Prévision et optimisation de la consommation énergétique nationale par l’IA

Ce projet de recherche est réalisé sous le soutien de la Bourse Jubilé Reine Élizabeth, dans le cadre d’un partenariat entre l’Université du Québec à Rimouski (UQAR) et l’Université Mohammed VI Polytechnique (UM6P). Il vise à développer un système intelligent de prévision et d’optimisation de la consommation énergétique par l’intelligence artificielle, applicable à deux échelles complémentaires : territoriale et industrielle.

À l’échelle territoriale, le système permet à chaque pays de superviser, analyser et anticiper sa propre consommation électrique nationale, facilitant la planification du réseau et l’intégration des énergies renouvelables intermittentes. À l’échelle industrielle, les grandes usines et infrastructures disposent d’un outil de supervision et d’évaluation continue de leur consommation, permettant une gestion optimisée et une réduction des coûts énergétiques.

La solution a été développée et validée dans un premier temps sur les données horaires espagnoles (REE/ESIOS, 2021–2025), enrichies de variables météorologiques et calendaires. Cependant, l’architecture du système est universelle : toute nation ou industrie disposant de données historiques de consommation peut l’adopter sans modification majeure, faisant de ce projet un outil générique et souverain d’aide à la décision énergétique.

Sept modèles ont été comparés (ARIMA, XGBoost, LightGBM, LSTM, BiLSTM, GRU, Transformer, CNN-LSTM). XGBoost s’est imposé avec un R² de 0,9867 et un MAPE de 1,30 %, sur un jeu de test chronologique strict garantissant l’absence de fuite d’information.

Ce travail ouvre la voie à une extension au réseau marocain (ONEE), à un déploiement IoT en temps réel, et à une supervision intelligente des grandes infrastructures énergétiques, avec une réduction estimée de 10 à 15 % des coûts par optimisation des charges.