Les écarts communément observés entre les prévisions de consommations énergétiques et les performances réelles des bâtiments limitent le développement des projets de construction et de réhabilitation. La garantie de performance énergétique (GPE) a pour vocation d’assurer des niveaux de consommations maximaux et donc de sécuriser les investissements. Sa mise en place fait cependant face à plusieurs problématiques, notamment techniques et méthodologiques. Ces travaux de thèse se sont intéressés au développement d’une méthodologie pour la GPE associant les outils de simulation énergétique dynamique (SED) à un protocole de mesure et vérification. Elle repose d’abord sur la modélisation physico-probabiliste du bâtiment. Les incertitudes sur les paramètres physiques et techniques, et les variabilités des sollicitations dynamiques sont modélisées et propagées dans la SED. Un modèle de génération de données météorologiques variables a été développé. L’étude statistique des résultats de simulation permet d’identifier des modèles liant les consommations d’intérêt à des facteurs d’ajustement, caractéristiques des conditions d’exploitation. Les méthodes de régression quantile permettent de déterminer le quantile conditionnel des distributions et caractérisent donc conjointement la dépendance aux facteurs d’ajustement et le niveau de risque de l’engagement. La robustesse statistique de ces méthodes et le choix des meilleurs facteurs d’ajustement ont été étudiés, tout comme l’influence des incertitudes sur la mesure des grandeurs d’ajustement en exploitation. Leur impact est intégré numériquement en amont de la méthodologie. Cette dernière est finalement mise en œuvre sur deux cas d’étude : la rénovation de logements, et la construction de bureaux. / Discrepancies between ex-ante energy performance assessment and actual consumption of buildings hinder the development of construction and renovation projects. Energy performance contracting (EPC) ensures a maximal level of energy consumption and secures investment. Implementation of EPC is limited by technical and methodological problems.This thesis focused on the development of an EPC methodology that allies building energy simulation (BES), and measurement and verification (M&V) process anticipation. The building parameters’ uncertainties and dynamic loads variability are considered using a Monte-Carlo analysis. A model generating synthetic weather data was developed. Statistical studies of simulation results allow a guaranteed consumption limit to be evaluated according to a given risk. Quantile regression methods jointly capture the risk level and the relationship between the guaranteed energy consumption and external adjustment factors. The statistical robustness of these methods was studied as well as the choice of the best adjustment factors to consider. The latter will be measured during building operation. The impact of measurement uncertainties is statistically integrated in the methodology. The influence of M&V process accuracy is also examined. The complete EPC methodology is finally applied on two different projects: the refurbishment of a residential building and the construction of a high energy performance office building.

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.