Cette thèse explore l'amélioration de l'efficacité énergétique des bâtiments en France pour réduire les émissions de gaz à effet de serre. Le principal objectif vise à développer un modèle prédictif explicable basé sur les DPE (Diagnostics de Performance Énergétique) malgré des données incertaines et incomplètes. Le premier chapitre décrit la fusion des données pour créer une base unifiée. Le deuxième propose un modèle de régression géostatistique (Mixture Kriging), performant à l'échelle locale mais limité nationalement par sa complexité. Le troisième introduit Joint Kriging, un modèle de classification floue, efficace à grande échelle. Enfin, le quatrième compare différentes approches, dont Random Forest et FKNN, pour améliorer la prédiction. Ce travail contribue aux sciences environnementales et mathématiques appliquées, en aidant les décideurs à identifier les bâtiments inefficaces énergétiquement et à atteindre des objectifs de durabilité.

Le jury est composé de :

• Elena DI BERNARDINO, Professeure, Université Côte d’Azur, Nice Rapporteure
• Robin GIRARD, Professeur, Directeur de Recherche, Mines Paris Rapporteur
• Natacha GONDRAN, Professeure, Mines Saint-Etienne Examinatrice
• Gaël POETTE, Ingénieur-chercheur CEA/Prof. Bordeaux INP Examinateur
• Simon ROUCHIER, Maître de conférence, Polytech Annecy Chambéry Examinateur
• Didier RULLIERE, Professeur, Mines Saint-Etienne Directeur de thèse
• Jonathan VILLOT, Maître assistant, Mines Saint-Etienne Co-encadrant.