de capteurs, mais aussi d’annotations produites par les habitants, permettant un alignement progressif entre catégories techniques et perceptions humaines.

Un mécanisme d’apprentissage interactif est également mis en œuvre afin de limiter la sollicitation des occupants : les interactions ne sont déclenchées que lorsque leur valeur informationnelle est jugée élevée.

Le projet mobilise également un raisonnement à base de cas pour produire des recommandations contextualisées. Les situations passées sont utilisées pour identifier des pratiques pertinentes dans des contextes similaires, tout en intégrant des mécanismes d’exploration et de prise en compte des échecs.

Un second pilier méthodologique est le développement d’un système d’auto-expérimentation domestique. Les habitants peuvent formuler des questions, configurer des expériences et analyser les परिणाम via des visualisations adaptées. Ce dispositif transforme l’usager en expérimentateur de son propre environnement.

Enfin, des interfaces engageantes ont été conçues pour soutenir l’introspection et l’anticipation des comportements, notamment à travers des mécanismes d’annotation interactive et des dispositifs d’interaction sensorielle (ex. thermostat interactif).

Le projet a produit un ensemble cohérent de contributions scientifiques et technologiques.

Un premier résultat majeur est la démonstration empirique des limites des approches directives de la gestion énergétique résidentielle. Les expérimentations issues d’INVOLVED ont montré que même des systèmes explicatifs restent rejetés lorsqu’ils sont perçus comme prescriptifs.

LearningHome propose une alternative fondée sur l’inclusivité et la coopération, dont la faisabilité a été démontrée à travers plusieurs prototypes et expérimentations partielles.

Sur le plan méthodologique, le projet a développé :

- un moteur de recommandation basé sur le raisonnement à partir de cas, intégrant des mécanismes d’adaptation et d’exploration ;

- un système d’auto-expérimentation permettant aux habitants d’explorer les effets de leurs pratiques ;

- des techniques d’apprentissage interactif et coopératif pour enrichir les données et améliorer leur interprétation ;

- des interfaces d’annotation interactive favorisant l’introspection des comportements énergétiques.

Une méthodologie complète d’analyse et de détection des changements de comportement a également été proposée, combinant données quantitatives et qualitatives.

Les expérimentations ont mis en évidence :

- une forte variabilité des changements de pratiques selon les contextes ;

- le rôle déterminant des facteurs socio-psychologiques ;

- l’importance de dispositifs non prescriptifs pour favoriser l’engagement.

En termes de maturité, les travaux ont permis un passage de TRL3 à TRL5 pour LearningHome.

Les perspectives du projet s’articulent autour de trois axes principaux.

Le premier concerne l’intégration des différentes briques développées (recommandation, auto-expérimentation, interfaces) dans une plateforme logicielle cohérente et robuste, capable d’être déployée à grande échelle.

Le second axe porte sur la validation expérimentale. Des études longitudinales sur un nombre significatif de foyers restent nécessaires pour évaluer pleinement l’impact du système sur les pratiques énergétiques et leur durabilité.

Le troisième axe concerne la valorisation socio-économique. Les résultats suggèrent que les futurs marchés de la sobriété énergétique reposeront davantage sur des services d’accompagnement que sur des solutions automatisées. Des pistes sont explorées, incluant :

- le développement de start-up ;

- des partenariats industriels ;

- l’intégration dans des dispositifs existants de gestion de l’habitat.

Enfin, sur le plan scientifique, le projet ouvre un nouveau champ de recherche autour de la gestion énergétique inclusive, à l’interface entre intelligence artificielle interactive, sciences du comportement et Human-Building Interaction.

Malgré les progrès de l'efficacité énergétique des bâtiments résidentiels, la consommation ne diminue pas comme prévu. Des solutions pour impliquer les habitants dans la sobriété et la flexibilité ont déjà été proposées mais elles reposent sur des modèles de connaissance du site. Or, chaque site est unique de par son architecture, ses équipements et ses capteurs mais aussi de par ses occupants. Les modèles de site ne sont généralement pas disponibles. LearningHome vise à développer un apprentissage coopératif et interactif pour que les habitants d'une maison se confrontent à un système interactif d'aide à la gestion de l'énergie(IHEMAS) afin d'obtenir des informations sur les activités des occupants et les compromis coûts/conforts préférés. LearningHome étend les concepts prometteurs ouverts par le projet ANR INVOLVED concernant les interactions en développant des solutions coopératives pour apprendre une représentation globale de l'homme et du système. L'objectif est d'identifier les pratiques ainsi que les activités des occupants en conciliant les perceptions de l'IHEMAS (et de ses capteurs plus ou moins nombreux) avec les perceptions des habitants. Ces perceptions seront traduites en étiquettes d'activités, intentions et préférences, en tenant compte de la volatilité de la mémoire des habitants et de leur consentement limité à interagir avec un IHEMAS. Cela induit des méthodes d'apprentissage avec des notifications ad hoc mais aussi des mécanismes d'adéquation entre les perceptions des habitants et celles de l'IHEMAS.
Il peut y avoir des divergences entre les perceptions de l'IHEMAS et celles des habitants à cause d'un trop faible nombre de capteurs ou d'une trop grande complexité dans les perceptions des habitants. Ces confusions doivent être résolues. En combinant les données des capteurs avec les étiquettes des occupants, on obtient un modèle grâce à des algorithmes d'apprentissage. Contrairement à l'approche INVOLVED, les explications et les conseils sont générés sans modèle physique a priori, mais en exploitant des situations similaires rencontrées. L'objectif est de concevoir une démarche exploratoire guidant les habitants dans la découverte des effets des actions dans des situations similaires. Les habitants seront donc mis en situation d'expérimentateurs de leur environnement et l'IHEMAS aura pour rôle d'enregistrer les expériences et de guider les habitants vers de nouvelles explorations.
Un système humain intelligent interactif (IIHS) va être conçu. Il incitera les habitants de bâtiments résidentiels à une gestion sobre de l'énergie par le biais d'une interaction avec l'utilisateur, ce qui les aidera à maintenir leur changement de comportement dans le temps. Selon J. Grudin, l'avenir de l'interaction homme-machine (IHM) réside dans des partenaires numériques intelligents. L'objectif est donc d'étudier les initiatives mixtes par le biais d'interactions symétriques de co-apprentissage : les deux parties s'informeront, s'expliqueront, demanderont, suggéreront et apprendront de l'autre. Il s'agit d'un nouveau paradigme pour l'IIHS, qui correspond bien à l'unicité de chaque foyer où la connaissance naît de la confrontation des parties. Notre hypothèse est que le co-apprentissage aura un effet multiplicateur sur l'engagement des utilisateurs, car il les replace dans la boucle de décision en leur permettant de contrôler les limites du système.
LearningHome va expérimenter sur le terrain différentes approches pour impliquer les occupants dans les bâtiments résidentiels collectifs. Différents leviers comportementaux vont être testés. Un des défis sera de mesurer l'impact de chaque levier sur les consommations énergétiques et le confort. L’évaluation des résultats suivra deux approches complémentaires : un protocole permettant de mesurer en quelques semaines les impacts énergétique d’un changement de pratique, puis les estimer sur une année, et l’analyse du comportement des foyers concernant les usages énergétiques.