CONFLUENCE PRODUCTIVE

Chapitre 4.1

DUBOIS Vincent - Rapport de PFE Soutenu le 08.07.2021 Dirigé par SERERO David et BLANCHI Yann S10 - La ville résiliente DE 3 : Expérimental ENSA Paris Val de Seine

SOMMAIRE

INTRODUCTION

1 Nouveaux métabolismes, nouveaux outils

1.1 L’Open Data : vers une profusion d’informations sur l’existant… . . . . . . . . . . .

1.2 ..face à des architectes manquant d’outils de traitement de données

. . . . . . .

. . . . . . . . . . . . . . . . . .

1.4 Un algorithme pour exploiter le potentiel de l’existant . . . . . . . . . . . . . . .

1.3 L’intérêt du langage de programmation Python

2 Les données au service d’une néo-industrie

2.1 Le quartier d’Ivry Port : rémanence d’un ancien métabolisme industriel

. . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

2.3 L’industrie 4.1 : vers une intelligence locale . . . . . . . . . . . . . . . . . . . . .

2.2 L’industrie 4.0 : La « smart factory »

3 Le Data center : une dimension physique des données urbaines

3.1 Un besoin émergent de stockage de données en milieu urbain . . . . . . . . . . .

3.2 Le cas de la Seine Saint-Denis : des problématiques à adresser . . . . . . . . . .

3.3 Le potentiel d’une valorisation énergétique locale . . . . . . . . . . . . . . . . .

4 Le parc : exemple d’espace public connecté

4.1 Un potentiel d’intersection de flux et d’usages . . . . . . . . . . . . . . . . . . .

4.2 Un lieu d’accueil du travail 4.0 pour la néo-industrie . . . . . . . . . . . . . . . .

4.3 Une synergie énergétique avec le datacenter

. . . . . . . . . . . . . . . . . . .

CONCLUSION

BIBLIOGRAPHIE

ICONOGRAPHIE

GLOSSAIRE

INTRODUCTION

La ville connectée se présente aujourd’hui comme un moyen privilégié de (re)valoriser les espaces urbains. En effet, chacun de ses composants représente un gisement d’informations, qui une fois échangées, partagées ou encore croisées par l’intermédiaire du Web, forment de nouveaux flux et par conséquent un nouveau métabolisme urbain.

Les progrès dans le domaine des Datasciences (ou sciences des données) de ces dernières années, en particulier appliqués à l’Intelligence Artificielle, ont permis de rendre accessibles les outils d’analyse de ce système nerveux urbain, permettant alors d’en comprendre plus finement le fonctionnement et les ressources. Dès lors, cette capacité à pouvoir identifier les forces et faiblesses d’une ville peuvent permettre de la rendre plus résiliente à l’avenir.

Afin de garantir la productivité de ces villes, ces données locales représentent donc un en-

jeu économique majeur pour l’entreprenariat, en particulier en tant qu’outil d’analyse de son territoire d’implantation. En effet, de nombreuses entreprises (quelle que soit leur taille) dépendent dorénavant de cette ressource afin de conserver leur compétitivité, tout en permettant également à de petits entrepreneurs de réussir le lancement d’une nouvelle activité. De plus, la capacité à mieux connaître les acteurs locaux permet l’instauration de potentiels circuits courts. Les données locales se profilent donc comme un catalyseur pour l’innovation.

En effet, comme l’explique Vicente Guallart au sein de son ouvrage “The Self Sufficient City”, un défi majeur pour les villes du XXIème siècle est le retour à la productivité. En outre, il stipule que la conception urbaine actuelle ne fait pas partie de l’économie de l’innovation, qui pourtant façonne les usages et comportements actuels des citoyens.1 N’importe quelle

GUALLART, Vincente. The Self-Sufficient City. New York : Actar Publ., 2014. Disponible à l’adresse : https://issuu.

com/actar/docs/selfsufficient, pp. 8-9.

innovation nécessite en effet un lieu propice à sa concrétisation, même si elle est la résultante d’informations dématérialisées.

Dans ce contexte, la place de l’industrie en milieu urbain peut être réévaluée. Dès lors, pour produire de l’innovation industrielle en ville, il apparaît comme nécessaire de concevoir des locaux industriels propices à ces nouvelles méthodes de production, à cette néo-industrie.

La ville intelligente, en tant que substrat de cette intervention, pourrait même permettre grâce à ses données, de faciliter la requalification d’anciens sites industriels en friche, afin de les réadapter à ses nouveaux métabolismes.

Ainsi, comment un processus de conception architectural et urbain autour des données peut-il permettre la régénération d’un métabolisme productif contemporain ?

1 Nouveaux métabolismes, nouveaux outils

Les nouveaux métabolismes urbains de la Smart City étant basés sur des échanges de données massives, il serait intéressant que l’architecte soit en capacité de les exploiter. Dans ce cas, la question de la capacité des outils actuels de l’architecte à faire face à ce nouveau besoin devient cruciale.

1.1

L’Open Data : vers une profusion d’informations sur l’existant…

L’Open Data désigne avant tout une stratégie d’ouverture du plus grand nombre de base de données possibles au public, et ce pour des raisons d’intérêt général. À l’instar des autres mouvements du même type, tel que « l’Open Source », le traitement et la rediffusion des données sont autorisés, voire même encouragés comme c’est le cas de la part du gouvernement français2 à travers des initiatives telles qu’Etalab : « les données partagées trouvent des ré-utilisateurs qui

les intègrent dans de nouveaux services à forte valeur ajoutée économique ou sociale. ».

Ainsi, il existe aujourd’hui des bases de données en pleine expansion concernant l’existant à l’échelle urbaine, tout en commençant à se préciser à l’échelle du bâtiment.

Deux plateformes en particulier proposent de tels jeux de données : l’APUR3 (Atelier Parisien de l’Urbanisme) et l’IGN4 (Institut National Géographique).

L’ouverture des données publiques. Gouvernement.fr [en ligne]. [s. d.]. [Consulté le 17 janvier 2021]. Disponible à

l’adresse : https://www.gouvernement.fr/action/l-ouverture-des-donnees-publiques. 3 Atelier Parisien d’Urbanisme [en ligne]. [s. d.]. [Consulté le 4 février 2021]. Disponible à l’adresse : https://opendata .apur.org/. 4 Géoservices | Accéder au téléchargement des données libres IGN [en ligne]. [s. d.]. [Consulté le 15 septembre 2020]. Disponible à l’adresse : https://geoservices.ign.fr/documentation/diffusion/telechargement-donnees-libres.html.

FIG. 1.1 : Prévisualisation du jeu de données de l’APUR

Au sein de l’APUR, le jeu de données intitulé « Besoins théoriques chauffage et typologie au bâti » associe une cartographie composée de polygones géoréférencés (représentant les bâtiments existants sur une zone donnée, ici le Grand Paris) à des données alphanumériques sur chaque bâtiment. Comme l’illustre l’extrait de la carte interactive mise à disposition sur le site de l’APUR, certains critères comme la hauteur, la destination, la période de construction ou encore le taux de vitrage représentent une source d’informations précieuse pour le domaine du bâtiment, en particulier lorsque l’on souhaite fonder son travail sur une masse d’informations.

Sur la plateforme d’IGN, le jeu de données nommé BD TOPO regroupe une multitude de données constituée de couches d’informations disponibles pour l’ensemble de pays, tel que le réseau routier, les fleuves, ou plus particulièrement une couche sur le bâti. A l’instar du jeu de données de l’APUR montré plus haut, il associe des polygones géoréférencés à leurs informations correspondantes. Dès lors, pour un même bâtiment, parmi quelques données déjà présentes sur le jeu de l’APUR figure la caractérisation des matériaux de toiture et de façade( indiquée selon un code).

7 Un enjeu majeur est alors celui de l’agrégation, de sorte à pouvoir compiler son propre jeu de données regroupant des informations provenant de jeux différents. Ce jeu pourrait ensuite servir de base d’entraînement pour créer des algorithmes de prédiction afin de recréer des données manquantes sur de l’existant par exemple.

Dès lors, ce type de données représente un potentiel particulièrement intéressant pour l’architecte, dont un des coeurs de métier est la capacité d’analyse de l’existant. Cependant, d’un point de vue théorique et pratique, ces derniers manquent en réalité d’outils spécifiques permettant de se saisir de ces ressources.

FIG. 1.2 : Prévisualisation du jeu de données d’IGN

1.2

..face à des architectes manquant d’outils de traitement de données

Par leur expertise orientée sur la conception réclamant un esprit de synthèse affûté, les architectes ont tendance à préférer des résultats explicites d’analyse de données plutôt que les données en elles-mêmes.

De plus, tel que l’illustre un article de recherche intitulé « Classification and Use of Design Tools : The Roles of Tools in the Architectural Design Process » produit par l’Université d’Hasselt,5 les outils numériques sur lesquels les architectes pratiquent leur exercice relèvent très majoritairement des domaines du dessin ou de la modélisation. A l’inverse, le graphique ci-contre exprimant les domaines ayant le plus besoin d’amélioration au niveau des outils chez les agences interrogées illustre un manque certain dans ceux de l’évaluation et de l’analyse.

Cela se constate également au niveau des jeux de données identifiés précédemment. En effet, au delà des données vectorielles représentant l’emprise des bâtiments (qui, de manière isolées sont facilement manipulables au sein de logiciels de dessin comme AutoCAD), les

données alphanumériques associées répondent à une nomenclature précise constituée de variables et/ou de valeurs codifiées afin de faciliter leur compilation (comme des abréviations par exemple). Cet ensemble de règles spécifique à chaque jeu est indiqué au sein d’un document appelé métadonnées, et dont le lecteur doit impérativement se saisir pour pouvoir extraire les données qu’il souhaite.

WEYTJENS, Lieve, VERDONCK, Evelien et VERBEECK, Griet. Classification and Use of Design Tools : The Roles of

Tools in the Architectural Design Process. Janvier 2009, p. 298‑300.

FIG. 1.3 : Secteurs d’amélioration en termes d’outils pour les agences

Par exemple, dans le cas du jeu de données issu de l’APUR, il est nécessaire de consulter ses métadonnées si l’on souhaite obtenir les dates de constructions de différents bâtiments, afin de connaître le nom de la bonne variable (C_PERCONST_APUR) ainsi que les époques associées à chaque chiffre.

A cette difficulté s’ajoute celle du format de fichier. En effet, dû au fait que ce type de jeu de données regroupe des types de données différents (alphanumériques et vectorielles), les formats tabulaires répandus comme le format Excel ne peuvent être utilisés. A l’inverse, ce sont des formats de données plus spécifiques comme le shapefile ou le GeoJSON qui sont ici employés pour échanger ces données. Ces formats privilégient par leur structure une lecture par la machine, plutôt que par l’humain. En conséquence, ils s’éloignent naturellement de la volonté de synthèse que réclame l’architecte.

Ainsi, il existe un véritable enjeu à disposer d’un outil à la fois puissant et souple, permettant de passer de données brutes encapsulées dans des formats orientés pour la machine, vers

des formats synthétiques plus pertinents pour l’architecte.

FIG. 1.4 : Métadonnées du jeu de données de l’APUR

1.3

L’intérêt du langage de programmation Python

Lorsque l’on évoque la question de la manipulation de données brutes et massives, les langages de programmation apparaissent comme une solution pertinente.

En l’occurrence, le langage Python est en plein essor depuis les années 2010. La simplicité de sa syntaxe ainsi que sa profusion de bibliothèques spécialisées (comparables à des « plug-in ») en ont fait un outil extrêmement populaire parmi les domaines où le traitement automatique de données est aujourd’hui crucial.

C’est le cas au sein des Systèmes d’Informations géographiques (SIG) tels que ArcGIS, où ses caractéristiques mentionnées ci-dessus permettent de manière accessible de mener des travaux complexes autour des données géographiques ouvertes, de l’analyse et la visualisation à l’entraînement de modèles de prédiction.6

Des bibliothèques comme GeoPandas permettent notamment de résoudre le problème

très pragmatique des formats de fichiers de l’Open Data abordé précédemment. En effet, cette dernière permet de gérer la majorité des formats complexes évoqués, tout en conservant une hiérarchisation sous forme de tableau, afin de garantir une lisibilité certaine pour l’utilisateur, permettant d’opérer plus facilement les traitements souhaités.

Automate Road Surface Investigation Using Deep Learning | ArcGIS for Developers [en ligne]. [s. d.]. [Consulté le 3 fé-

vrier 2021]. Disponible à l’adresse : https://developers.arcgis.com/python/sample-notebooks/automate-roadsurface-investigation-using-deep-learning/.

FIG. 1.5 : GéoPandas : module Python facilitant la manipulation des formats géographiques courants

Par conséquent, le Python possède également une très forte affinité avec les domaines de l’IA et du Machine Learning. De grandes infrastructures logicielles comme Tensorflow7 sont aujourd’hui majoritairement orientées vers ce langage, permettant ainsi facilement de passer du traitement des données à la création d’algorithmes de prédiction.

Le langage Python y conserve tout de même sa philosophie, prodiguant là aussi des outils comme AutoKeras, destiné à simplifier la création de réseaux de neurones en gérant lui-même les paramètres internes, permettant ainsi même aux plus novices de s’approprier ce domaine à travers une approche pratique (en se concentrant uniquement sur les données en entrée et sortie du modèle souhaité).

Dès lors, tous ces outils sont désormais à la portée des architectes, formant un atout à caractère universel permettant de les guider à travers la manipulation des structures de données courantes en Open Data, et ce jusqu’à l’entraînement d’algorithmes personnalisés.

TensorFlow [en ligne]. [s. d.]. [Consulté le 20 janvier 2021]. Disponible à l’adresse : https://www.tensorflow.org/.

FIG. 1.6 : Autokeras : module rendant accessible la création de modèles de prédiction

1.4

Un algorithme pour exploiter le potentiel de l’existant

Grâce à la puissance des outils modernes présentés précédemment, les jeux de données disponibles représentent donc le réactif limitant de ce qu’il est possible de faire avec des algorithmes. La question principale est en effet de déterminer à partir des données disponibles, quelles informations sont capables d’être prédites. Qu’en est-il alors de leur intérêt dans le cadre de la conception ?

L’exemple montré précédemment, bien qu’illustrant parfaitement cette démarche (association relativement « évidente » de la photographie aérienne et du matériau de toiture sur la base de la corrélation forte entre la première et la seconde), ne présente que très peu d’intérêt dans le cadre de la conception architecturale.

Un atout qui se révèlerait particulièrement utile serait de pouvoir également quantifier cette ressource matérielle, dans l’optique de déterminer le gisement potentiel brut de matériau d’un ensemble de bâtiments afin de le réemployer dans le projet par exemple. Disposant déjà

de matériaux caractérisés dans le jeu de données issu d’IGN (cf. chapitre 1), il serait alors nécessaire de recouper cette donnée avec une mesure du volume de matière suffisamment précise.

C’est ici que le principe de l’agrégation présenté lors du chapitre 1 est crucial. En effet, le jeu de données issu de l’APUR, dans le cadre de ses estimations thermiques, inclut justement un ensemble de mesures volumiques et surfaciques pour chaque bâtiment. Les deux jeux de données (IGN et APUR) doivent donc être agrégés grâce à un script Python (avec Geopandas), permettant d’identifier le même bâtiment sur deux jeux différents pour en associer les paramètres.

Cette caractérisation plus complète des matériaux de l’existant forme donc la donnée à prédire (ce que l’on souhaiterait obtenir pour un ensemble de bâtiments). La dernière étape est donc de déterminer sur quelles autres données sera basée cette prédiction (la principale contrainte étant d’être capable de le faire à partir d’informations facilement récupérables dans un contexte dépourvu de données).

FIG. 1.7 : l’agrégation : principe fondamental pour exploiter l’Open Data

Or, ce n’est pas aussi trivial que dans l’exemple des matériaux de toiture. En effet, une photographie aérienne ne permettrait ici que de renseigner sur des associations typiques de matériaux de toiture et de façade. Se limiter à cette donnée risque donc de n’aboutir qu’à une prédiction qualitative limitée, ainsi qu’à une prédiction quantitative encore plus approximative.

Il est donc nécessaire d’y associer suffisamment de facteurs pour obtenir une prédiction satisfaisante, sans toutefois compromettre l’approche minimale des données servant à effectuer cette prédiction. Ainsi, pour chaque bâtiment, les informations suivantes ont été retenues (cf. illustration précédente) : • Photographie aérienne • Emprise (polygonale) • Hauteur • Période de construction • Destination

Ces données ont pu alors être fournies à un second script Python (grâce à AutoKeras) dans le but d’obtenir le meilleur algorithme de prédiction possible.

Enfin, il est plus que nécessaire de le mettre à l’épreuve face à un cas d’utilisation type. L’image ci-contre montre le résultat d’un tel essai, sur un ensemble urbain donné, où l’on constate la précision satisfaisante de l’algorithme, le rendant pleinement exploitable. Ainsi, bien que les données disponibles actuellement restent limitées dans leur précision, cet algorithme confirme bel et bien un intérêt certain dans le cadre de la conception architecturale.

Épaulé par Python, l’architecte possède donc la capacité de se saisir des données de la ville connectée, et de les mettre au service de son activité de conception, afin de révéler des ressources précieuses jusqu’alors inexploitables. À l’avenir, plus les données sur l’existant deviendront précises et diversifiées, plus les algorithmes entraînés à partir de ces dernières le seront également.

FIG. 1.8 : Mise à l’épreuve de l’algorithme

2 Les données au service d’une néo-industrie

Les jeux de données comme ceux présentés au cours de la section précédente représentent également un enjeu économique majeur pour les entreprises, et donc pour les circuits industriels, qui se sont transformés en conséquence afin d’y permettre l’intégration des données dans leurs différents process.

2.1

Le quartier d’Ivry Port : rémanence d’un ancien métabolisme industriel

Le terrain étudié dans le cadre de ce rapport est situé au coeur du quartier Ivry Port, caractérisé par la présence d’anciens sites industriels en reconversion.

En effet, ce quartier a commencé vers la fin du XIXème siècle à accueillir de nombreuses industries, notamment grâce à la présence de la confluence entre la Seine et la Marne à l’Est

et au Nord, ainsi que le développement du chemin de fer à l’Ouest. A l’instar d’autres faubourgs industriels en banlieue parisienne, les activités de production quitteront progressivement le quartier dès 1970 (qui à son essor, représentait 51% des emplois locaux).8

L’ilôt du BHV (Bazar de l’Hotel de Ville) illustre parfaitement la situation actuelle et passée de ce site. Les entrepôts à l’origine construits en 1872 siècle par la Compagnie française de matériel de chemin de fer (CFMCF) sont revendus en 1926 au Bazar de l’Hotel de Ville (puis reconstruits en 1960 suite aux bombardements de la Seconde Guerre Mondiale).9

ACLAA. IVRY CONFLUENCES - Plan guide (Livre 1) [en ligne]. Mars 2019. Disponible à l’adresse : https://issuu.co

m/aclaa/docs/plan_guide_livre_1, pp. 40-41. 9 BRISBOIS, Christophe. Evolutions de l’îlot BHV [en ligne]. 12 décembre 2018. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://urbanicc.fr/index.php/2018/12/12/evolutions-ilot-bhv/.

FIG. 2.1 : Un emplacement stratégique historique à l’échelle territoriale

FIG. 2.2 : Photographie des entrepôts (vers 1960)

Cette entreprise transforme alors les locaux dédiés à la production en locaux commerciaux et de stockage, requalifiant ce site en un noeud stratégique, profitant de sa proximité avec Paris afin d’acheminer facilement les produits vers leurs magasins intra-muros, ainsi que celle des lignes de transports routiers (périphérique et autoroute A4), fluviaux et ferroviaires. Ces locaux permettaient également de créer un point de vente annexe plus accessible pour les populations habitant en banlieue. En 1990, le quartier Ivry Port étant alors en plein déclin, les locaux sont rachetés par les Galeries Lafayette, où le même usage sera conservé.

Ainsi, jusqu’en 2008, cette plateforme a subsisté, ayant fait partie intégrante de réseaux locaux de distribution de produits.

Les entrepôts seront enfin démolis en 2013, à l’initiative de la commune, suite à son abandon. En effet, comme d’autres bâtiments industriels au sein du quartier Ivry Port, son vaste terrain fait désormais partie du projet de la ZAC Ivry Confluences, dont l’objectif principal est de redynamiser ces anciennes parcelles industrielles en les divisant afin d’y construire davantage

de bureaux (50% des nouvelles constructions), des logements (40%) ainsi que des équipements publics (10%), dont un grand parc au niveau de la confluence. Outre son ambition de mixité, la commune souhaite également perpétuer les fonctions économiques du quartier. C’est une opération locale majeure concernant 145 hectares, soit près de 20% de la commune d’Ivry-surSeine.10 Il est également question de redynamiser ce territoire en déclin par le développement de nouveaux transports en commun, dont une extension de la ligne 10 du métro.

Cependant, la majorité du terrain est désormais en friche (à l’exception d’un complexe scolaire, dont la construction n’a débuté que fin 2020). La Sadev94, promoteur chargé de la requalification de la ZAC Ivry Confluences, évoque d’ailleurs la difficulté de « commercialisation

Ivry Confluence - Ville d’Ivry sur Seine [en ligne]. [s. d.]. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https:

//www.ivry94.fr/164-21/fiche/ivry-confluences.htm.

de bureaux et d’activités » à cause d’une « carence en transports en commun ».

Dès lors, dans le contexte de cette mutation du site, il serait plus qu’avantageux de se servir de l’Open Data par l’intermédiaire de l’algorithme de prédiction présenté précédemment, afin de pouvoir qualifier et quantifier les gisements de matériaux potentiels générés par les nombreuses démolitions. Cela permet d’aboutir à une conception plus consciente de la richesse du contexte, et qui répond par la même occasion à des enjeux d’économies de matière et d’énergie.

FIG. 2.3 : Photographie aérienne du site en friche (début 2020)

FIG. 2.4 : Projet de la ZAC Ivry Confluence

2.2

L’industrie 4.0 : La « smart factory »

Comme l’explique l’économiste Klaus Schwab dans son ouvrage intitulé « The Fourth Industrial Revolution », la révolution apportée par les nouvelles technologies dépasse les autres paliers que l’industrie a franchi au cours de ses précédentes révolutions.11

En effet, de l’industrie 1.0 représentant les premières productions de masse du XIXème siècle, à l’industrie 2.0 exploitant les progrès de l’électricité afin de développer le travail à la chaîne (Taylorisme) au début du XXème siècle, puis enfin à l’industrie 3.0 poursuivant davantage l’automatisation des processus industriels par des machines embarquants de l’électronique, toutes ces révolutions sont restées ancrées dans un modèle traditionnel d’une usine exclusivement productive, où l’humain reste indispensable à son fonctionnement.

Tout d’abord, grâce aux développement d’Internet, les échanges de données ont permis d’une part de permettre l’émancipation spatiale des bureaux vis-à-vis des locaux de production. Ces emplois peuvent désormais être occupés dans n’importe quel lieu doté d’un accès à Internet,

et en particulier au domicile.

D’autre part, les progrès dans le domaine des Datasciences ont permis le déploiement de l’Intelligence Artificielle appliquée directement aux machines dédiées à la production, étant capables dans certains cas de remplacer l’humain, notamment dans le domaine du transport, où les véhicules autonomes permettent de concentrer la main d’oeuvre humaine sur la production en elle-même. De plus, l’enjeu de la capacité des machines à s’« auto-entretenir » repousserait encore l’humain vers la supervision.

SCHWAB, K. The Fourth Industrial Revolution. [S. l.] : Crown, 2017. ISBN 9781524758875. Disponible à l’adresse :

https://books.google.fr/books?id=ST/_FDAAAQBAJ.

FIG. 2.5 : Les quatre révolutions industrielles

Enfin, cette révolution est également caractérisée par une temporalité accélérée. En effet, la capacité d’une entreprise, quelle que soit sa taille, à réussir au sein d’un domaine se base sur sa capacité à prendre des décisions basées sur des données les plus à jour possibles. L’économie de l’innovation est donc une économie d’optimisation temporelle.

De nouvelles machines telles que les fraiseuses numériques ou les imprimantes 3D participent davantage à la réduction des coûts et des délais de prototypage de produits, réduisant la dépendance des nouvelles entreprises à des infrastructures plus lourdes.

Au sein d’un monde du travail en flux-tendu, le profil des emplois a également tendance à évoluer vers des tâches plus divisées et réparties, avec une multiplication d’emplois contractuels plus flexibles ainsi que des carrières moins longues et plus diversifiées. Ainsi, l’industrie 4.0 s’accompagne du travail 4.0.12

SALIMI, Meysam. WORK 4.0 : An Enormous Potential for Economic Growth in Germany [en ligne]. [s. d.]. Disponible

à l’adresse : http://englishbulletin.adapt.it/wp-content/uploads/2015/12/work4.0_sam.pdf.

FIG. 2.6 : Les caractéristiques de l’Industrie 4.0

2.3

L’industrie 4.1 : vers une intelligence locale

Les fondements de l’industrie 4.0 reposant sur la capacité d’une entreprise à pouvoir décentraliser les différentes fonctions de sa chaîne de production, il est pertinent de se poser la question de l’utilité de restaurer une activité productive localisée sur l’ancien terrain du BHV évoqué précédemment.

Premièrement, la période de la création et de l’insertion d’une entreprise au sein de cette économie de l’innovation est un moment déterminant pour sa réussite. Ces premiers instants se révèlent en effet particulièrement intenses en termes d’efforts et d’investissement de la part de chaque collaborateur, ce qui réclame une certaine flexibilité et une proximité de la part de chacun, sur une période plus ou moins longue. Ainsi, réunir les moyens humains et matériels en un même lieu représente alors un objectif intéressant.

L’Institut Paris Région, dans une note sur l’« Usine du Futur »13 affirme également que « La tendance à la personnalisation toujours plus poussée des produits conduit à réduire les séries

et donc ne justifie plus le recours à une sous-traitance lointaine de grande capacité. ». Les longues chaînes de production (et particulièrement distantes, engendrées par la digitalisation) seraient également désavantagées face à un besoin de réactivité plus important de la part des entrepreneurs.

L’usine du futur : un retour vers l’urbain ? [en ligne]. [s. d.]. Disponible à l’adresse : https://www.institutparisregion.fr

/fileadmin/DataStorage/user_upload/NR_726_web2.pdf.

FIG. 2.7 : Les enjeux de la relocalisation urbaine des usines

Une recentralisation permet également de faire davantage profiter cette économie de l’innovation à son contexte local.

Le premier intérêt de cette approche est de favoriser les emplois locaux, de manière à amorcer la régénération d’un bassin d’emploi, qui peut potentiellement devenir un facteur d’attraction.

Ensuite, le fait de faire séjourner des entrepreneurs sur site pendant une certaine période favorise également la consommation locale de leurs revenus, ce qui profite alors de manière directe à l’économie du quartier.

Enfin, à l’instar des installations qui se sont établies au fil du temps sur l’ancien terrain des entrepôts du BHV, tous les locaux de production bénéficieront de la position stratégique du site lorsqu’il s’agit de la distribution de produits. Au delà d’être reliée aux infrastructures de transports régionales et nationales (comme l’autoroute A4), la plateforme permet de répondre à l’enjeu de

la distribution vers les centres urbains denses, permettant d’en réduire considérablement les délais ainsi que l’impact écologique lié au transport (grâce à des véhicules plus légers entre autres). Dès lors, cette politique centrée sur l’ancrage locale de la production en milieu urbain possède un potentiel certain en matière d’apports mutuels entre l’économie de l’innovation et son contexte proche.

Ainsi, les données de la ville connectée peuvent être exploitées par l’intermédiaire d’algorithmes pour mieux comprendre et tirer parti des ressources offertes par un contexte urbain (ici, des gisements de matériaux potentiels), en particulier sur un terrain en pleine mutation. De plus, ces données doivent également être prises en considération du point de vue des nouveaux usages et flux qu’elles engendrent dans le cadre de l’industrie 4.0 (et par extension au sein d’un projet centré autour d’une relocalisation industrielle), où elles occupent désormais une place prépondérante dans tous les échanges des entreprises.

3 Le Data center : une dimension physique des données urbaines

Étant donné la forte dépendance aux données de la néo-industrie et de la ville connectée, il semble important de questionner le stockage physique de cette ressource en milieu urbain ou à proximité de leur production.

3.1

Un besoin émergent de stockage de données en milieu urbain

Les Data centers représentent aujourd’hui des infrastructures clés de la ville connectée.

Un Data center se présente sous la forme d’un bâtiment avant tout fonctionnel, souvent semblable à un bâtiment industriel, tant par sa morphologie que sa structure (cf illustration ci-après), de hauteur relativement basse.

Si la majorité de sa surface accueille les équipements informatiques en eux-mêmes (ici, plus de 50%), ces derniers requièrent de nombreux équipements indispensables à leur alimentation, y compris en cas de panne (comme des transformateurs ainsi que des générateurs de secours), ainsi qu’à leur refroidissement (ventilation). Quelques locaux de stockage et de surveillance, ainsi que des bureaux sont présents, mais restent très marginaux au sein des installations.

Par ailleurs de garantir le passage des réseaux nécessaire aux équipements informatiques (comme les câbles de données ou les gaines de ventilation), chaque installation est surélevée à l’aide d’un faux plancher.

FIG. 3.1 : Exemple de projet de datacenter à Denver, USA

Ces infrastructures permettent ainsi de garantir l’accès au cloud et son exploitation par l’intermédiaire des objets connectés14 au sein de la ville connectée.

Ce sont précisément par ces objets que cette dernière crée et entretient ses données, en particulier dans le cadre de l’Open Data. Par exemple, un jeu de données ouvert tel que celui indiquant les disponibilités des vélibs à chaque minute (accessible directement sur la plateforme Open Data Paris) repose sur une capacité à récupérer des données à intervalles réguliers depuis les bornes vélib partout dans Paris jusqu’à l’hébergeur du site de la ville de Paris, où doivent être rapidement traitées ces informations par les serveurs informatiques.15

Data center | Cerema [en ligne]. [s. d.]. [Consulté le 27 février 2021]. Disponible à l’adresse : https://smart-city.cer

ema.fr/mots-cles/data-center. 15 Vélib - Vélos et bornes - Disponibilité temps réel [en ligne]. [s. d.]. [Consulté le 12 janvier 2021]. Disponible à l’adresse : https://opendata.paris.fr/explore/dataset/velib-disponibilite-en-temps-reel/.

FIG. 3.2 : Les données ouvertes en temps réel : un besoin de puissance de calcul permanent

En conséquence, outre sa capacité à héberger des données, le Data center fournit également une puissance de calcul permettant le traitement ainsi que le transfert de ces données en un laps de temps raisonnable pour chaque utilisateur réclamant un accès au cloud. Autrement dit, cette puissance est nécessaire afin de fournir un débit suffisant.

Suivant la loi de Moore (stipulant que le nombre de transistors sur une même puce de silicium double tous les deux ans), la loi de Nielsen affirme que le besoin en débit des usagers d’Internet sont amenés à augmenter de 50% tous les ans.16 Bien que le Cerema rétorque que ce chiffre serait davantage autour des 30%,17 cela représente une problématique qu’il est nécessaire de traiter, en particulier au sein d’un milieu urbain densément peuplé, où davantage de données sont créées.

Ainsi, il existe un réel besoin de stockage de données en milieu urbain. L’intégration et les besoins physiques des Data centers posent cependant soucis.

Le Big Data | Bengs [en ligne]. [s. d.]. [Consulté le 27 février 2021]. Disponible à l’adresse : https://www.bengs-

lab.com/fr/experience/saison-5/chapitre-1/le-big-data/. 17 Loi de Nielsen | Cerema [en ligne]. [s. d.]. [Consulté le 27 février 2021]. Disponible à l’adresse : https://smartcity.cerema.fr/mots-cles/loi-nielsen/.

FIG. 3.3 : La loi Nielsen : l’enjeu de satisfaire un nombre croissant d’usager

3.2

Le cas de la Seine Saint-Denis : des problématiques à adresser

Considérée comme la « Data Valley » française, le département de la Seine Saint Denis accueille aujourd’hui la majorité des Data centers de l’Hexagone, totalisant dès 2014 une surface de près de 180 000m².18

En effet, ce territoire séduit les opérateurs de Data centers par différents facteurs d’attractivité. Premièrement, les installations électriques importantes et peu onéreuses, cruciales pour le fonctionnement d’une telle infrastructure, se sont retrouvées pleinement disponibles lors de la désindustrialisation de cette banlieue proche. Cet héritage industriel ayant engendré bon nombre de friches, rendant le foncier local plus abordable pour de grandes surfaces, a également participé à son attrait. Enfin, le secteur est bien desservi au niveau de ses infrastructures de transport et du réseau Internet.

Cependant, cette concentration de data centers présente ajourd’hui ses limites, du fait de la surexploitation des capacités d’accueil du secteur.

Les data centers franciliens : un essor sous contraintes ? [en ligne]. [s. d.]. [Consulté le 25 février 2021]. Disponible à

l’adresse : https://www.institutparisregion.fr/fileadmin/NewEtudes/Etude_1166/NR680_data_centers_Web.pdf.

FIG. 3.4 : La Seine Saint-Denis : une capacité d’accueil saturée

Cette masse d’infrastructures est en effet gourmande, tant en consommation électrique qu’en surface. La saturation du réseau électrique local et, dans une moindre mesure, du foncier, sont devenus des problématiques non-négligeables pour les collectivités.19 Ainsi, en 2014, la totalité des installations présentes sur Plaine Commune représentaient la consommation électrique d’une ville de 250 000 habitants. De plus, cette consommation étant réservée avec une certaine marge par les opérateurs, elle ne peut être réaffectée facilement par les fournisseurs d’électricité.

En réalité, toute cette puissance électrique n’est pas consommée uniquement par les serveurs informatiques en eux-mêmes. En effet, d’après un rapport de l’ALEC de Plaine Commune, près d’1/3 de l’électricité consommée sert au refroidissement de ces serveurs ainsi qu’à l’évacuation de la chaleur qu’ils dégagent.20

Cette chaleur rejetée s’ajoute également aux nuisances sonores que peuvent exercer les Data centers sur leur environnement urbain proche, qui sont donc globalement perçus négative-

ment par les locaux, malgré leur importance cruciale. De plus, ces lieux ne créent que très peu de main d’oeuvre, dû à leur caractère très fonctionnel et spécifique.

Ainsi, l’exemple de la Seine Saint-Denis a permis la mise en abîme de nombreuses problématiques, principalement énergétiques (consommation électrique et refroidissement) liées à l’installation de Data centers en milieu urbain.

DEBRUYNE, Olivier. Saturé par les data centers, le réseau électrique d’Ile-de-France va-t-il craquer ? [en ligne]. 23

janvier 2020. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.leparisien.fr/seine- saint- denis93/sature-par-les-data-centers-le-reseau-electrique-d-ile-de-france-va-t-il-craquer-23-01-2020-8242308.php. 20 Les data centers sur Plaine Commune [en ligne]. [s. d.]. [Consulté le 25 février 2021]. Disponible à l’adresse : https: //www.alec-plaineco.org/IMG/pdf/alec-plaine-commune-2013-les-data-centers-sur-plaine-commune.pdf.

FIG. 3.5 : Réduire la consommation électrique du refroidissement : une économie non-négligeable

3.3

Le potentiel d’une valorisation énergétique locale

Tels qu’ils ont été décrits précédemment, les Data centers peuvent être perçus comme des dispositifs énergivores et polluants, dont il faut subir la présence en ville pour vivre avec le numérique. D’un autre côté, ils représentent des gisements potentiels, en particulier du point de vue de la chaleur fatale (correspondant à l’énergie thermique qu’ils rejettent).

Plusieurs organismes tels que l’ADEME ont cherché à évaluer ce potentiel énergétique. Tout d’abord, la synthèse d’une étude publiée en 2019 qualifie la température de ce gisement.21 Celle-ci, se situant entre 40 et 50°C, « n’est pas un frein pour les réseaux de chaleur urbain les plus récents, et des systèmes de pompes peuvent réhausser les températures pour les réseaux plus anciens. ».

Des exemples de réutilisation in-situ, bien que peu nombreux, existent et affichent des résultats prometteurs. Présenté au sein d’un retour d’experience cofinancé par l’ADEME,22 un site d’Air France situé en région PACA équipé de 2000m² de salles de calcul réemploie toute la

chaleur fatale de leur Data center afin de chauffer les 8500m² de bureaux, avec seulement 5% de perte au niveau de la distribution.

En cas de surplus (et notamment en été), la présence des réseaux de chaleur urbains tels que le CPCU présente également un intérêt particulier si ces derniers passent à proximité de la zone d’implantation, ce qui est le cas sur le terrain étudié, situé non-loin d’un incinérateur de déchets du SYCTOM.

L’impact spatial et énergétique des data centers [en ligne]. [s. d.]. [Consulté le 23 février 2021]. Disponible à l’adresse :

https://www.institutparisregion.fr/fileadmin/NewEtudes/Etude_1780/Synthese_ENERNUM-1mars2019.pdf. 22 RECUPERATION ET VALORISATION DE CHALEUR FATALE CHEZ AIR FRANCE – EXPLOITATION D’UN DATA CENTER A VALBONNE (06) [en ligne]. [s. d.]. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.ademe.fr/sites /default/files/assets/documents/retour-experience-air-france_recuperation-valorisation-chaleur-fatale-datacenter2018.pdf.

FIG. 3.6 : Les Data centers : une source potentielle abondante de chaleur

Des essais ont également été conduits dans ce secteur afin d’étudier la possibilité de stocker la chaleur fatale produite en été directement dans le sous-sol (nappe du Dogger), par l’intermédiaire du réseau CPCU.23

Dans le contexte de la ville connectée, l’Open Data pourrait à terme servir de plateforme d’étude afin de recenser les gisements de chaleur fatale dans un secteur géographique donné. C’est le cas actuellement, grâce à une carte produite par ENERGIF, qui permet de cartographier et si l’information est communiquée par les opérateurs des Data centers, de quantifier en (GWh) la chaleur fatale disponible en Ile de France.24

Enfin, dans le but de réduire la consommation électrique liée au refroidissement des Data centers, le rapport de l’ALEC Plaine Commune cité lors du chapitre précédent évoque la possibilité d’ exploiter des sources froides (d’air ou d’eau) locales. Il y est notamment question d’exploiter les nappes phréatiques peu profondes, ainsi que la température modérée de la Seine comme pistes à explorer. Cet aspect nommé free-cooling aura l’occasion d’être plus amplement

détaillé dans la section suivante.

Par son métabolisme particulier, le caractérisant comme un organe énergivore, mais également comme un gisement de données crucial en milieu urbain, ainsi qu’une source potentielle non-négligeable de chaleur, le data center est donc un composant précieux pour la ville connectée (et sa néo-industrie). Dans le cadre d’une conception architecturale et urbaine centrée sur les données, il convient donc de participer à la résolution des enjeux autour de leur stockage physique urbain, en particulier celui du refroidissement.

Le sous-sol, un énorme réservoir de stockage chaud [en ligne]. 6 mai 2013. [Consulté le 28 mars 2021]. Disponible

à l’adresse : https://www.cahiers-techniques-batiment.fr/article/le-sous-sol-un-enorme-reservoir-de-stockagechaud.23167. 24 IAU. ENERGIF - Carte de production de chaleur fatale en Ile de France [en ligne]. [s. d.]. [Consulté le 25 février 2021]. Disponible à l’adresse : http://sigr.iau-idf.fr/webapps/cartes/rose/?op=cfatale.

FIG. 3.7 : Un potentiel de restitution et de traitement du surplus sur le réseau CPCU

4 Le parc : exemple d’espace public connecté

L’aménagement de parcs et de jardins représente aujourd’hui un défi majeur au sein des espaces urbains, étant un élément en très forte demande dans les grandes villes, à l’instar des data centers. Dès lors, il semble pertinent d’étudier la relation qu’il existe aujourd’hui entre parc urbain et données, ainsi qu’une potentielle compatibilité avec la néo-industrie.

4.1

Un potentiel d’intersection de flux et d’usages

Un des enjeux actuel du parc urbain est l’apport d’espace vert profitant aux habitants locaux. En effet, d’après l’ENS Lyon, « les Français manifestent clairement leur quête de verdure d’autant plus qu’ils vivent dans une grande ville. ».25 Il existe même un regain d’intérêt certain pour la végétation spontanée en ville, où le but est d’allouer un espace dédié au développement « libre » d’espèces végétales « sauvages »26

49 Cependant, ce type de lieu répond également à des besoins liés à la pratique d’activités spécifiques des citadins. Toujours d’après l’ENS Lyon, au delà de proposer des itinéraires propices à la promenade (représentant l’activité principale des usagers), les parcs et les squares accueillent désormais des équipements dédiés à la pratique d’activités sportives (tels que des terrains de basket ou des skate-parc), ludiques (aires de jeux pour enfants) ou encore de détente (pelouses et bancs).

En outre, c’est un type de lieu fréquenté par des catégories d’usagers variées (écoliers,

La nature en ville : des enjeux paysagers et sociétaux - Géoconfluences [en ligne]. [s. d.]. [Consulté le 25 mars 2021].

Disponible à l’adresse : http://geoconfluences.ens-lyon.fr/doc/transv/paysage/PaysageViv.htm. 26 Vers un retour de la végétation spontanée en ville - IPR [en ligne]. [s. d.]. [Consulté le 25 mars 2021]. Disponible à l’adresse : https://www.institutparisregion.fr/environnement/developpementdurable/vers- un- retour- de- lavegetation-spontanee-en-ville/.

étudiants, familles ou retraités). Ainsi, c’est un endroit où sont amenés à se croiser des flux humains, et donc où cohabitent différents usages.

Dès lors, le parc semble par essence être un espace adapté au fourmillement de différents métabolismes en milieu urbain. Qu’en est-il alors de ceux générés par la néo-industrie autour des données ?

4.2

Un lieu d’accueil du travail 4.0 pour la néo-industrie

Comme évoqué au sein de la section dédiée à la néo-industrie, la notion de « Travail 4.0 » est amenée à bouleverser le quotidien des travailleurs.

Premièrement, si le domicile accueille désormais en son sein des activités liées au travail sur une temporalité de plus en plus importante (traditionnellement dédié aux activités extraprofessionnelles), il risque alors de ne plus incarner un lieu de rupture avec cette même activité professionnelle. Dès lors, par son caractère de havre dédié à la détente, le parc peut endosser à merveille ce rôle de « lieu de rupture ».

Cependant, le modèle du télé-travail nécessite également un logement ayant les capacités d’accueillir un tel usage, tant en termes de capacité spatiale que de confort (thermique ou acoustique), ce qui n’est pas nécessairement le cas de tous les travailleurs au sein de la néo-industrie. En outre, une bonne connexion à Internet (soit un bon débit) est désormais un enjeu évident dans ce cadre-ci, mais dont tous les domiciles ne disposent pas encore.

51 De plus, dû à la tendance du « travail 4.0 » à favoriser une certaine flexibilité au niveau des emplois, accompagnée de contrats plus courts, synonyme de changements fréquents de conditions de travail pour les travailleurs (principalement d’ordre horaire et organisationnel), le domicile peut être amené à devoir évoluer avec son travailleur. Ceci peut parfois poser problème, notamment lorsqu’il existe des incompatibilités avec les autres occupants du même foyer.

Dans ce contexte, par son caractère ouvert et accessible, le parc peut également être repensé dans le but de se substituer à un espace de travail supplémentaire (cf illustration ci-après) anciennement prodigué par l’entreprise, en mettant à disposition des lieux propices à l’accueil du télé-travail (comme des espaces de coworking par exemple, et plus simplement, un accès internet accessible).

FIG. 4.1 : Télétravailleurs à Bryant Park, New York

FIG. 4.2 : Le débit : enjeu contemporain des parcs à l’heure du travail 4.0

Enfin, dans le cadre plus spécifique de l’Industrie 4.1, caractérisée par une relocalisation des travailleurs sur une période donnée, réclamant une focalisation sur la capacité d’une jeune entreprise à innover, il est optimal de disposer de moyens locaux de communication, d’expression ainsi que de documentation. Ainsi, un parc équipé de dispositifs propices à ces usages, telles qu’une salle de conférence ou une salle d’exposition, se présente comme particulièrement approprié.

Ainsi, le parc urbain représente un exemple clé de lieu public où la consommation de données est en pleine croissance. Dès lors, une symbiose avec la néo-industrie peut être créée autour de la notion de travail 4.0 et des métabolismes liés au travail et l’apprentissage à distance en autonomie qui en résultent.

4.3

Une synergie énergétique avec le datacenter

Comme évoqué dans le chapitre premier de cette section, la végétation est une caractéristique intrinsèque aux parcs, dont les apports potentiels pour la ville (autres qu’un caractère ornemental) sont vivements étudiés.

Dans une quête de résilience, l’Agence Régionale de la Biodiversité d’Ile de France (ARB) s’intéresse au rôle de la végétation dans la gestion des risques climatiques, et en particulier celui de la chaleur. En effet, au sein d’un article dédié, elle préconise de s’orienter davantage vers une forte densité végétale consituée d’arbres haut, apportant une grande quantité d’ombre. Un écart allant jusqu’à 8°C entre les centres urbains et les quartiers périurbains dotés de telles forêts urbaines est notamment mentionné.27 En conséquence, une baisse localisée de température ainsi qu’une augmentation du taux d’humidité sont observés en leur sein.28

Dès lors, cette lutte contre la chaleur trouve naturellement son parallèle au sein des data centers, où la nécessité de refroidir une grande quantité d’air ambiant avec un minimum

d’énergie est un but clé.

Comme évoqué dans la section dédiée aux data centers, la piste du free-cooling semble représenter une alternative prometteuse aux systèmes de refroidissement traditionnels au sein de ces derniers. La société Schneider Electric, dressant un inventaire des solutions de refroidissement disponibles, propose notamment une solution technique basée sur une circulation naturelle d’air au sein du data center, nommée « direct air evaporative cooling ».29

Villes résilientes, réconcilier urbanisme et nature [en ligne]. [s. d.]. [Consulté le 25 mars 2021]. Disponible à l’adresse :

https://www.arb-idf.fr/fileadmin/DataStorageKit/ARB/Articles/fichiers/urba_417_barra.pdf. 28 MARTINI, Daniela AND Batista, Angeline AND Biondi. Distance and Intensity of Microclimatic Influence Provided by Urban Forest Typologies. Floresta e Ambiente [en ligne]. scielo, 2018, Vol. 25. Disponible à l’adresse : http://www.scie lo.br/scielo.php?script=sci_arttext&pid=S2179-80872018000200113&nrm=iso. 29 The Different Technologies for Cooling Data Centers [en ligne]. [s. d.]. [Consulté le 24 février 2021]. Disponible à l’adresse : https://download.schneider-electric.com/files?p_Doc_Ref=SPD_VAVR-5UDTU5_EN.

FIG. 4.3 : La forêt, typologie la plus impactante sur l’air ambiant en milieu urbain

Introduit au sein du bâtiment par un système d’aération, de l’air extérieur frais est alors humidifié (en fonction de son taux en entrée), afin d’absorber un maximum de chaleur au contact des équipements informatiques. L’air chaud qui en résulte peut ensuite être conservé dans une boucle de refroidissement traditionnelle, ou bien être évacué vers l’extérieur.

Dès lors, la capacité d’une forêt urbaine à générer de l’air frais et humide peut être mise à profit afin d’épauler le système de refroidissement d’un data center par l’intermédiaire de l’evaporative cooling. Une étude menée sur la capacité de la couverture d’arbres autour de Londres30 permet justement d’approcher quantitativement cette capacité. Un arbre serait alors capable d’absorber en moyenne 8.1kW en banlieue de Londres, et jusqu’à 9.1kW en centre-ville.

Une synergie énergétique potentielle existe alors entre la végétation d’un parc et un datacenter. La forêt urbaine représente alors la typologie la plus intéressante à invoquer dans le cadre de cette relation.

Ainsi, la notion de travail 4.0 vise à transformer les usages des lieux publics urbains comme les parcs, possédant alors un réel enjeu autour de l’accueil des échanges de données liées au travail et à l’apprentissage en leur sein, et par extension, aux équipements matériels nécessaires à convoquer. Il existe également un réel potentiel vis-à-vis d’une synergie énergétique entre certaines formes de parcs urbains (tels que les forêts urbaines) et les infrastructures de stockage de données que représentent les data centers.

MOSS, Joseph, DOICK, Kieron, SMITH, Stefan, et al. Influence of evaporative cooling by urban forests on cooling

demand in cities. Urban Forestry & Urban Greening. Août 2018, Vol. 37.

FIG. 4.4 : L’arbre en ville, une économie de refroidissement conséquente

CONCLUSION

Les jeux de données ouverts (l’Open Data) sur les bâtiments existants constituent aujourd’hui un véritable atout lorsqu’un architecte intervient sur un site, tout en étant malheureusement démuni de moyens de les manipuler de manière souple et extensive. Dès lors, des langages de programmation accessibles tels que le Python permettent de prodiguer, même aux plus néophytes, un panel d’outils aux architectes, leur permettant de créer leurs propres outils de traitement de données spécialisés, jusqu’à des algorithmes de prédiction, représentant alors un nouveau moyen de révéler un potentiel de l’existant anciennement inexploitable.

L’algorithme présenté au cours de la section 1, capable de prédire le gisement potentiel de matériaux à réemployer autour d’un site choisi est donc plus que pertinent à convoquer dans le cadre d’une conception basée sur des données ainsi qu’au regard de la transformation actuelle de la ZAC Ivry Confluences, tout en répondant à des enjeux contemporains (telles que des

économies de matière et d’énergie).

Au delà de cette utilisation pragmatique et concrète des données, il est également impératif de les considérer comme un élément central des métabolismes de la ville connectée, nécessitant une réflexion de fond quant à leur accueil, à la fois physique et immatériel au sein du projet, et en particulier lorsque son programme s’intéresse à la ville productive, s’appuyant aujourd’hui sur de nombreuses infrastructures nécessitant des échanges de données constants (de la logistique intelligente aux analyses de marché) afin de rester compétitive. Cette ressource cruciale, couplée à une relocalisation des différentes composantes de l’industrie garantit un contexte propice à l’innovation.

Dans ce cadre-là, un data center local, principalement dédié au stockage des données issues des activités in situ semble également se présenter comme un élément indissociable à intégrer physiquement au projet, en traitant les défis énergétiques qu’il pose à l’échelle locale (notamment grâce au free-cooling).

Enfin, le développement du travail 4.0, caractérisé par un dynamisme et une émancipation physique vis-à-vis des environnements de travail traditionnels, montre que les lieux publics et en particulier les parcs ont acquis une dépendance encore plus forte à l’accès aux données, et doivent donc être équipés de sorte à faciliter l’accueil de cette masse de travailleurs 4.0, plus que jamais demandeuse de tels espaces publics permettant le travail et l’apprentissage.

Ayant particulièrement apprécié le travail de développement et la manipulation de données grâce au langage de programmation Python, et dans la continuité de mon mémoire de Master portant sur ce sujet, j’envisage à l’avenir de m’orienter vers une profession s’appuyant sur les nouvelles compétences que j’ai pu acquérir autour du traitement de données.

BIBLIOGRAPHIE

IA et Conception Architecturale

Atelier Parisien d’Urbanisme [en ligne]. [s. d.]. [Consulté le 4 février 2021]. Disponible à l’adresse : https://opendata.apur.org/ Automate Road Surface Investigation Using Deep Learning | ArcGIS for Developers [en ligne]. [s. d.]. [Consulté le 3 février 2021]. Disponible à l’adresse : https://developers.arcgis.com/python/sam ple-notebooks/automate-road-surface-investigation-using-deep-learning/ Can a Machine Perform the Work of an Architect ? A Chat with Jesper Wallgren, Founder of Finch 3D [en ligne]. [s. d.]. [Consulté le 23 février 2021]. Disponible à l’adresse : https://www.archdaily.

com/929300/can-a-machine-perform-the-work-of�an-architect-a-chat-with-jesper-wallgrenfounder-at-finch-3d Generative Design in Revit now available. Revit [en ligne]. 8 avril 2020. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://blogs.autodesk.com/revit/2020/04/08/generative-design-inrevit/. Section : What’s New Géoservices | Accéder au téléchargement des données libres IGN [en ligne]. [s. d.]. [Consulté le 15 septembre 2020]. Disponible à l’adresse : https://geoservices.ign.fr/documentation/dif fusion/telechargement-donnees-libres.html L’ouverture des données publiques. Gouvernement.fr [en ligne]. [s. d.]. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://www.gouvernement.fr/action/l-ouverture-des-donnees-publiques TensorFlow [en ligne]. [s. d.]. [Consulté le 20 janvier 2021]. Disponible à l’adresse : https://www.te nsorflow.org/ Vélib - Vélos et bornes - Disponibilité temps réel [en ligne]. [s. d.]. [Consulté le 12 janvier 2021].

Disponible à l’adresse : https://opendata.paris.fr/explore/dataset/velib-disponibilite-en-tempsreel/ VIGUIER noue un partenariat avec SPACEMAKER AI [en ligne]. [s. d.]. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://www.viguier.com/fr/actualites/journal/viguier- noue- unpartenariat-avec-spacemaker-ai TERRACOL, Pascal. Les architectes vont-ils devenir des superviseurs ? Archiscopie, La Transition numérique. Paris, France, Eté 2020, Vol. 22, p. 48‑51 WEYTJENS, Lieve, VERDONCK, Evelien et VERBEECK, Griet. Classification and Use of Design Tools : The Roles of Tools in the Architectural Design Process. Janvier 2009, p. 298‑300

Site et contexte

Carte interactive de la ZAC Ivry Confluences [en ligne]. [s. d.]. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://urbanicc.fr/index.php/carte-interactive/ Ivry Confluence - Nos opérations [en ligne]. [s. d.]. [Consulté le 16 janvier 2021]. Disponible à l’adresse : http://sadev94.fr/operations/ivry-confluences/ Ivry Confluence - Ville d’Ivry sur Seine [en ligne]. [s. d.]. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://www.ivry94.fr/164-21/fiche/ivry-confluences.htm Le BHV de sa naissance à nos jours : 1968-1970 [en ligne]. 14 novembre 2011. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://www.rezo-bazar.com/2021/02/memoires-le-bhv-atravers-l-histoire-n-61-en-1944.html ZAC Ivry Confluence - Îlot 3C1 [en ligne]. [s. d.]. [Consulté le 16 janvier 2021]. Disponible à l’adresse : https://www.pss-archi.eu/immeubles/FR-94041-51760.html ACLAA. IVRY CONFLUENCES - Plan guide (Livre 1) [en ligne]. Mars 2019. Disponible à l’adresse : https://issuu.com/aclaa/docs/plan_guide_livre_1

ACLAA. IVRY CONFLUENCES - Plan guide (Livre 2) [en ligne]. Mars 2019. Disponible à l’adresse : https://issuu.com/aclaa/docs/plan_guide_livre_2 BRISBOIS, Christophe. Evolutions de l’îlot BHV [en ligne]. 12 décembre 2018. [Consulté le 17 janvier 2021]. Disponible à l’adresse : https://urbanicc.fr/index.php/2018/12/12/evolutions-ilot-bhv/

Ville productive

L’usine du futur : un retour vers l’urbain ? [en ligne]. [s. d.]. Disponible à l’adresse : https://www.inst itutparisregion.fr/fileadmin/DataStorage/user_upload/NR_726_web2.pdf CEREMA. MAINTENIR ET DÉVELOPPER LES ACTIVITÉS PRODUCTIVES EN VILLE : Le rôle de l’action publique et des acteurs privés [en ligne]. février 2020. Disponible à l’adresse : https://www.caisse desdepots.fr/sites/default/files/2021-01/Cahier%20de%20recherche%20VDef.pdf

GUALLART, Vincente. The Self-Sufficient City. New York : Actar Publ., 2014. Disponible à l’adresse : https://issuu.com/actar/docs/selfsufficient SALIMI, Meysam. WORK 4.0 : An Enormous Potential for Economic Growth in Germany [en ligne]. [s. d.]. Disponible à l’adresse : http://englishbulletin.adapt.it/wp-content/uploads/2015/12/work 4.0_sam.pdf SCHWAB, K. The Fourth Industrial Revolution. [S. l.] : Crown, 2017. ISBN 9781524758875. Disponible à l’adresse : https://books.google.fr/books?id=ST/_FDAAAQBAJ

Les Data centers

Agence ENIA : Data center Banque de France [en ligne]. [s. d.]. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.enia.fr/fr/projet/data-center-banque-de-france C+K Architecture : denver data center - den01 [en ligne]. [s. d.]. [Consulté le 26 février 2021]. Dispo-

nible à l’adresse : https://www.ckarchitect.com/denver-data-center-den01-1 CPCU - Réseau de chaleur [en ligne]. [s. d.]. [Consulté le 28 mars 2021]. Disponible à l’adresse : https://www.cpcu.fr/reseau-de-chaleur/ Data center | Cerema [en ligne]. [s. d.]. [Consulté le 27 février 2021]. Disponible à l’adresse : https: //smart-city.cerema.fr/mots-cles/data-center L’impact spatial et énergétique des data centers [en ligne]. [s. d.]. [Consulté le 23 février 2021]. Disponible à l’adresse : https://www.institutparisregion.fr/fileadmin/NewEtudes/Etude_1780/Synt hese_ENERNUM-1mars2019.pdf Le Big Data | Bengs [en ligne]. [s. d.]. [Consulté le 27 février 2021]. Disponible à l’adresse : https: //www.bengs-lab.com/fr/experience/saison-5/chapitre-1/le-big-data/ Le sous-sol, un énorme réservoir de stockage chaud [en ligne]. 6 mai 2013. [Consulté le 28 mars 2021]. Disponible à l’adresse : https://www.cahiers-techniques-batiment.fr/article/le-sous-sol-unenorme-reservoir-de-stockage-chaud.23167 Les data centers franciliens : un essor sous contraintes ? [en ligne]. [s. d.]. [Consulté le 25 février 2021]. Disponible à l’adresse : https://www.institutparisregion.fr/fileadmin/NewEtudes/Etu de_1166/NR680_data_centers_Web.pdf Les data centers sur Plaine Commune [en ligne]. [s. d.]. [Consulté le 25 février 2021]. Disponible à l’adresse : https://www.alec-plaineco.org/IMG/pdf/alec-plaine-commune-2013-les-datacenters-sur-plaine-commune.pdf Loi de Nielsen | Cerema [en ligne]. [s. d.]. [Consulté le 27 février 2021]. Disponible à l’adresse : https://smart-city.cerema.fr/mots-cles/loi-nielsen/ RECUPERATION ET VALORISATION DE CHALEUR FATALE CHEZ AIR FRANCE – EXPLOITATION D’UN DATA CENTER A VALBONNE (06) [en ligne]. [s. d.]. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.ademe.fr/sites/default/files/assets/documents/retour-experience-airfrance_recuperation-valorisation-chaleur-fatale-datacenter-2018.pdf

ADEME. ÉTUDE DES POTENTIELS DE PRODUCTION ET DE VALORISATIONDE CHALEUR FATALE EN ÎLE-DE-FRANCE [en ligne]. mai 2017. [Consulté le 25 février 2021]. Disponible à l’adresse : https: //www.ademe.fr/sites/default/files/assets/documents/chaleur_fatale_idf_010329.pdf ALBERT, Laurence. La Seine-Saint-Denis, nouvel eldorado des data centers [en ligne]. 29 janvier 2020. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.lesechos.fr/pme-region s/ile-de-france/la-seine-saint-denis-nouvel-eldorado-des-data-centers-1167092 DEBRUYNE, Olivier. Saturé par les data centers, le réseau électrique d’Ile-de-France va-t-il craquer ? [en ligne]. 23 janvier 2020. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.lepa risien.fr/seine-saint-denis-93/sature-par-les-data-centers-le-reseau-electrique-d-ile-de-franceva-t-il-craquer-23-01-2020-8242308.php DUPONT-CALBO, Julien. La Seine-Saint-Denis,”Data Valley” du cloud français [en ligne]. 27 mai 2013. [Consulté le 26 février 2021]. Disponible à l’adresse : https://www.lemonde.fr/a-la-une/article/20 13/05/27/la-seine-saint-denis-data-valley-du-cloud-francais_3418227_3208.html

65 IAU. ENERGIF - Carte de production de chaleur fatale en Ile de France [en ligne]. [s. d.]. [Consulté le 25 février 2021]. Disponible à l’adresse : http://sigr.iau-idf.fr/webapps/cartes/rose/?op=cfat ale RINGER, William. The rise of the architect in data centre design [en ligne]. 19 août 2019. [Consulté le 24 février 2021]. Disponible à l’adresse : https://www.techerati.com/features-hub/opinions /data-centre-design-data-center-design-architects/

Parcs

La nature en ville : des enjeux paysagers et sociétaux - Géoconfluences [en ligne]. [s. d.]. [Consulté le 25 mars 2021]. Disponible à l’adresse : http://geoconfluences.ens-lyon.fr/doc/transv/paysa ge/PaysageViv.htm The Different Technologies for Cooling Data Centers [en ligne]. [s. d.]. [Consulté le 24 février 2021].

Disponible à l’adresse : https://download.schneider-electric.com/files?p_Doc_Ref=SPD_VAVR5UDTU5_EN Vers un retour de la végétation spontanée en ville - IPR [en ligne]. [s. d.]. [Consulté le 25 mars 2021]. Disponible à l’adresse : https://www.institutparisregion.fr/environnement/developpementdurable/vers-un-retour-de-la-vegetation-spontanee-en-ville/ Villes résilientes, réconcilier urbanisme et nature [en ligne]. [s. d.]. [Consulté le 25 mars 2021]. Disponible à l’adresse : https://www.arb-idf.fr/fileadmin/DataStorageKit/ARB/Articles/fichiers/urba _417_barra.pdf MARTINI, Daniela AND Batista, Angeline AND Biondi. Distance and Intensity of Microclimatic Influence Provided by Urban Forest Typologies. Floresta e Ambiente [en ligne]. scielo, 2018, Vol. 25. Disponible à l’adresse : http://www.scielo.br/scielo.php?script=sci_arttext&pid=S217980872018000200113&nrm=iso MOSS, Joseph, DOICK, Kieron, SMITH, Stefan et SHAHRESTANI, Mehdi. Influence of evaporative cooling by urban forests on cooling demand in cities. Urban Forestry & Urban Greening. Août 2018, Vol. 37

ICONOGRAPHIE

1.1 Prévisualisation du jeu de données de l’APUR - https://opendata.apur.org/

. . . .

1.2 Prévisualisation du jeu de données d’IGN - https://geoservices.ign.fr/documentati on/diffusion/telechargement-donnees-libres.html . . . . . . . . . . . . . . . . .

1.3 Secteurs d’amélioration en termes d’outils pour les agences - Classification and Use of Design Tools : The Roles of Tools in the Architectural Design Process . . .

1.4 Métadonnées du jeu de données de l’APUR - https://opendata.apur.org/ . . . . . .

1.5 GéoPandas : module Python facilitant la manipulation des formats géographiques

courants - Réalisation personnelle . . . . . . . . . . . . . . . . . . . . . . . . .

1.6 Autokeras : module rendant accessible la création de modèles de prédiction - Réalisation personnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.7 l’agrégation : principe fondamental pour exploiter l’Open Data - Réalisation personnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.8 Mise à l’épreuve de l’algorithme - Réalisation personnelle . . . . . . . . . . . . .

2.1 Un emplacement stratégique historique à l’échelle territoriale - Réalisation personnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2 Photographie des entrepôts (vers 1960) - https://urbanicc.fr/index.php/2018/12/ 12/evolutions-ilot-bhv/

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3 Photographie aérienne du site en friche (début 2020) - Google Earth . . . . . . . .

2.4 Projet de la ZAC Ivry Confluence - Agence AACLA . . . . . . . . . . . . . . . . .

2.5 Les quatre révolutions industrielles - https://upload.wikimedia.org/wikipedia/com mons/c/c8/Industry_4.0.png

. . . . . . . . . . . . . . . . . . . . . . . . . . .

2.6 Les caractéristiques de l’Industrie 4.0 - https://aethon.com/mobile-robots-andindustry4-0/ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.7 Les enjeux de la relocalisation urbaine des usines - https://www.institutparisregio n.fr/fileadmin/DataStorage/user_upload/NR_726_web2.pdf . . . . . . . . . . . . 3.1 Exemple de projet de datacenter à Denver, USA - Agence C+K Architecture

. . . .

32 36

3.2 Les données ouvertes en temps réel : un besoin de puissance de calcul permanent - https://opendata.paris.fr/explore/dataset/velib-disponibilite-en-temps-reel/ . . .

3.3 La loi Nielsen : l’enjeu de satisfaire un nombre croissant d’usager - https://openda ta.paris.fr/explore/dataset/velib-disponibilite-en-temps-reel/ . . . . . . . . . . .

3.4 La Seine Saint-Denis : une capacité d’accueil saturée - Réalisation personnelle ins-

pirée par l’Institut Paris Région : https://www.institutparisregion.fr/fileadmin/New Etudes/Etude_1166/NR680_data_centers_Web.pdf . . . . . . . . . . . . . . . .

3.5 Réduire la consommation électrique du refroidissement : une économie nonnégligeable - Réalisation personnelle inspirée par l’ALEC Plaine-Commune : https://www.alec-plaineco.org/IMG/pdf/alec-plaine-commune-2013-les-datacenters-sur-plaine-commune.pdf . . . . . . . . . . . . . . . . . . . . . . . . .

3.6 Les Data centers : une source potentielle abondante de chaleur - https://www.ad eme.fr/sites/default/files/assets/documents/chaleur_fatale_idf_010329.pdf . . .

3.7 Un potentiel de restitution et de traitement du surplus sur le réseau CPCU - http: //sigr.iau-idf.fr/webapps/cartes/rose/?op=cfatale . . . . . . . . . . . . . . . . .

4.1 Télétravailleurs à Bryant Park, New York - https://workfrom.co/bryant-park . . . .

4.2 Le débit : enjeu contemporain des parcs à l’heure du travail 4.0 - OOKLA . . . . . .

4.3 La forêt, typologie la plus impactante sur l’air ambiant en milieu urbain - https: //www.scielo.br/j/floram/a/6wFR6JGFHmZmH8NrRcm4Cxs/? . . . . . . . . . .

4.4 L’arbre en ville, une économie de refroidissement conséquente - https://www.scie ncedirect.com/science/article/abs/pii/S1618866717304661 . . . . . . . . . . .

GLOSSAIRE

Agrégation Regroupement des attributs contenus dans plusieurs jeux de données distincts concernant un objet d’étude commun (ici, des bâtiments existants), de sorte à former un seul jeu de données unique.

Algorithme de prédiction Programme capable de proposer une solution à un problème donné, suivant les liens établis sur un ensemble de données fournies lors de son entraînement.

Cloud Le Cloud regroupe un ensemble de serveurs informatiques distants, eux-mêmes répartis au sein de data centers partout dans le monde. Cette technologie permet notamment de stocker des données et même d’exécuter des programmes et logiciels sans se reposer sur les ressources des machines locales (servant uniquement de périphérique d’accès).

Datasciences Terme provenant de « Data Science » en anglais et désignant les sciences des données, discipline s’appuyant principalement sur les domaines de l’informatique et de la statistique dans le cadre d’exploitation de données massives.

Intelligence Artificielle (IA) Mise en oeuvre de théories et de techniques ayant pour ambition de créer des infrastructures logicielles (ou matérielles) capables de simuler l’intelligence humaine.

Machine Learning Sous-domaine de l’Intelligence Artificielle se fondant sur une approche mathématique et statistique permettant à un ordinateur de résoudre un problème à partir d’une masse de données. C’est une forme d’« apprentissage » de la part de la machine, puisqu’elle devra elle-même déterminer les liens conduisant à sa réponse au problème donné (en « observant » les données fournies), sans programmation explicite.

Open Data Initiative de la part d’institutions publiques et privées de partager leurs données, en les rendant accessibles au public, de manière anonymisée. Une licence ouverte (comparable à une charte) explicite les modalités d’utilisation (redistribution, traitement, etc…) autour de ces données, étant très souvent favorable à une réutilisation extensive.

Les données constituent aujourd’hui une ressource clé au sein des villes. Leur capacité à permettre une analyse approfondie d’un territoire urbain, en particulier par le développement de l’Open Data et des jeux de données massifs représente un enjeu pour les architectes, désormais capables de s’en saisir en créant leur propres outils, grâce à une approche toujours plus accessible des langages de programmation.

Ces données constituent également un terreau fertile pour réintégrer des activités productives locales en milieu urbain, leur permettant de suivre la cadence accélérée de l’économie de l’industrie 4.0.

Situé au coeur de l’ancien quartier industriel d’Ivry Port, le site étudié aura ainsi pour objectif de convoquer ces nouveaux métabolismes autour des données au sein du processus de conception, et ainsi d’en restaurer le potentiel productif

OPEN DATA - INDUSTRIE 4.0 - RELOCALISER - DATACENTER - ALGORITHME - PRÉDICTION

CONFLUENCE PRODUCTIVE - Chapitre 4.1