Principe fonctionnel (logique métier)

Une anomalie énergétique est générée lorsque la plateforme détecte un écart significatif entre une consommation réelle et un comportement attendu.

👉 Cette détection repose sur une logique simple :

Comparer → Identifier un écart → Vérifier qu’il est significatif → Générer une anomalie

⚠️ Une anomalie n’est pas déclenchée au moindre écart :

elle est conçue pour détecter des dérives pertinentes et exploitables.

Fonctionnement et logique de détection

1. Collecte des données

La détection repose sur les données remontées par le site :

• consommations (électricité, gaz, eau…)
• historiques de fonctionnement
• éventuellement données contextuelles (temps, usage…)

👉 Sans données fiables et continues, la détection est limitée.

2. Construction d’un comportement attendu

Pour détecter une anomalie, la plateforme doit définir une référence :

• comportement habituel du site ou de l’équipement
• tendances historiques
• schémas récurrents (horaires, jours, saisons…)

👉 Cette référence représente :

“ce qui est considéré comme normal”

⚠️ Cette référence n’est pas figée : elle s’adapte aux données disponibles.

3. Comparaison réel vs attendu

La plateforme compare en continu :

• la consommation réelle mesurée
• la consommation attendue (référence)

👉 Un écart apparaît lorsque :

• la consommation est trop élevée,
• ou incohérente par rapport au contexte.

4. Qualification de l’écart

Tous les écarts ne deviennent pas des anomalies.

La plateforme applique des critères pour vérifier que l’écart est :

• significatif (au-delà d’un seuil)
• cohérent dans le temps (pas un bruit ponctuel)

👉 Cela permet d’éviter :

• les faux positifs,
• les alertes inutiles.

5. Génération de l’anomalie

Lorsque les conditions sont réunies :

• l’écart est validé,
• une anomalie est créée,
• elle est mise à disposition dans la plateforme.

👉 L’anomalie contient alors :

• le contexte,
• la période,
• l’impact estimé (kWh / €).

Ce que la détection implique (à comprendre)

Une anomalie est une détection, pas un diagnostic

👉 La plateforme détecte un écart, mais :

• elle ne connaît pas la cause exacte,
• elle ne remplace pas l’analyse métier.

Une anomalie dépend de la qualité des données

• données manquantes → détection incomplète
• données incohérentes → anomalies biaisées

👉 La fiabilité de la détection dépend directement :

de la qualité des remontées terrain.

Une anomalie peut évoluer dans le temps

• elle peut apparaître progressivement
• elle peut disparaître si la situation revient à la normale

👉 Cela reflète l’évolution réelle du site.

Cas d’usage concrets terrain

Détection d’une surconsommation

• La consommation dépasse systématiquement la référence
  → anomalie générée automatiquement

Fonctionnement hors horaires

• Consommation observée la nuit alors qu’elle ne devrait pas exister
  → anomalie détectée

Dérive progressive

• Consommation qui augmente lentement sur plusieurs jours
  → anomalie générée après dépassement du seuil

Bruit évité par la plateforme

• Pic ponctuel de consommation
  → pas d’anomalie si non significatif ou non durable

Points de vigilance / erreurs fréquentes

⚠️ Penser qu’une anomalie est une erreur système

• C’est une détection basée sur des règles, pas un bug

⚠️ Chercher une précision absolue

• La détection est une approximation intelligente, pas une mesure parfaite

⚠️ Ignorer le contexte

• Une anomalie doit toujours être analysée avec :
• • les horaires,
  • l’usage du site,
  • les conditions extérieures

⚠️ Négliger les données manquantes

• Une mauvaise remontée de données fausse la détection

⚠️ Confondre absence d’anomalie et bon fonctionnement

• Un site peut être inefficace sans générer d’anomalie si la référence est mal calibrée

À retenir

• Une anomalie est générée par comparaison entre réel et attendu
• Tous les écarts ne déclenchent pas une anomalie
• La détection est automatique et continue
• Elle dépend fortement de la qualité des données
• Une anomalie est un signal à analyser, pas une explication en soi