> For the complete documentation index, see [llms.txt](https://docs.myrspoven.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-fr/fonctionnalites-ia/ai-penalty.md). # Pénalité de l'IA myCoreAI équilibre plusieurs objectifs concurrents à chaque cycle d’optimisation — confort des occupants, efficacité des équipements et coût d’exploitation. Chaque résultat indésirable entraîne une pénalité, et myCoreAI sélectionne le plan candidat avec la pénalité totale la plus faible sur l’horizon d’optimisation. Cette page décrit comment ces priorités sont ordonnées. ## Comment fonctionne le système de pénalités À chaque cycle, myCoreAI évalue de nombreux plans de consigne candidats sur un horizon de 72 heures, prédit le résultat de chacun selon le modèle du bâtiment, additionne les pénalités et sélectionne le plan au coût le plus faible. Seule la première heure est envoyée au système de gestion technique du bâtiment (GTB) ; le reste de l’horizon garantit que la décision actuelle conduit à une trajectoire cohérente. Les pénalités n’ont pas le même poids, et plusieurs sont conditionnelles à la saison, à l’heure de la journée ou à l’occupation. ## Priorité 1 — Confort Les pénalités de confort dominent. myCoreAI leur donne un poids bien supérieur à toute composante énergétique ou de coût, de sorte qu’il accepte une consommation d’énergie plus élevée plutôt que de laisser le confort dériver hors des limites de confort. Les pénalités de confort couvrent : * **Température intérieure** en dehors des limites de confort * **Niveaux de CO₂** au-dessus de la limite configurée * **Humidité** au-dessus de la limite configurée, là où elle est mesurée Pour les bâtiments dont des regroupements de capteurs sont configurés, myCoreAI évalue le confort par groupe (généralement un groupe par circuit de chauffage ou de refroidissement) plutôt que par capteur individuel. ## Priorité 2 — Comportement de l’unité de traitement d’air Pour chaque unité de traitement d’air (AHU), myCoreAI choisit entre chauffage, refroidissement ou ventilation seule en fonction de la température extérieure et de la saison. | Saison | Rôle de l’AHU | Pénalité | | ------------- | ------------------------------------------- | ----------------------------------------------------------------------------------------------- | | Hiver | Chauffage via l’AHU | Élevée — déconseillé sauf si le confort l’exige ou si **Chauffage avec ventilation** est activé | | Été | Refroidissement gratuit via l’AHU | Faible — encouragé avant le refroidissement mécanique | | Toute l’année | Fonctionnement du ventilateur / de pression | Faible constante — décourage une ventilation inutile | ## Priorité 3 — Source de chauffage myCoreAI attribue une faible pénalité aux circuits de chauffage principaux (généralement le chauffage urbain via les radiateurs) et une pénalité élevée au chauffage basé sur l’AHU. Ce classement produit la logique hivernale ci-dessus. Un terme de lissage décourage les changements rapides d’une heure à l’autre des consignes de chauffage. Le **variation maximale du circuit de chauffage** paramètre dans les réglages IA limite la vitesse à laquelle les consignes peuvent évoluer. ## Priorité 4 — Source de refroidissement Les sources de refroidissement entraînent de faibles pénalités, ordonnées selon le coût et l’impact environnemental : refroidissement gratuit via la ventilation, puis refroidissement urbain, puis refroidissement mécanique. ## Modulation du prix de l’énergie Quand [myLoadshift](/myrspoven-docs/myrspoven-docs-fr/fonctionnalites-ia/loadshift.md) est actif, myCoreAI multiplie les pénalités liées à l’énergie par le prix spot variable dans le temps et déplace la consommation vers les heures les moins chères. Les pénalités de confort ne sont pas modulées par le prix. ## Plafond énergétique Lorsque le plafond énergétique est configuré, une pénalité supplémentaire s’active à mesure que la moyenne journalière prévue s’approche du plafond. myCoreAI lui attribue un poids important — le plafond se comporte comme une contrainte quasi stricte. ## En résumé myCoreAI évalue chaque plan candidat selon : 1. Pénalités de confort — élevées, généralement nulles lorsque le confort est maintenu 2. Pénalités liées à l’utilisation des équipements — modérées, dépendantes de la saison et de la température 3. Pénalités de lissage — faibles, maintiennent un fonctionnement stable 4. Pénalités liées au coût — faibles, favorisent une énergie moins chère lorsque les autres contraintes sont satisfaites 5. Pénalités de plafond — actives uniquement à proximité du plafond énergétique Le plan au coût total le plus faible est envoyé. ## Exemple concret Un bureau chauffé par réseau de chaleur un après-midi doux de février : la température extérieure est de 6 °C, les capteurs intérieurs se situent au milieu de la plage, et le prix spot chute fortement entre 13 h et 15 h. Avec myLoadshift activé, myCoreAI augmente légèrement la température de départ du radiateur pendant la fenêtre bon marché pour précharger la masse du bâtiment, puis le laisse dériver jusqu’au pic de prix du début de soirée. Les pénalités de confort restent nulles tout au long de la période — la décision est entièrement guidée par la composante coût, limitée par le plafond de lissage sur le circuit de chauffage. ## Interprétation d’un comportement inattendu Lorsque les consignes semblent contre-intuitives — alimentation du radiateur inchangée par temps doux, AHU fonctionnant plus chaud que prévu — une pénalité de priorité supérieure est généralement active : un capteur de confort proche de sa limite, le terme de lissage empêchant une baisse rapide, ou le bâtiment approchant de son plafond énergétique. Pour orienter myCoreAI vers des économies d’énergie plus agressives, ajustez les paramètres IA : élargissez les min/max adaptatifs, activez AI Freedom, ou augmentez les décalages hors heures d’ouverture. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-fr/fonctionnalites-ia/ai-penalty.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.