Le véhicule électrique est aujourd’hui présenté comme l’une des solutions alternatives sérieuses au véhicule à moteur à combustion interne, visant à limiter la consommation d’énergies fossiles, ainsi que les émissions de polluants locaux et de gaz à effet de serre. L’évaluation des forces et faiblesses de cette technologie au regard de l’environnement est aujourd’hui limitée, compte tenu notamment du peu de retour d’expérience sur ce type de véhicules.L’objectif de ce travail de recherche est de proposer une approche combinant une connaissance fine du véhicule étudié (obtenu notamment par des essais expérimentaux et l’utilisation de modèles de consommation) et de la méthode d’évaluation environnementale Analyse de Cycle de Vie (ACV), pour identifier les paramètres clefs du bilan environnemental, et par différentes analyses de sensibilité, d’en proposer une analyse détaillée. Pour y parvenir, des essais expérimentaux ont été réalisés sur un véhicule électrique à usage essentiellement urbain et son équivalent thermique. Un modèle permet d’estimer les consommations de véhicules selon leurs spécificités (chimie et capacité de batterie, rendement de la chaîne de traction) et leurs conditions d’utilisation (trafic, usages d’auxiliaires). Des hypothèses et scénarios sont également établis sur la durée de vie des batteries qui équipent le véhicule. Les jeux de données obtenus sont mis en œuvre dans l’ACV d’un véhicule électrique, et les résultats obtenus interprétés puis comparés à ceux du véhicule thermique équivalent. Enfin, analyses de sensibilité et test de divers scénarios permettent l’identification des paramètres clefs du bilan environnemental. / Today, the electric vehicle is seen as a potent substitute to the internal combustion engine vehicle, aiming at reducing consumption of fossil fuels, and emissions of local pollutants and greenhouse gases. The assessment of strengths and weaknesses of this technology from the environmental viewpoint is currently limited, especially considering the lack of experiment feedbacks.The objective of this research is to offer an approach combining a deep understanding of the studied vehicle (through experiments and use of consumption patterns) and the environmental assessment method “Life Cycle Analysis” (LCA), to identify the key parameters of environmental appraisal, and relying on different sensitivity analysis, to propose a detailed analysis.To achieve this, experimental tests were carried out on an urban electric vehicle and its internal combustion engine equivalent. A model was built to estimate the consumption of electric vehicles according to their characteristics (chemistry and battery capacity, vehicle energy efficiency) and use (traffic, use of auxiliaries). Assumptions and scenarios are also made on the lifetimes of batteries in the vehicle. The data sets obtained are implemented in the life cycle analysis of an electric vehicle, and the results are interpreted and compared to its internal combustion engine equivalent vehicle. In the end, sensitivity analysis and test of various scenarios allow the identification of key parameters for the environmental assessment.

Le véhicule électrique est aujourd'hui présenté comme l'une des solutions alternatives sérieuses au véhicule à moteur à combustion interne, visant à limiter la consommation d'énergies fossiles, ainsi que les émissions de polluants locaux et de gaz à effet de serre. L'évaluation des forces et faiblesses de cette technologie au regard de l'environnement est aujourd'hui limitée, compte tenu notamment du peu de retour d'expérience sur ce type de véhicules.L'objectif de ce travail de recherche est de proposer une approche combinant une connaissance fine du véhicule étudié (obtenu notamment par des essais expérimentaux et l'utilisation de modèles de consommation) et de la méthode d'évaluation environnementale Analyse de Cycle de Vie (ACV), pour identifier les paramètres clefs du bilan environnemental, et par différentes analyses de sensibilité, d'en proposer une analyse détaillée. Pour y parvenir, des essais expérimentaux ont été réalisés sur un véhicule électrique à usage essentiellement urbain et son équivalent thermique. Un modèle permet d'estimer les consommations de véhicules selon leurs spécificités (chimie et capacité de batterie, rendement de la chaîne de traction) et leurs conditions d'utilisation (trafic, usages d'auxiliaires). Des hypothèses et scénarios sont également établis sur la durée de vie des batteries qui équipent le véhicule. Les jeux de données obtenus sont mis en œuvre dans l'ACV d'un véhicule électrique, et les résultats obtenus interprétés puis comparés à ceux du véhicule thermique équivalent. Enfin, analyses de sensibilité et test de divers scénarios permettent l'identification des paramètres clefs du bilan environnemental.

Le concept de réseau d'interactions est central en Écologie et différents modèles et méthodes ont été utilisés. Ce travail de thèse met en relation deux approches développées par des courants séparés : l'étude des matrices de communauté et les analyses entrée-sortie. Il confronte leurs hypothèses aux propriétés fondamentales des écosystèmes estuariens. Il précise explicitement les liens entre les différentes matrices, ainsi que la signification des mixed trophic impacts. Les matrices de la storage et de la throughflowanalyses sont reliées à des jacobiennes de modèles à compartiments dont les flux sont contrôlés par les compartiments donneurs ou receveurs. Contrairement à ce qui est le plus souvent présenté dans la littérature, l'analyse des mixed trophic impacts est ici interprétée en terme de présence-absence du compartiment considéré. Avec les données disponibles sur les réseaux trophiques de cinq estuaires européens, des matrices qualitatives et quantitatives sont construites afin de réaliser des analyses de sensibilité. Ces premières explorations montrent des niveaux d'incertitudes très élevés, et ceci même pour le signe des prédictions. Par ailleurs, ce travail de thèse approfondit les possibilités d'étude de dynamiques transitoires à partir de la matrice de communauté. Il souligne des éléments importants qu'il est nécessaire de prendre en compte lorsque ces approches sont choisies. / Networks are a key concept in ecology and a number of models and methods have been used. This PhD dissertation links two approaches, the community matrix and input-output analyses, which have been developed by separate streams of theory. It compares their assumptions with important features of estuarine systems. It explicitly analyses the links between the matrices and the significance of the mixed trophic impacts analysis. Matrices of storage and throughflow analyses are linked to Jacobian matrices of donor or recipient controlled compartment models. Unlike most of what can be seen in the litterature, here the mixed trophic impacts are interpreted as the effects of a compartment being present or absent. Using available data in the case of five European estuaries, qualitative and quantitative matrices are built in the aim of performing sensitivity analyses. First explorations reveal high levels of uncertainties, even in the sign of the predictions. Furthermore, this work examines in more details the possibilities to explore transient dynamics from the community matrix. This PhD dissertation emphasises important features which are necessary to consider when choosing such approaches.

Ce travail de thèse, qui s'inscrit dans le cadre du programme AMMA (Analyse Multidisciplinaire de la Mousson Africaine), vise à modéliser le fonctionnement hydrologique de la Haute Vallée de l'Ouémé (14400 km$²$) au Bénin. Il a pour but de réaliser une première estimation des bilans hydrologiques et de contribuer au développement d'outils capables de simuler les impacts climatiques et anthropiques sur la ressource en eau. Dans un premier temps, nous avons cherché à caractériser le fonctionnement hydrologique de la région, et à quantifier les principaux termes du bilan hydrologique à méso-échelle. Pour conceptualiser ces bassins versants, une démarche comparative a été adoptée, et deux modélisations parcimonieuses ont été mises en oeuvre: GR4J, structure empirique et générique, et TOPAMMA, formalisme dérivé de TOPMODEL et développé au cours de ce travail. Un cadre d'évaluation complet a été défini, permettant de juger les modèles en terme: (i) de performances, (ii) d'incertitudes associées à leurs prédictions ; (iii) de réalisme. Ainsi, bien que leurs performances pour simuler la relation pluie-débit soient comparables, ces modèles se distinguent lorsque les incertitudes sur les simulations et les autres composantes du cycle hydrologique sont considérées. La variabilité hydro-climatique observée dans la région au cours de 50 dernières années a également permis d'évaluer le pouvoir d'extrapolation des modèles et leur application dans des conditions non stationnaires. Nous nous sommes en particulier intéressés aux aspects méthodologiques de la détection de changements de la relation pluie-débit à partir des modèles hydrologiques. Enfin, une première estimation de la sensibilité de la réponse hydrologique au régime de mousson a été réalisée, à travers différents scénarios de forçage pluviométrique.

Le recours à la simulation est décisif dans le processus de conception d'un bâtiment neuf. Elle permet d'évaluer différentes alternatives au regard de la performance énergétique et du confort des occupants et constitue ainsi un outil d'aide à la décision incontournable. Aujourd'hui la question de la fiabilité des codes de simulation n'est pas à négliger. L'augmentation des performances énergétiques des bâtiments, pourrait mettre en défaut un certain nombre d'hypothèses de modélisation généralement admises pour les bâtiments standards du fait de la prépondérance nouvelle de phénomènes physiques jusqu'alors négligés ou mal pris en compte. Dans le même temps on s'intéresse de plus en plus à la garantie de performance qui consiste à vérifier que les performances énergétiques réelles sont bien en adéquation avec les objectifs fixés lors de la conception or il est souvent constaté des erreurs entre consommation mesurée et estimée compte tenu des incertitudes liées notamment à la mise œuvre, aux occupants et aux conditions météorologiques. L'augmentation des exigences de précision des calculs qui en résulte rend essentiel d'apprécier les incertitudes associées à ces prévisions afin d'améliorer le processus de construction et d'évaluation. Les travaux de cette thèse portent en particulier sur l'évaluation et la hiérarchisation des incertitudes sur les résultats des simulations en phase de conception. Une méthodologie a été développée basée en trois temps qui permet d'identifier les paramètres de conception les plus influents sur la performance énergétique d'un bâtiment et de rendre compte des effets de l'incertitude associée à ces paramètres sur cette même performance. La première étape consiste à identifier parmi l'ensemble des paramètres du modèle ceux qui ont une influence sur le résultat qui nous intéresse. Celle-ci est assurée au moyen d'une analyse de sensibilité locale du modèle. La deuxième étape consiste à évaluer les incertitudes associées à ces paramètres les plus influents afin de propager cette incertitude dans le code de calcul et évaluer l'incertitude sur le résultat. Cette étape est effectuée au moyen d'approches probabilistes de type Monte Carlo. Nous ajoutons une troisième étape de manière à évaluer la responsabilité de chacun des paramètres sur les incertitudes associées au résultat. Cette information est cruciale pour l'utilisateur. Cette dernière étape est traitée au moyen d'une analyse de sensibilité globale sur un jeu de paramètres réduit. Nous nous sommes appuyés sur la plateforme expérimentale INCAS située à l'INES au Bourget du Lac (73) pour identifier les incertitudes de mesure mais aussi les incertitudes dont les hypothèses de modélisation font l'objet. Cette méthodologie pourra être utilisée durant tout le processus de conception d'un bâtiment, des premières esquisses à son exploitation. En phase de conception, cette méthodologie permettra d'orienter les choix architecturaux en évitant des options dont la fiabilité des résultats est incertaine. En phase d'exploitation, elle permettra d'identifier les points de mesure les plus pertinents, afin de réduire l'incertitude des paramètres les plus influents pour effectuer un diagnostic énergétique plus fiable du bâtiment. Elle pourra aussi s'étendre aux incertitudes liées aux occupants et aux conditions météorologiques.

Le recours à la simulation est décisif dans le processus de conception d'un bâtiment neuf. Elle permet d'évaluer différentes alternatives au regard de la performance énergétique et du confort des occupants et constitue ainsi un outil d'aide à la décision incontournable. Aujourd'hui la question de la fiabilité des codes de simulation n'est pas à négliger. L'augmentation des performances énergétiques des bâtiments, pourrait mettre en défaut un certain nombre d'hypothèses de modélisation généralement admises pour les bâtiments standards du fait de la prépondérance nouvelle de phénomènes physiques jusqu'alors négligés ou mal pris en compte. Dans le même temps on s'intéresse de plus en plus à la garantie de performance qui consiste à vérifier que les performances énergétiques réelles sont bien en adéquation avec les objectifs fixés lors de la conception or il est souvent constaté des erreurs entre consommation mesurée et estimée compte tenu des incertitudes liées notamment à la mise œuvre, aux occupants et aux conditions météorologiques. L'augmentation des exigences de précision des calculs qui en résulte rend essentiel d'apprécier les incertitudes associées à ces prévisions afin d'améliorer le processus de construction et d'évaluation. Les travaux de cette thèse portent en particulier sur l'évaluation et la hiérarchisation des incertitudes sur les résultats des simulations en phase de conception. Une méthodologie a été développée basée en trois temps qui permet d'identifier les paramètres de conception les plus influents sur la performance énergétique d'un bâtiment et de rendre compte des effets de l'incertitude associée à ces paramètres sur cette même performance. La première étape consiste à identifier parmi l'ensemble des paramètres du modèle ceux qui ont une influence sur le résultat qui nous intéresse. Celle-ci est assurée au moyen d'une analyse de sensibilité locale du modèle. La deuxième étape consiste à évaluer les incertitudes associées à ces paramètres les plus influents afin de propager cette incertitude dans le code de calcul et évaluer l'incertitude sur le résultat. Cette étape est effectuée au moyen d'approches probabilistes de type Monte Carlo. Nous ajoutons une troisième étape de manière à évaluer la responsabilité de chacun des paramètres sur les incertitudes associées au résultat. Cette information est cruciale pour l'utilisateur. Cette dernière étape est traitée au moyen d'une analyse de sensibilité globale sur un jeu de paramètres réduit. Nous nous sommes appuyés sur la plateforme expérimentale INCAS située à l'INES au Bourget du Lac (73) pour identifier les incertitudes de mesure mais aussi les incertitudes dont les hypothèses de modélisation font l'objet. Cette méthodologie pourra être utilisée durant tout le processus de conception d'un bâtiment, des premières esquisses à son exploitation. En phase de conception, cette méthodologie permettra d'orienter les choix architecturaux en évitant des options dont la fiabilité des résultats est incertaine. En phase d'exploitation, elle permettra d'identifier les points de mesure les plus pertinents, afin de réduire l'incertitude des paramètres les plus influents pour effectuer un diagnostic énergétique plus fiable du bâtiment. Elle pourra aussi s'étendre aux incertitudes liées aux occupants et aux conditions météorologiques. / Nowadays, simulation tools are widely used to design buildings since their energy performance is increasing. Simulation is used to predict building energy performance and to improve thermal comfort of occupants, but also to reduce the environmental impact of the building over its whole life cycle and the cost of construction and operation. Simulation becomes an essential decision support tool, but its reliability should not be ignored. Hypothesis, made 10 years ago for buildings conception, are often not adapted to the new constructions because of physical phenomena which until now were overlooked. At the same time, guarantees of energy efficiency, which aims to check if actual energy performances are matching the conception goals, are becoming important. But there are usually differences between measured and simulation data. They may be the result of mistakes and unknowns on input parameters, on schedule occupation or on weather data. Today it's important to evaluate simulation and measurement reliability and uncertainties to improve design building. This PhD work aimed to evaluate and order simulation results uncertainties during the design building process. A methodology in three steps was developed to determine influential parameters on building energy performance and to identify the influence of these parameters uncertainty on the building performance. The first step uses the local sensitivity analysis and identifies the most influential parameters on the outputs among all parameters. This step enables to reduce the number of parameters which is necessary to proceed the following steps The second step is an uncertainty analysis focuses on quantifying uncertainty in model outputs. This step is conducted with the Monte Carlo probabilistic approach. The last step uses global sensitivity analysis which is the study of how uncertainty in the output of a model can be apportioned to different sources of uncertainty in the model input. This methodology was applied to the INCAS experimental platform of the French National Institute of Solar Energy (INES) in Le-Bourget-du-Lac to identify measure uncertainties and uncertainties on simulation hypothesis. This methodology may be used during the whole building design process, from the first sketches to the operating phase. It will enable to guide the architectural and technical choices and to avoid unstable options with important uncertainty. During the exploitation stage, this methodology will allow to identify the most suitable measurement in order to reduce parameters uncertainties and consequently to get the energy diagnostic more reliable. Moreover this methodology could also be used to determine uncertainties on related to inoccupants and to weather conditions.

La généralisation planifiée du Bâtiment à Énergie POSitive est un enjeu important de développement durable, notamment dans une vision à long terme. Cependant, concevoir de tels bâtiments à moindre impact environnemental et à des coûts maîtrisés pour le marché constitue une problématique complexe pour les professionnels du secteur. Ces travaux de thèse se sont ainsi intéressés au développement d’une méthodologie permettant de fournir une aide à la décision opérationnelle et robuste pour l’écoconception de maisons à énergie positive (MEPOS). Basée sur l’optimisation multicritère (via un algorithme génétique), la démarche proposée associe au sein d’une plateforme multi-outils, simulation thermique dynamique, analyse de cycle de vie, et fonctions de coût de construction, pour identifier, sur une base multicritère (front de Pareto) et sur le cycle de vie, des concepts de MEPOS performantes et fournir au décideur une description des meilleurs compromis. Également intégrées dans la plateforme, des méthodes d’analyses de sensibilité et d’incertitude offrent la possibilité de sélectionner les variables de conception les plus influentes en amont de l’optimisation, et d’évaluer le risque de non-robustesse d’une décision en aval de l’optimisation, notamment au regard des incertitudes sur le comportement des occupants (avec un modèle stochastique d’occupation), et de l’évolution prévisible du climat jusqu’à la fin du siècle. Via une collaboration avec un constructeur, la méthodologie a été appliquée en temps réel au sein d’un processus de conception intégrée d’une MEPOS. / The planned generalisation of Plus Energy Buildings constitutes an important topic for sustainable development, especially in a long term vision. However, designing such buildings at lower environmental impact and with competitive cost for the market constitutes a complex issue for the sector’s professionals. This thesis focused on the development of a methodology providing an operational and robust decision support to eco-design plus-energy houses. Based on multi-criteria optimisation (via a genetic algorithm), the proposed approach combines in a multi-tools platform, dynamic building energy simulation, life cycle assessment, and cost construction functions, in order to identify, on a multi-criteria (Pareto front) and life cycle basis, efficient plus-energy houses concepts and to provide decision maker a description of the best compromises. Also included in the platform, sensitivity and uncertainty analysis methods offer the possibility to select the most influent design variables before optimisation, and to evaluate the non-robustness risk of a decision after optimisation, especially regarding uncertainties on occupants’ behaviour (with a stochastic model of occupancy) and climate’s predictable evolution up to the end of the century. Via collaboration with a constructor, the methodology was applied in real-time throughout a integrated design process of a plus-energy house.

Le comportement humain est modélisé de manière sommaire dans les logiciels de simulation énergétique des bâtiments. Or son impact est considérable et il est à l'origine d'écarts importants entre résultats de simulation et mesures in situ. Les occupants influencent les consommations d'énergie des bâtiments par leur présence et leurs activités, les ouvertures/fermetures de fenêtres, la gestion des dispositifs d'occultation, l'utilisation de l'éclairage artificiel et des appareils électriques, la gestion des consignes de chauffage et les puisages d'eau chaude sanitaire. La thèse propose une modélisation de l'occupation incluant l'ensemble de ces aspects suivant une approche stochastique statistique, pour les bâtiments résidentiels et de bureaux. La construction des modèles fait appel à un grand nombre de données issues de campagnes de mesures, d'enquêtes sociologiques et de la littérature scientifique. Le modèle d'occupation proposé est couplé à l'outil de simulation thermique dynamique Pléiades+COMFIE. En propageant les incertitudes des facteurs du modèle d'occupation et du modèle thermique (enveloppe, climat, systèmes), un intervalle de confiance des résultats de simulation peut être estimé, ouvrant ainsi la voie à un processus de garantie de performance énergétique. / Human behaviour is modelled in a simplistic manner in building energy simulation programs. However, it has a considerable impact and is identified as a major explanatory factor of the discrepancy between simulation results and in situ measurements. Occupants influence buildings energy consumption through their presence and activities, the opening/closing of windows, the actions on blinds, the use of artificial lighting and electrical appliances, the choices of temperature setpoints, and the water consumptions. The thesis proposes a model of occupants' behaviour including all these aspects, according to a stochastic approach, for residential and office buildings. Models' development is based on numerous data from measurements campaigns, sociological surveys and from the scientific literature. The proposed model for occupants' behaviour is coupled to the simulation tool Pléiades+COMFIE. By propagating the uncertainties of factors from the occupants' behaviour model and the thermal model (envelope, climate, systems), the simulation results confidence interval can be estimated, opening the way to an energy performance guarantee process.

À mesure que les performances intrinsèques des bâtiments s’améliorent, les usages énergétiques non réglementés, que nous associons à une notion d’intensité énergétique des usages, prennent de plus en plus d’importance dans le bilan des consommations des bâtiments. De plus, les bâtiments performants font apparaître des problématiques au niveau de l’exploitation des installations. Ces constats nous permettent d’affirmer qu’il est aujourd’hui important de proposer un cadre pour le suivi et l’optimisation de la sobriété énergétique des usages et l’exploitation performante pour la maîtrise des consommations énergétiques réelles des bâtiments. Cette thèse propose tout d’abord de développer des modèles polynomiaux de prédiction de la consommation énergétique tous usages en fonction des facteurs caractérisant l’intensité d’usage, la qualité d’usage et la qualité d’exploitation. Pour cela, nous utilisons le logiciel EnergyPlus afin de réaliser des simulations énergétiques dynamiques (SED) sur des valeurs de paramètres définis par la méthode des plans d’expérience D-optimaux. Le modèle polynomial créé permet alors d’effectuer, avec un faible temps de calcul, une propagation des incertitudes sur les consommations d’énergie calculées. Pour ce faire, nous utilisons les données mesurées en exploitation dans le cadre de la mesure et de la vérification de la performance énergétique, associées à une incertitude concernant leur valeur. Nous pouvons alors déterminer l’incertitude globale sur les consommations énergétiques et identifier les pistes pour la réduire, permettant ainsi un meilleur suivi et encadrement de la consommation énergétique réelle. / Since building envelope and MEP systems characteristics regularly improve, the weight of non-regulatory energy end-uses increases. These energy end-uses are typically associated with tenants or owners’ activities. In addition, high performance buildings show new issues related to HVAC systems operations. Therefore, it is important to evaluate and improve non-regulatory energy end-uses energy as well as HVAC systems operations efficiencies. We have developed polynomial energy models that can predict energy consumption as a function of building’s activities characteristics and HVAC systems operations factors. We used EnergyPlus software in order to build reliable energy models along with the D-optimum design of experiments method (DOE). Then, we used measurement and verification (M&V) data, associated with probability functions, to determine the associated uncertainty of the calculated energy consumption. Finally, we combine the latter with the polynomial modeling error to calculate the energy consumption global uncertainty, with the goal to identify strategies to reduce it.