Aller au contenu principal

Modèle de scénarios énergétiques long termes pour Ressources naturelles Canada

L’Office de l’efficacité énergétique (OEE) de Ressources naturelles Canada (RNCan), chef de file du gouvernement du Canada en matière d’efficacité énergétique, souhaite évaluer les impacts sur le long terme des politiques et des programmes récents sur le système énergétique afin d'évaluer les progrès réalisés par rapport aux cibles établies.

Pour atteindre cet objectif, l’OEE a d'abord collaboré avec Enerdata en 2024 pour évaluer l'impact de la mise en œuvre de politiques et de stratégies de programmes spécifiques en prévision du Sommet des dirigeants du G7 de 2025, tenu à Kananaskis, en Alberta. 

Plus récemment, l’OEE a mandaté Enerdata pour développer un modèle personnalisé, robuste et fonctionnel, et renforcer ses capacités internes d’évaluation des impacts à long terme de diverses politiques et programmes d’efficacité énergétique mis en œuvre au Canada. Enerdata a pu répondre à ce besoin en mixant ses expertises en modélisation, en données énergétiques, en formation et en développement web.

La première étape était de développer un modèle adapté aux besoins de l’OEE, et de fournir des outils spécifiques pour faciliter son appropriation : des interfaces utilisateurs dédiées aux modélisateurs, et des outils de visualisation et de partage des résultats avec d’autres parties prenantes internes. 

Grâce à ses connaissances et expériences du modèle POLES-Enerdata, ainsi qu'à sa collaboration antérieure avec le ministère, Enerdata était particulièrement bien positionné pour développer le modèle le plus adapté aux besoins spécifiques de l’OEE.

Pour alimenter ce modèle, Enerdata a également fourni les données d'entrée, servant de base à l'évaluation des impacts, en exploitant ses propres bases de données, reconnues pour leur cohérence et leur exhaustivité. Ces données incluent des données historiques canadiennes pour toutes les variables du modèle (données d'activité, données économiques, consommation d'énergie, capacités et production d'électricité, flux de produits énergétiques, etc.) et des données de référence pour les années projetées. Cela a permis de définir un scénario de référence, qui s'aligne sur les tendances des "Mesures actuelles" de la Régie de l'énergie du Canada, et qui représente une trajectoire probable fondée sur les mesures actuellement en place. Le modèle fourni a l’OEE comprenait ainsi des valeurs historiques et une trajectoire de référence, permettant aux équipes de l’OEE d'évaluer les impacts des politiques et des programmes sélectionnés, en comparant leurs résultats avec ces valeurs de référence.

Une autre composante importante du projet était la formation des collaborateurs de l’OEE, en particulier les modélisateurs, pour assurer leur autonomie dans l'utilisation du modèle. En mobilisant ses experts en modélisation reconnus pour leurs compétences pédagogiques, Enerdata a conçu et animé un atelier de formation en personne adapté aux besoins de l’OEE. Les collaborateurs de l’OEE ont ainsi pu bénéficier d’une formation complète en présentiel sur l'utilisation du modèle, des outils associés et l’analyse des résultats. De plus, Enerdata continuera d’offrir un soutien technique tout au long de l’adoption du modèle.

Enerdata à Ressources Naturelles Canada Enerdata à Ressources Naturelles Canada

Enfin, Enerdata a mis à disposition ses équipes de développement web pour créer et mettre en œuvre une interface de visualisation des données accessible à tout le personnel de l’OEE, permettant ainsi un accès simple et intuitif aux principaux résultats du modèle. Nos développeurs ont conçu ces développements de manière à favoriser une intégration harmonieuse de l’infrastructure dans l'environnement informatique de l’OEE.

Tous les livrables sont accompagnés d’une documentation complète, offrant à l’OEE une base théorique solide sur les principes de modélisation et abordant les principaux défis associés à ce type de modèles. Cette approche globale permettra à l’OEE d'exploiter tout le potentiel du modèle tout en assurant une compréhension approfondie de ses mécanismes sous-jacents.