Pour répondre aux enjeux énergétiques et climatiques, une des échelles d’action pertinentes est désormais celle du quartier ou de la ville. Des besoins de connaissance, d’outils d’aide à la décision et d’évaluation à cette échelle se manifestent de plus en plus. Un des volets concerne la modélisation de la demande d’énergie des bâtiments résidentiels, préalable à la mise en place d’actions de rénovation de l’existant ou à la valorisation de sources d’énergie locales. La diversité de situations de terrains, d’objectifs d’acteurs et de contextes de disponibilité de données incitent à rechercher des modèles flexibles, aptes à produire de l’information pour différentes applications, à partir de jeux alternatifs de données d’entrée, combinant des modèles de natures diverses (notamment physiques et statistiques) selon les besoins. Dans cet esprit, le présent travail cherche à explorer le potentiel de méthodes dites ascendantes, s’appuyant sur des modèles développés à l’origine pour la simulation à l’échelle d’un bâtiment isolé, mais extrapolés ici pour le parc de bâtiments d’une zone urbaine sur la base de bâtiments types. Les deux questions clés abordées sont celles de la sélection des bâtiments types et de la reconstitution des données d’entrée pertinentes sur le plan statistique pour la zone étudiée. Des techniques d’analyse de sensibilité, en particulier la méthode des effets élémentaires de Morris, ont été appliquées à un code de calcul thermique de bâtiment (ESP-r). Elles ont mis en évidence une réponse non linéaire du modèle, notamment du fait des interactions entre paramètres et de la dispersion des paramètres d’entrée. Elles ont permis d’identifier les paramètres les plus sensibles et les plus en interaction (concernant les bâtiments eux-mêmes, leur environnement ou leurs habitants), sur lesquels doit être concentré le travail de collecte ou de reconstitution statistique. Un modèle, dénommé MEDUS, de reconstitution de la distribution des besoins de chaleur sur un quartier à partir de trois typologies de bâtiments, a été développé et testé sur le secteur St-Félix à Nantes. Il est alimenté par des données INSEE à l’échelle d’un IRIS. Ses résultats sont analysés, à la fois sous l’angle de la pertinence des typologies choisies et dans une perspective d’application à l’échelle du quartier. / Urban scale is now considered as one of the most relevant scales to face energy and climate challenges. Specific needs for knowledge, decision making tools and evaluation are identified at urban scale. Modelling energy demand from residential buildings is one key aspect, priorto energy retrofitting of existing building asset or to valorisation of local energy sources. Diversity of local contexts, stake holder goals and data availability lead to search flexible models, with ability to produce information for different applications, from alternative input data sets, combining different types of basic models (namely both physical and statistical ones), according to user needs. The present work is exploring the potential of bottom-up approaches, based on engineering models, developed originally for isolated buildings. These models are extrapolated for the complete set of buildings in a city or neighbourhood, based on building archetypes. Two key questions tackled are the selection of suitable archetypes and the reconstitution of relevant input data, statistically representative for the area of interest Sensitivity analysis techniques have been applied to a thermal simulation programme (ESP-r), particularly the Morris elementary effects method. A non-linear response of the model has been emphasized, caused by scattering of input parameters and interaction effects. The most influencing and interacting parameters have been identified. They concern the buildings themselves, their environment and the inhabitants. Data collection or statistical reconstitution must be concentrated in priority to these main parameters. A model of the heat demand at a neighbourhood scale has been developed and tested on the sector St-Félix in Nantes. It is called MEDUS (Modelling Energy Demand at Urban Scale). Application is based on three building archetypes. Census data (INSEE) available at the sector scale are the main input data. Results are analyzed both to check archetype relevancy and to study a possible application for evaluating actions at sector scale, such as energy retrofitting.