Optimisation multi‑objectif intelligente du confort thermique et des performances de ventilation dans la conception de la ventilation par strates

Pourquoi l’air autour de votre bureau compte

Nous passons la majeure partie de notre vie à l’intérieur, et pourtant l’air invisible qui nous entoure influence fortement notre santé, notre vigilance et notre confort. Les systèmes de chauffage et de climatisation sont souvent conçus de manière fragmentaire—un outil pour prédire les conditions, un autre pour réduire la consommation énergétique, un troisième pour aider à la décision—laissant aux exploitants la charge d’ajuster les compromis par tâtonnements. Cette étude montre comment assembler ces éléments en un seul processus de conception « intelligent » pour un système prometteur appelé ventilation par strates, qui fournit de l’air frais directement dans la zone de respiration au lieu de simplement brasser l’ensemble de la pièce.

De l’air frais ciblé plutôt qu’une solution universelle

Les systèmes traditionnels mélangent souvent tout l’air d’une pièce ou le poussent du sol vers le plafond. La ventilation par strates adopte une approche différente : elle fournit de l’air propre et conditionné horizontalement, à hauteur de tête, de sorte que les occupants respirent un air plus frais avec moins d’effort et, dans de nombreux cas, en consommant moins d’énergie. Le défi vient du fait que confort, qualité de l’air et efficacité du chauffage tirent dans des directions différentes. Modifier la vitesse du jet d’air, l’angle de la bouche, la température de l’air, la température des parois, ou même l’habillement des occupants, peut améliorer ou détériorer ces trois objectifs de manière complexe et conjointe. Les auteurs utilisent des simulations informatiques détaillées d’un bureau type et les transforment en données capables d’apprendre à un système intelligent comment ces facteurs interagissent.

Apprendre à un ordinateur à prédire confort et fraîcheur

À partir de 50 simulations soigneusement validées, l’équipe entraîne des réseaux neuronaux artificiels—modèles informatiques vaguement inspirés du cerveau—pour prédire quatre résultats clés : la sensation thermique moyenne des occupants, le temps de résidence de l’air avant renouvellement, l’écart de température entre la tête et les chevilles, et l’efficacité de l’utilisation de l’énergie de chauffage. Ils laissent ensuite deux méthodes de recherche, un algorithme génétique et une stratégie dite « Harris hawks », ajuster automatiquement les paramètres internes de ces réseaux afin que les prédictions s’alignent au mieux sur les données simulées. L’algorithme génétique de type évolutionnaire s’avère légèrement supérieur, atteignant des scores de corrélation supérieurs à 0,995, ce qui signifie que les prédictions du modèle coïncident presque parfaitement avec les résultats des simulations originales.

Chercher des zones optimales plutôt qu’un point parfait

Une fois l’ordinateur capable de prédire instantanément les performances, les auteurs laissent un optimiseur multi‑objectif explorer des milliers de réglages possibles. Plutôt que de poursuivre une seule meilleure solution, il construit un « front de Pareto » de compromis : des points de fonctionnement où il est impossible d’améliorer le confort, ou la fraîcheur de l’air, ou l’uniformité verticale des températures sans détériorer au moins un des autres critères. Les résultats révèlent des tendances nettes. Les occupants se sentent le plus neutres lorsque l’air d’alimentation est assez rapide sans créer de courant d’air (environ 1,18–1,20 m/s), légèrement chaud (autour de 22 °C), et lorsque l’isolation vestimentaire correspond à ce que l’on porte avec un léger pull. La fraîcheur s’améliore avec de petits angles de bouche et des jets plus forts, qui évacuent l’air ancien plus rapidement, tandis que la stratification indésirable (air chaud en haut, plus froid en bas) est atténuée par des angles de bouche plus larges et des parois modérément chaudes. Fait remarquable, l’efficacité du chauffage reste élevée et presque constante à travers ces solutions concurrentes.

Transformer un nuage d’options en choix concrets

Pour les concepteurs et les gestionnaires d’installations, un ensemble d’options également valables reste un défi pratique. Pour rendre les résultats exploitables, les auteurs appliquent une méthode de décision appelée VIKOR qui classe les solutions optimisées selon différentes priorités. Ils construisent dix « scénarios » représentatifs. L’un privilégie le confort pur—idéal pour des bureaux de direction ou des chambres d’hôpital. Un autre met l’accent sur le renouvellement rapide de l’air, mieux adapté aux cliniques ou aux salles de classe surpeuplées où le risque d’infection est à prendre en compte. D’autres scenarii équilibrent confort, fraîcheur et uniformité verticale des températures pour de grandes salles, des gymnases ou des bureaux en open space. Chaque scénario s’accompagne de plages spécifiques pour l’angle des bouches, la vitesse d’air, la température de l’air et des parois, et le niveau d’habillement attendu, transformant l’optimisation abstraite en réglages simples qu’un gestionnaire peut appliquer.

Ce que cela signifie pour les bâtiments du quotidien

Pour un non‑spécialiste, le message est simple : il n’est plus nécessaire de procéder par essais‑erreurs pour obtenir un air intérieur confortable, sain et efficient. En combinant des outils de prédiction avancés, une recherche automatisée et un classement transparent des options, cette étude propose une feuille de route pour ajuster les systèmes de ventilation par strates selon les types d’espaces et les priorités. Concrètement, cela peut signifier des bureaux où les gens se sentent confortables sans forcer le chauffage, des services hospitaliers où l’air frais atteint les patients plus efficacement, et des grands lieux où l’inconfort « chaud en haut, froid en bas » est maîtrisé. Le travail montre que la conception intelligente peut transformer la promesse abstraite d’une meilleure ventilation en réglages concrets et adaptables qui fonctionnent dans le monde réel.

Citation: Hammouda, N.G., Ahmed, Z., Omar, I. et al. Intelligent multi-objective optimization of thermal comfort and ventilation performance in stratum ventilation design. Sci Rep 16, 6272 (2026). https://doi.org/10.1038/s41598-026-36233-7

Mots-clés: qualité de l’air intérieur, confort thermique, ventilation par strates, bâtiments économes en énergie, optimisation par apprentissage automatique