La demande de recharge des véhicules électriques : la donnée et l'IA à la rescousse
La recharge des véhicules électriques : un écosystème en plein essor
Le nombre de véhicules électriques immatriculés en France continue de croître à un rythme impressionnant chaque année : +34% sur les douze derniers mois¹. Près de 225 000 véhicules supplémentaires ont rejoint le parc en circulation, portant le total à 915 000 véhicules en septembre 2023.
Cette expansion rapide est portée par la convergence de nombreux facteurs structurels favorables : une conscience environnementale croissante du public, des contraintes réglementaires comme les Zones à Faibles Émissions (ZFE) en centre-ville, la baisse des prix des véhicules, l'élargissement des gammes de produits, l'amélioration des performances des véhicules, notamment l'autonomie accrue, les incitations fiscales et réglementaires, y compris les subventions à l'achat, l'électrification des flottes d'entreprise, l'augmentation du coût des carburants fossiles, et bien plus encore.
Parallèlement à la croissance du parc automobile, l'Infrastructure de Recharge pour Véhicules Électriques (IRVE) a également connu une expansion rapide, le nombre de points de recharge ayant augmenté de 59% entre septembre 2022 et septembre 2023².
Cette croissance parallèle est également soutenue par des politiques publiques telles que la PPE et le programme Advenir, mais aussi par l'augmentation des investissements du secteur privé, les levées de fonds étant de plus en plus fréquentes et importantes.
Cependant, le parallélisme apparent entre ces deux courbes de croissance cache plusieurs facteurs de découplage. Entre l'augmentation du nombre de véhicules électriques et l'évolution de la demande de recharge se trouve une équation de transfert complexe que la Data et l'IA, et donc Eleven, peuvent aider à résoudre.
Anticiper la demande d'IRVE : bien plus qu'une simple équation volume × valeur
L'approche du conseil en stratégie, qui consiste à décomposer un problème complexe en sous-problèmes plus simples, apporte déjà une première couche de compréhension.
D'abord sous l'angle du volume, la quantité d'énergie distribuée par les bornes de recharge dépend principalement des kilomètres parcourus, et dans une certaine mesure des conditions de conduite : comportement du conducteur, conditions météorologiques, et variables similaires.
Cela conduit à une première segmentation entre deux catégories :
D'une part, le « conducteur léger », dont la mobilité s'articule principalement autour des trajets domicile-travail et des déplacements de loisirs (soirées, week-ends, vacances).
D'autre part, le « conducteur lourd », dont le véhicule accumule les trajets tout au long de la journée : livraisons, opérations sur le terrain, interventions techniques, et activités similaires.
Le premier profil correspond généralement aux particuliers ou aux utilisateurs de voitures de fonction. Le second correspond aux « routiers », ou du moins aux personnes qui passent une part significative de leur temps de travail à conduire.
Les besoins de ces deux types de consommateurs, en laissant de côté les poids lourds qui évoluent dans leur propre écosystème spécifique, se répartissent ensuite en trois grandes catégories de recharge :
- La recharge à domicile ou sur le lieu de travail (et parfois à l'hôtel), généralement sans contraintes de temps, donc souvent lente et s'appuyant typiquement sur des bornes privées.
- La recharge à destination (centres commerciaux, parkings publics), où les conducteurs rechargent tout en effectuant une autre activité.
- La recharge en itinérance (ou « on-the-road »), lorsque les conducteurs s'arrêtent spécifiquement pour recharger et éviter la panne sèche, un monde dominé par les solutions de recharge rapide et ultra-rapide.
Borne de recharge rapide « en itinérance » dans les Alpes suisses
Nous avons donc deux types de consommateurs, dont la demande se répartit sur trois types de recharge.
Le petit rouleur s'appuiera principalement sur la recharge privée à domicile et, pour les trajets occasionnels de longue distance, sur la recharge publique en itinérance, avec peut-être un peu de recharge à destination sur les lieux de vacances. Pour parcourir environ 8 000 km par an, cet utilisateur rechargera sa batterie environ 40 à 60 fois par an, chaque session délivrant environ 40 à 50 kWh.
Le gros rouleur, en revanche, adoptera un comportement complètement différent car ses besoins de recharge sont beaucoup plus fréquents et critiques.
Ce premier niveau de segmentation illustre pourquoi ce n'est pas simplement la croissance du nombre de véhicules électriques qui compte, mais plutôt le profil du conducteur au volant.
Par exemple, l'arrivée de véhicules électriques plus abordables augmente la proportion de « petits rouleurs » au sein du parc automobile global, ce qui, à son tour, modifie la demande de recharge.
Chez Eleven, nous avons développé un modèle de segmentation des usages beaucoup plus granulaire afin de mieux comprendre et anticiper l'évolution du marché.
Mais la complexité ne s'arrête pas là.
En effet, même au sein d'un même segment, la demande évolue constamment.
À long terme, les améliorations de l'offre de véhicules électriques, notamment en termes d'autonomie, réduisent le besoin de recharge en itinérance chez les petits rouleurs. Inversement, le déploiement d'infrastructures de recharge publiques à des prix abordables réduit le besoin de très grandes autonomies de véhicules et soutient donc la demande de recharge.
D'autres facteurs liés au comportement des utilisateurs, tels que la maturité des consommateurs vis-à-vis de ces nouvelles habitudes de mobilité, influencent également la demande de recharge.
Par exemple, les utilisateurs expérimentés de VE sont moins enclins à se précipiter vers les solutions de recharge à destination lorsqu'ils disposent déjà d'une autonomie de batterie suffisante pour rentrer confortablement chez eux.
Sur des horizons temporels plus courts, la demande est soumise à des effets saisonniers liés à la fois aux déplacements de vacances et aux habitudes de consommation liées à la météo, aux cycles hebdomadaires comme les trajets domicile-travail en semaine et les sorties de loisirs ou de shopping le week-end, ainsi qu'aux pics de demande horaires.
Cette variabilité de la demande impacte inévitablement l'offre d'infrastructures de recharge, tant en termes de capacité disponible que de modèles de tarification.
Enfin, comme si les choses n'étaient pas déjà assez complexes, toutes ces dimensions de la demande dépendent de paramètres locaux. Elles ne sont pas uniformément réparties sur un territoire. Alors, est-il réellement possible de donner un sens à un écosystème aussi complexe ?
Heureusement, les données viennent à la rescousse.
Comme de nombreux paradigmes émergents, l'adoption des véhicules électriques et le déploiement correspondant d'infrastructures de recharge adéquates impliquent encore une incertitude significative. Cependant, les acteurs du marché ne sont pas réduits à faire des paris à l'aveugle.
D'une part, les données ont déjà commencé à s'accumuler, dont une partie est disponible via des sources Open Data : immatriculations de véhicules électriques, parcs de bornes de recharge installées par type de recharge, typologies de bâtiments environnants (résidentiel, commerce, bureaux), pouvoir d'achat local, et bien plus encore.
D'autre part, ces problèmes de prédiction, qui dépassent souvent les capacités d'analyse du cerveau humain, sont particulièrement bien adaptés aux modèles d'Intelligence Artificielle tels que l'analyse de séries chronologiques, les réseaux bayésiens et les algorithmes d'apprentissage automatique.
Les modèles que nous avons déjà mis en œuvre à l'aide de sources de données publiques sont très pertinents. Une fois enrichis avec des données opérationnelles privées provenant d'infrastructures de recharge existantes, telles que l'historique réel des sessions de recharge, y compris les volumes et les durées, leur pouvoir prédictif deviendra encore plus puissant.
Anticiper la demande de recharge des véhicules électriques est un défi majeur pour toutes les parties prenantes du marché. Développer une compréhension précise des dynamiques économiques associées nécessite une vision globale de l'ensemble de l'écosystème de la mobilité électrique.
Grâce à sa profonde expertise des marchés de la mobilité et de l'énergie, combinée à des capacités avancées en science des données, Eleven est idéalement positionné pour aider les organisations à naviguer avec succès dans ce paysage en rapide évolution.
Sources
