{"version":"1.0","type":"rich","provider_name":"Acast","provider_url":"https://acast.com","height":250,"width":700,"html":"<iframe src=\"https://embed.acast.com/$/652c4be6bfc089001266974d/691a27321029ec1fed8f65c7?\" frameBorder=\"0\" width=\"700\" height=\"250\"></iframe>","title":"#109 - Foobot : L'IA qui réduit la facture énergétique des bâtiments (Rediffusion)","thumbnail_width":200,"thumbnail_height":200,"thumbnail_url":"https://open-images.acast.com/shows/652c4be6bfc089001266974d/1763321552780-93cb0a33-f90c-4530-ac4b-0cff56c9e401.jpeg?height=200","description":"<p>⚡️ Abonnez-vous à la newsletter de Tsunamia pour ne rien manquer :&nbsp;<a href=\"http://tsunamia.substack.com/\" rel=\"noopener noreferrer\" target=\"_blank\">http://tsunamia.substack.com/</a></p><p><br></p><p>🎙️&nbsp;<strong>Foobot : L'IA qui réduit la facture énergétique des bâtiments (Rediffusion)</strong></p><p>Cette semaine, Tsunamia vous propose une rediffusion d'un épisode passionnant ! (Pas d'inquiétude, l'actualité brûlante sur GPT-5.1 et Gemini 3 sera couverte très bientôt).</p><p>Plongez dans l'univers de&nbsp;<strong>Foobot</strong>&nbsp;avec son cofondateur,&nbsp;<strong>Inouk Bourgon</strong>. Découvrez comment leur solution logicielle, basée sur l'IA, optimise la consommation énergétique (chauffage, ventilation, climatisation) des bâtiments tertiaires.</p><p>Inouk explique comment Foobot utilise le&nbsp;<strong>Deep Reinforcement Learning</strong>&nbsp;(DRL) – une technologie inspirée par DeepMind (AlphaGo, optimisation des data centers Google) – pour agir comme un ingénieur virtuel, trouvant les meilleurs réglages pour économiser entre 11% et 45% d'énergie sans sacrifier le confort. Un cas d'usage concret de l'IA, loin du \"buzz\" de l'IA générative.</p><p><br></p><p><br></p><p>⏱️ Au sommaire de cet épisode :</p><p>00:00 - Introduction et retard (Rediffusion)</p><p>01:21 - Rencontre avec Inouk Bourgon, cofondateur de Foobot</p><p>02:05 - Le service Foobot : optimiser l'énergie des bâtiments tertiaires</p><p>02:45 - Une solution 100% logicielle (add-on)</p><p>05:09 - L'origine de Foobot : de la qualité de l'air aux économies d'énergie</p><p>09:08 - Les économies réalisées : entre 11% et 45%</p><p>11:32 - L'inspiration technique : le papier de DeepMind (Google)</p><p>12:12 - Qu'est-ce que le Deep Reinforcement Learning (DRL) ? (AlphaGo)</p><p>16:15 - Le défi : créer un environnement de simulation</p><p>23:01 - Le défi de l'adoption : IA générative vs. process industriels</p><p>31:33 - Le \"problème\" de la boîte noire de l'IA pour les ingénieurs</p><p>34:46 - Bilan carbone : l'IA de Foobot économise plus qu'elle ne consomme</p><p>44:35 - L'IA \"buzz\" (ChatGPT) a-t-elle aidé Foobot ? (La réponse est non)</p><p>50:38 - L'impact de l'AI Act (réglementation européenne)</p><p>54:28 - Le futur de l'IA : entre hype, déception et AGI</p><p>01:01:05 - Le mot de la fin : le statut JEI (Jeune Entreprise Innovante)</p><p><br></p>","author_name":"Dimitri"}