Le secteur du bâtiment est considéré comme un gros consommateur d'énergie et une source de pollution majeure parmi tous les secteurs économiques. Il représente entre 16 et 50 pour cent des consommations nationales d'énergie. La réduction de ces consommations et des émissions est donc une étape importante vers un développement durable. Récemment, la transition vers la construction des bâtiments à faible consommation d’énergie a conduit à de nouvelles exigences en matière de performance et de durabilité, et ainsi encore complexifié le processus de conception des bâtiments. Le comportement des occupants est maintenant considéré comme un facteur déterminant de la performance énergétique d’un bâtiment, particulièrement dans le cas des bâtiments basse consommation (BBC). Pourtant, les outils de simulation utilisés dans l'industrie des bâtiments ne sont pas aujourd'hui en mesure de fournir des estimations fiables de la demande d'énergie des occupants. Par conséquent, les experts en énergie et bâtiments portent une grande attention à développer des méthodes plus précises pour la modélisation et la prévision de l’influence des occupants sur la performance du bâtiment. Ces modèles doivent pouvoir fournir des estimations plus précises des consommations d’énergie et évaluer la variabilité de ces consommations. En conséquence, l’objectif visé est de permettre aux experts en construction d’améliorer leurs solutions techniques, améliorer la performance de leurs services, et promouvoir des incitations mieux ciblées vers les usagers afin de réduire leurs consommations énergétiques. L'objectif de cette thèse est de proposer un modèle pour estimer la consommation d'énergie liée aux comportements des occupants de bâtiments résidentiels, en prenant en compte la variabilité des modes de consommation au travers de la diversité des profils socio-démographiques et économiques des occupants. Une approche stochastique basée sur la notion d’activité est donc adoptée. Avec ce modèle, la consommation d'énergie d'un ménage est estimée en additionnant la consommation d'énergie des différentes activités domestiques (comme faire la cuisine, le lavage du linge, etc.). La nature stochastique du modèle est due aux relations probabilistes établies entre les attributs des ménages d'une part (type de ménage, nombre d'occupants, etc.) et la possession des équipements domestiques, les caractéristiques des appareils, leur puissance, et les quantités d'activité d’autre part. Afin d'établir ces relations stochastiques, un nombre suffisant d'attributs est pris en compte pour caractériser un ménage. Le modèle proposé a été appliqué pour deux activités domestiques, à savoir regarder la télévision et laver le linge. Des simulations de Monte Carlo sont effectuées pour fournir des estimations de consommation d'énergie pour ces deux activités dans trois cas de figure : pour un ménage spécifique, pour des ménages générés aléatoirement avec des contraintes sur leurs attributs, et pour des ménages totalement aléatoires représentatifs de la population française. Une comparaison entre les résultats de la simulation de modèle d’une part et des données de consommation d'énergie réelle d’autre part, a permis de valider le modèle pour les deux activités considérées. Un cadre de généralisation du modèle pour d'autres activités domestiques a été introduit, et sa possible intégration dans le processus de conception des bâtiments a été discutée et illustrée au travers d’un certain nombre d’exemples. / Résumé en Anglais : The building sector is considered as a major energy consumer and pollution source among all economic sectors. It accounts for important shares, ranging between 16 and 50 percent, of national energy consumption worldwide. Reducing these consumptions and emissions is thus an important step towards sustainable development. Recently, the shift towards constructing low-consuming and nearly zero-energy buildings lead to further requirements with regard to performance and sustainability, and thus caused the design process of buildings to be more complex. Occupants’ behavior is now considered as a key determinant of building’s energy performance especially in the case of green buildings. Yet, energy simulation tools used in buildings industry nowadays are not capable of providing accurate estimations of occupant-related energy demands. Therefore, buildings and energy experts are devoting considerable efforts on developing more precise methods for modeling and forecasting occupants influence on whole building performance. Such models can provide accurate energy estimates and can assess future consumption variability. Consequently, building experts may improve their technical solutions, ameliorate their service performances, and promote targeted incentives. The objective of this dissertation is to propose a model for forecasting occupant-related energy consumption in residential buildings, while accounting for variability in consumption patterns due to diversity in occupants’ socio-demographic and economic profiles. A stochastic activity-based approach is thus adopted. By activity-based, it means that energy consumption of a household is estimated by summing up the energy use of different activities performed (such as cooking, washing clothes, etc.). The stochastic nature of the model is due to the probabilistic mapping established between household attributes from one side (household type, number of occupants, etc.) and the corresponding appliance ownership, appliance characteristics and power rating, and activity quantities from the other side. In order to establish these stochastic relations, a fairly sufficient number of households’ characterizing attributes is taken into account. The proposed model is applied for two domestic activities, namely watching TV and washing laundry. Three types of Monte Carlo simulations are performed to provide energy estimates for these two activities: for a given specified household, for randomly generated households with constraints, and for totally random population-wise households. A comparison between model’s simulation results and real measured energy consumption data enables validating the model for the two considered activities. A generalization framework of the modeling approach for other domestic activities is sketched, and its possible integration into buildings design process is discussed and illustrated through a number of examples.

Modélisation globale de l'énergie dans les réseaux de capteurs (incluant le matériel, les couches protocolaires, l'application, et l'environnement physique).<br />Application de méthodes de validation formelle au cas des réseaux de capteurs. <br />Etude de cas du projet ANR ARESA.