Deepki : « Déployer un plan d'action agile, s'appuyant sur la data »

Face au plan France Relan, Deepki, start-up exploitant les données existantes de ses clients pour optimiser la gestion de leur parc immobilier et engager la transition énergétique et digitale, appelle à passer à l’action rapidement, en faisant appel au "Test & Learn".

"Ce plan de relance, résolument écologique, donne enfin à la France les moyens de ses ambitions en termes de rénovation thermique des bâtiments. Néanmoins, il pose dans le même temps un défi énorme : comment éviter la gabegie ? Comment assurer un impact environnemental massif et rapide à la hauteur des enjeux ? Nous avons beaucoup à tirer des enseignements de l’informatique et particulièrement de l’approche data pour s’assurer de l’efficacité des actions entreprises. Appliquée à la transition environnementale et généralisée, cette méthode assurerait un impact massif et rapide des moyens engagés", croit Vincent Bryant, président de Deepki.

Et de prévenir : "Evitons de (re)tomber dans les ornières habituelles en préconisant des audits énergétiques longs qui, s’ils permettent de faire des listes d’actions potentielles, n’appellent pas vraiment à leur mise en œuvre".

En conséquence, Deepki encourage plutôt à construire des modes de décision pragmatiques s’appuyant sur la data et qui associent à chaque action un pilotage précis. Ce modèle déployé dans le secteur informatique baptisé « Test & Learn » se schématise comme suit :

1/ Je fais mes choix et analyses sur la base des données factuelles et de la situation donnée.

2/ Je détermine le problème et teste une solution.

3/ J’analyse les données à la suite de la mise en œuvre de cette solution.

4/ En cas de succès, je généralise la solution. En cas d’échec, j’apprends et j’adapte une autre solution.

Ce modèle d’action permet dans les faits de mieux détecter les plus importants gisements d’économie d’énergie, choisir le bouquet d’actions le plus adapté, sans déclencher par défaut des travaux lourds, et de suivre l’efficacité réelle des actions et reproduire rapidement les actions les plus efficaces.