Demande en recharge de véhicules électriques : data et IA à la rescousse02 novembre 2023

La recharge du véhicule électrique, un univers foisonnant

Le nombre de véhicules électriques immatriculés en France augmente chaque année de manière impressionnante : +34% sur les douze derniers mois ¹. C’est ainsi près de 225 000 véhicules qui sont venus grossir le parc en circulation pour le porter à 915 000 (septembre 2023). Cette explosion s’explique par la conjonction de nombreux facteurs structurels favorables : prise de conscience écologique du grand public, contraintes réglementaires (ex : les fameuses ZFE – Zones à Faible Emissions des centres-villes), diminution des prix de vente des véhicules, élargissement des gammes, amélioration des caractéristiques des véhicules (ex : autonomie), incitations fiscales et réglementaires comme le bonus à l’achat, conversion des flottes entreprises, augmentation du coût des carburants fossiles, etc.

En parallèle de cette croissance du parc roulant, les Infrastructures de Véhicules Électriques (IRVE) se déploient de manière accélérée avec une augmentation du nombre de bornes de 59% entre septembre 2022 et 2023 ². Cette autre croissance est là aussi soutenue par la puissance publique (PPE, programme Advenir, etc.), mais aussi par les investissements d’acteurs privés dont les levées de fonds se font plus nombreuses et plus massives.

Le parallélisme apparent de ces deux croissances masque des facteurs de décorrélation. Entre l’augmentation du nombre de véhicules électrique et l’évolution de la demande en recharge, il y a une équation de transfert complexe que la Data et l’IA (et donc eleven) peuvent aider à résoudre.

Anticiper la demande en IRVE, plus qu’une simple équation volume x valeur

L’approche largement éprouvée par le conseil en stratégie de la décomposition d’une question complexe en problèmes plus simples apporte un premier éclairage. Pour le volume d’abord, la quantité d’énergie à distribuer au travers des bornes de recharge dépend de la distance parcourue – et un peu des conditions de conduite : comportement, météo, etc. Il en ressort une première segmentation entre d’une part le « petit rouleur », conducteur dont les déplacements s’organisent autour des déplacements domicile-travail et de loisir (soirées, week-end et vacances) et d’autre part le « gros rouleur », dont le véhicule accumule les déplacements en journée – tournée, livraisons, dépannage, etc. Le premier est un particulier ou le bénéficiaire d’un véhicule de fonction, le deuxième un « travailleur de la route », ou du moins, une personne qui passe une part sensible de son temps professionnel au volant.

Les besoins de ces deux types de consommateurs (et laissons de côté les poids lourds, qui évoluent dans un monde parallèle spécifique) vont se décliner dans 3 types de recharge :

1. La recharge à domicile ou sur le lieu de travail (voire hôtel), souvent sans contrainte de temps et donc lente, et souvent sur des bornes privées 
2. La recharge à destination (supermarché, parking publics), dans des lieux où le conducteur se rend et en profite pour prendre une dose de recharge
3. La recharge en route (ou en itinérance), quand le conducteur s’arrête pour se recharger et éviter la panne sèche, univers de la recharge rapide, ou ultra-rapide…

Station de recharge rapide « en route » dans les alpes suisses

Nous avons donc deux types de consommateurs, dont la demande se décline sur 3 types de recharge : Le petit rouleur utilisera principalement la recharge privée à domicile, et pour ses quelques grands déplacements, une recharge publique en route, voire un peu à destination sur son lieu de vacances. Pour parcourir ses 8000 km dans l’année, il rechargera 40 à 60 fois sa batterie, d’environ 40-50 kWh à chaque fois. Le gros rouleur aura un comportement totalement différent car son besoin de recharge sera beaucoup plus fréquent et critique.

Cette segmentation de premier niveau permet d’illustrer pourquoi ce n’est pas juste l’évolution du nombre de véhicules qui compte, mais bien la nature du conducteur au volant. A titre d’exemple, l’arrivée de véhicules électriques plus abordables augmente la proportion de « petits rouleurs » dans le parc, ce qui déforme la demande. Chez eleven, nous avons développé une segmentation des usages beaucoup plus fine pour mieux comprendre et anticiper le marché.

Mais la complexité ne s’arrête pas là. En effet, pour un même segment, la demande est en constante évolution. Sur le temps long, l’évolution de l’offre de véhicules électriques, notamment en termes d’autonomie, limite le besoin de recharge en route pour les petits rouleurs. A l’inverse, le déploiement de l’IRVE publique à des tarifs abordables réduit le besoin de grandes autonomies et soutient la demande. D’autres facteurs liés au comportement des utilisateurs, comme leur maturité face à ces nouveaux usages, influencent la demande de recharge. Ainsi, le consommateur mature se précipitera moins facilement vers une solution de recharge à destination quand il a largement l’autonomie suffisante pour rentrer chez lui.

Sur les temps courts, la demande est soumise à des effets de saisonnalité (dans les déplacements de vacances et dans la consommation liée aux conditions météorologiques), des effets de cycle hebdomadaire (domicile-travail en semaine, loisir et courses le week-end) et de pics horaires. Cette variabilité de la demande exerce nécessairement une influence sur l’offre, tant en quantité qu’en tarif.

Enfin, comme si ce n’était pas déjà assez compliqué, toutes ces dimensions de la demande dépendent de paramètres locaux. Ils ne sont pas uniformes sur un territoire. Mais alors, est-il possible d’y voir clair dans cet univers de complexité ?

Merci la Data !

Comme beaucoup de nouveaux paradigmes, l’adoption du véhicule électrique et son corollaire du déploiement d’une IRVE adéquat conserve une grande part d’incertitude, mais pour autant les acteurs du secteur n’en sont pas réduits à faire des paris à l’aveugle.

En effet, d’une part, les données ont déjà commencé à s’accumuler, dont certaines sont disponibles en Open Data : immatriculations de véhicules électriques, parc de bornes installé par type d’offre, typologies de bâtiments alentours (résidentiel, commercial, bureaux), pouvoir d’achat local, etc. D’autre part, ces problèmes de prédictions qui dépassent souvent les capacités du cerveau humain sont particulièrement bien adressés par les modèles d’Intelligence Artificielle (séries temporelles, réseaux bayésiens, Machine Learning…). Ceux que nous avons implémentés sur des données publiques sont déjà éclairants. Quand nous les enrichirons de données privées issues de l’exploitation d’IRVE déjà existantes (ex : historique réel des sessions de recharge en nombre et durées), ils n’en seront que meilleurs.

L’anticipation de la demande de recharge de véhicules électriques est un défi majeur pour l’ensemble des acteurs du marché. La compréhension fine des enjeux économiques qui y sont associés requiert une vision complète de l’environnement de la mobilité électrique. Par sa connaissance approfondie du monde de la mobilité et de l’énergie, associée à son expertise de pointe en data-science, eleven est à même de vous aider à tirer votre épingle du jeu dans ce milieu en constante évolution.

Sources
1. https://www.avere-france.org/publication/barometre-septembre-2023-les-immatriculations-des-vehicules-electriques-et-hybrides-rechargeables-representent-255-des-parts-de-marches/
2. https://data.enedis.fr/explore/dataset/nombre-total-de-points-de-charge/table/?sort=-trimestre