Froid commercial & réfrigération
Maintenance prédictive, supervision multi-sites, conformité F-Gas et assistants de chiffrage. Nous construisons des infrastructures IA pour les installateurs frigorifiques, les exploitants de parcs, les fabricants de matériel et les distributeurs de fluides.
En bref
L'intelligence artificielle appliquée au froid commercial sert quatre usages concrets : anticiper les pannes à partir des dérives de pression et de surchauffe, détecter les fuites de fluide frigorigène avant le contrôle réglementaire, superviser un parc multi-sites dans une interface unique quel que soit le constructeur des régulateurs, et automatiser la charge administrative — registres F-Gas, rapports d'intervention, chiffrage et sélection matériel.
Une centrale frigorifique moderne mesure en permanence pressions haute et basse, températures d'évaporation et de condensation, surchauffe, sous-refroidissement, intensité absorbée par chaque compresseur, cycles de dégivrage, ouverture des détendeurs électroniques. Sur un magasin alimentaire équipé de deux centrales et de trente meubles frigorifiques, cela représente plusieurs dizaines de milliers de points de mesure par jour.
Dans la quasi-totalité des exploitations que nous rencontrons, ces données servent à une seule chose : déclencher une alarme quand un seuil est franchi. Autrement dit, on attend que le problème soit là. Le technicien se déplace en urgence, souvent un samedi, parfois pour constater qu'un détendeur était mal réglé depuis six semaines et que l'installation consommait 15 % de trop pendant tout ce temps.
L'écart entre « on est alerté quand ça casse » et « on sait trois semaines avant que ça va casser » ne tient pas à du matériel supplémentaire. Il tient à ce qu'on fait de l'historique déjà stocké.
Nos solutions
Vos centrales remontent déjà des milliers de points de mesure par jour : pressions, surchauffe, sous-refroidissement, temps de marche compresseur, dégivrages. Un modèle entraîné sur cet historique détecte la dérive avant la panne — une surchauffe qui grimpe de 2 K sur trois semaines, un compresseur dont le temps de marche s'allonge à charge constante.
Croiser la baisse de charge, l'évolution de la pression d'aspiration et les relevés d'étanchéité permet de qualifier une suspicion de fuite bien avant le contrôle réglementaire. Sur des installations à fort GWP, chaque kilo de fluide perdu se paie deux fois : en achat de fluide et en quotas CO₂ équivalents.
Un exploitant qui gère 40 magasins n'a pas besoin de 40 interfaces constructeur. Nous agrégeons Danfoss, Carel, Wurm, Resa, Dixell et les automates propriétaires dans un tableau de bord unique, avec un classement des sites par criticité et par dérive de consommation.
Un agent IA connecté à vos catalogues fournisseurs (Bitzer, Copeland, Güntner, Thermofin, Danfoss) et à vos grilles tarifaires produit une présélection de matériel et un pré-chiffrage à partir d'un cahier des charges — puissance frigorifique, température d'évaporation, fluide, contraintes d'implantation.
Le règlement (UE) 2024/573 impose la traçabilité des charges, les contrôles d'étanchéité périodiques et la tenue d'un registre par équipement. Nous automatisons la collecte des interventions, le calcul des tonnes équivalent CO₂ et la génération des registres, avec alerte avant échéance de contrôle.
Le technicien dicte son intervention en fin de chantier ; l'IA produit le rapport structuré, met à jour le registre F-Gas, propose le devis de remplacement de pièce et l'envoie au client. Le temps administratif d'une équipe de six frigoristes se compte en journées par mois — c'est là que le gain est le plus immédiat.
Le premier obstacle, pour un exploitant multi-sites, n'est pas technique : il est organisationnel. Chaque magasin a été équipé à une époque différente, par un installateur différent, avec la régulation du moment. Résultat : trois portails constructeurs, deux accès VPN, un automate qu'on ne consulte que sur place, et un fichier Excel qui centralise vaguement le tout.
Nous construisons la couche d'agrégation qui manque. Les données sont collectées via Modbus, BACnet, MQTT ou les API constructeur, normalisées dans un modèle commun, puis exposées dans une interface unique. Les sites sont classés par criticité : celui dont la consommation dérive, celui dont un compresseur tourne anormalement longtemps, celui dont la charge de fluide baisse.
L'intérêt n'est pas le joli graphique. Il est de pouvoir décider où envoyer une équipe demain matin plutôt que de subir l'ordre des appels entrants.
Réglementation
Le règlement européen (UE) 2024/573, qui a remplacé le règlement 517/2014, accélère la sortie des fluides à fort potentiel de réchauffement global et durcit les obligations de traçabilité. Pour un exploitant, cela signifie tenir un registre par équipement, documenter chaque charge et chaque récupération de fluide, respecter des périodicités de contrôle d'étanchéité qui dépendent de la charge exprimée en tonnes équivalent CO₂, et être capable de le prouver.
Dans les faits, cette traçabilité repose encore massivement sur des fiches papier remplies en fin d'intervention, ressaisies plus tard par un assistant d'exploitation. Chaque étape de ressaisie est une source d'erreur, et l'erreur se découvre en général au pire moment : pendant un contrôle.
L'automatisation que nous mettons en place part du terrain : le technicien saisit son intervention depuis son téléphone, ou la dicte. Le système en déduit la mise à jour du registre, recalcule la charge en tonnes équivalent CO₂, replanifie la prochaine échéance de contrôle d'étanchéité et alerte l'exploitation avant la date limite. Le rapport client part dans la foulée, sans ressaisie.
Le passage au R-744 (CO₂) transcritique et aux HFO change la donne techniquement : hautes pressions, régulation plus fine, comportement très sensible à la température extérieure, rendement qui s'effondre si la gestion du gaz flash n'est pas correcte. Les installations sont plus performantes sur le papier, et beaucoup plus dépendantes de leur réglage dans la réalité.
C'est précisément le terrain où l'analyse de données apporte le plus. Comparer le rendement réel d'une installation CO₂ à son rendement théorique aux conditions extérieures du moment permet de détecter un écart de quelques points de COP — invisible à l'œil, mais qui se chiffre en milliers d'euros d'électricité sur une année.
Pour un fabricant ou un bureau d'études, exploiter les retours de parc installé sur ces nouvelles architectures est aussi un outil d'amélioration produit : savoir comment les machines se comportent vraiment chez les clients, et pas seulement au banc d'essai.
Bureau d'études & commerce
Un chiffrage d'installation frigorifique mobilise un technico-commercial pendant des heures : lire le cahier des charges, calculer les besoins, parcourir les catalogues Bitzer, Copeland, Güntner ou Thermofin, vérifier la compatibilité fluide, consulter les tarifs en vigueur, rédiger l'offre. Et recommencer pour la variante que le client demande le lendemain.
Un agent IA connecté à vos catalogues et à vos grilles de prix produit une présélection argumentée en quelques minutes : les trois références qui répondent au besoin, leurs écarts de performance et de prix, et le pré-chiffrage associé. Le technicien garde la main sur la décision finale — c'est un accélérateur, pas un pilote automatique.
L'effet le plus mesurable est rarement celui qu'on attend : ce n'est pas tant le temps gagné par offre que le nombre d'offres qu'une équipe peut traiter. Les affaires qu'on renonçait à chiffrer faute de temps deviennent accessibles.
Profils accompagnés
Réduction du temps administratif par technicien, rapports d'intervention et devis générés automatiquement, priorisation des tournées selon la criticité réelle des installations.
Grande distribution, logistique du froid, agroalimentaire : une supervision unique sur des parcs hétérogènes, avec suivi de la dérive énergétique site par site.
Exploitation des données du parc installé, service connecté proposé aux clients, remontée terrain structurée vers les équipes de conception.
Assistants de sélection sur catalogue, traçabilité des fluides livrés et récupérés, outils de conformité mis à disposition des clients installateurs.
Accélération du dimensionnement et du chiffrage, comparaison automatisée de variantes fluide et architecture, capitalisation sur les affaires passées.
Pilotage du plan de sortie des fluides à fort GWP, arbitrage retrofit ou remplacement, suivi des échéances F-Gas à l'échelle du patrimoine.
Nous commençons toujours par un audit de la donnée disponible : quels régulateurs, quels protocoles, quel historique, quels outils métier déjà en place. Cette étape dure une à deux semaines et détermine tout le reste. Beaucoup de projets échouent parce qu'on a promis de la prédiction sur des installations dont on ne récupère en réalité que la température de consigne.
Vient ensuite la collecte et la normalisation : c'est la partie la moins spectaculaire et la plus déterminante. Une fois les données propres et centralisées, la supervision se met en place rapidement, et les modèles prédictifs s'ajoutent quand l'historique le permet.
Nous livrons du code et des infrastructures dont vous êtes propriétaire, déployables en Europe ou sur vos propres serveurs. Pas d'abonnement à une boîte noire que vous ne pourriez plus quitter.
Questions fréquentes
Oui, à condition qu'il existe un point de collecte. Un régulateur communicant, un automate avec sortie Modbus ou même un enregistreur de température suffisent pour démarrer. Sur les installations totalement muettes, nous posons des capteurs additionnels (pression, intensité compresseur, température) avant d'ouvrir le chantier logiciel. L'âge de la machine compte moins que l'accès aux données.
Par les protocoles standards du métier : Modbus RTU et TCP, BACnet, MQTT, ou les API des plateformes constructeur quand elles existent. Quand le protocole est fermé, nous passons par une passerelle installée sur site qui expose les points de mesure vers notre infrastructure. Aucune modification de la régulation existante n'est nécessaire — nous lisons, nous ne pilotons pas, sauf demande explicite.
Non par défaut. Nous hébergeons sur des infrastructures européennes et, pour les exploitants qui l'exigent, nous déployons en auto-hébergement sur vos propres serveurs. Les modèles d'analyse peuvent tourner localement sans qu'aucune donnée d'exploitation ne transite par un service tiers. C'est un point que soulèvent systématiquement les groupes de distribution alimentaire, et il se traite dès la phase de cadrage.
Le premier tableau de bord multi-sites est généralement en service en trois à cinq semaines. Les modèles prédictifs demandent davantage : il leur faut au minimum trois à six mois d'historique pour distinguer une vraie dérive d'une variation saisonnière. C'est pourquoi nous démarrons presque toujours par la collecte et la supervision, puis nous branchons la prédiction quand la base d'historique est suffisante.
Non. Nous nous branchons dessus. Une GMAO, un ERP ou un logiciel de planification existant reste la source de vérité pour les interventions et les équipements ; l'IA vient l'alimenter et l'exploiter. Remplacer un outil que vos équipes maîtrisent est le meilleur moyen de faire échouer un projet d'automatisation.
Les trois, avec des besoins différents. Les installateurs et exploitants cherchent la maintenance prédictive et la réduction du temps administratif. Les fabricants veulent exploiter les données de leur parc installé et proposer un service connecté à leurs clients. Les distributeurs de fluides et de matériel s'intéressent surtout aux assistants de sélection et à la traçabilité réglementaire.
Décrivez-nous votre installation, vos régulateurs et ce qui vous coûte le plus de temps aujourd'hui. Nous vous dirons franchement ce qui est exploitable dès maintenant — et ce qui ne l'est pas.