59 % des conducteurs de véhicules électriques citent une mauvaise planification des infrastructures comme frein majeur à l’adoption. Pas le prix du véhicule ou l’autonomie. La donnée d’implantation.
Dans une industrie où la borne est le maillon critique entre le réseau électrique et l’utilisateur final, la qualité de la donnée n’est plus un sujet IT. C’est un enjeu de compétitivité industrielle et de confiance utilisateur.
La difficulté est structurelle. Une batterie est un système fermé : ses données sont générées automatiquement par un composant physique unique, régi par des lois prévisibles. Une borne de recharge est un système ouvert : elle fait interagir un conducteur, un véhicule, une infrastructure et le réseau électrique national, soumis aux aléas de la météo, du trafic, du comportement humain et des variations de prix de l’électricité. La donnée est chaotique par nature.
Les données existent pourtant : sessions de charge, état des connecteurs, consommation énergétique par point de recharge, alertes de panne, données de localisation. Mais elles sont fragmentées entre ERP, plateformes de supervision, outils de facturation et fichiers Excel. Certains opérateurs traitent encore manuellement des exports de 400 000 lignes. Une borne tombe en panne : personne n’est alerté avant que l’utilisateur ne le signale. Un pic de consommation se profile : personne ne l’a anticipé. La donnée existe, mais elle n’arrive pas au bon endroit, au bon moment, sous la bonne forme.
Les conséquences sont concrètes. En France, une simple erreur de formatage dans le fichier transmis à la Base Nationale IRVE suffit à exclure l’ensemble des bornes d’un opérateur de la base publique, qui cumule pourtant plus de 261 800 téléchargements. Invisibles pour les utilisateurs, les agrégateurs et les autorités de contrôle. Et selon les rapports internationaux sur la cybersécurité automobile, les attaques ciblant les véhicules connectés et leurs infrastructures de recharge ont progressé de 225 % en trois ans : une donnée mal structurée n’est pas seulement inutile, elle est une surface d’attaque.
Reconstruire cette chaîne, de l’alerte terrain à la décision stratégique, c’est l’enjeu que cet article met à plat.
À retenir
- Une borne de recharge est un système ouvert : sa donnée est structurellement plus complexe à fiabiliser que celle d’une batterie.
- En France, une erreur de formatage suffit à rendre invisibles toutes les bornes d’un opérateur dans la Base Nationale IRVE.
- Les cyberattaques ciblant les véhicules connectés et leurs infrastructures ont progressé de 225 % en trois ans à l’échelle internationale.
- AFIR, LOM, décret tertiaire, Battery Pass : les obligations réglementaires s’accumulent et exigent une donnée fiable, traçable et transmissible à tout moment.
- Passer de l’alerte opérationnelle à la décision stratégique exige une chaîne de valeur data construite de bout en bout.
- Centraliser, transformer, alerter, piloter : ClicData orchestre l’ensemble de la chaîne de valeur data, de la source brute à la décision stratégique.
La fragmentation des données : le frein systémique de l’industrie
Pour un opérateur de bornes de recharge, la journée type ressemble à un exercice de réconciliation permanente. Les données de supervision arrivent d’une plateforme comme Monta ou Freshmile. Les données contractuelles vivent dans un ERP. Les informations de financement public, comme les subventions Advenir, transitent par une plateforme tierce. Les signalements de panne remontent par un autre canal encore. Et en parallèle, le pôle Automotive surveille les prix de l’électricité pour optimiser les cycles d’achat et de revente.
Résultat : savoir combien de bornes sont opérationnelles en ce moment, combien de sessions ont été interrompues cette semaine et quels sites présentent un risque de défaillance dans les 30 prochains jours. Tout cela nécessite des vérifications manuelles chronophages et des compilations dans des fichiers qui deviennent rapidement obsolètes. Certains opérateurs traitent encore des exports de 400 000 lignes à la main. Un processus long, peu fiable, et structurellement impossible à tenir à mesure que le parc de bornes grandit.
Chez WAAT, acteur français du déploiement de bornes de recharge pour copropriétés, bailleurs sociaux et entreprises, chaque conversion de devis en facture mobilisait au moins 5 minutes de traitement manuel, nécessitait des croisements entre l’ERP Sellsy, la plateforme Advenir et les systèmes de supervision des bornes, et personne n’avait de visibilité fiable sur l’état réel des dossiers en cours.
Ce problème n’est pas propre à un seul acteur. Il est inhérent au modèle économique même des opérateurs IRVE : hybrides énergie, tech et services, ils jonglent avec des interlocuteurs radicalement différents (investisseurs, collectivités, automobilistes, gestionnaires d’immeubles) chacun produisant ses propres données dans son propre format. La donnée n’est pas absente. Elle est éparpillée.
Les conséquences sont directes pour les décideurs :
- Le calcul du coût total de possession (TCO) d’une infrastructure de recharge reste imprécis, faute de consolidation entre les données opérationnelles et financières.
- Les décisions d’investissement sur les nouveaux sites s’appuient sur des données partielles, alors que les modèles de tarification dynamique basés sur les données historiques permettent d’atteindre une rentabilité de 5,87 % contre 1,33 % pour une planification classique.
- Les alertes de panne arrivent trop tard, ou pas du tout : sans centralisation, la fatigue des alarmes s’installe et les vraies défaillances passent inaperçues.
La donnée de la borne de recharge est un actif stratégique que l’industrie traite encore comme un sous-produit de l’opération.
L’écosystème de la donnée énergie : un enjeu à trois niveaux
La donnée produite par une infrastructure de recharge ne s’arrête pas à l’opérateur qui la gère. Elle irrigue un écosystème bien plus large, à trois niveaux distincts.
Le niveau opérationnel
C’est le quotidien des équipes terrain : détecter une panne avant qu’elle n’impacte l’utilisateur, vérifier qu’un devis a bien été converti en facture, s’assurer que les données de financement sont correctement reportées.
La maintenance prédictive basée sur l’IA apporte ici des résultats mesurables : réduction des défaillances jusqu’à 50 %, baisse des coûts de maintenance de 40 %, réduction des temps d’arrêt non planifiés de 30 à 40 %. Mais les modèles classiques se heurtent à un problème de confiance : les opérateurs peinent à adopter des systèmes dont ils ne comprennent pas le raisonnement. C’est là qu’intervient l’IA explicable (XAI). En associant des jumeaux numériques à des techniques comme SHAP, ces systèmes ne se contentent pas de signaler une anomalie : ils expliquent pourquoi, en précisant par exemple que l’usure détectée provient d’une vibration anormale sur un composant spécifique. Résultat : une précision de détection de 95,3 %, une latence de 127 ms, des défaillances détectées 11 jours avant la panne contre 3 jours avec les méthodes traditionnelles, et un temps de diagnostic ramené de 30 minutes à 7 minutes.
Mais pour atteindre ces performances, les modèles ont besoin de données propres, continues et bien structurées. Ce sont précisément les conditions que beaucoup d’opérateurs ne réunissent pas encore.
Le niveau stratégique
À ce niveau, la question n’est plus de savoir si une borne est en panne, mais de comprendre la performance globale du réseau, d’identifier les zones sous-exploitées et d’allouer les ressources en fonction de la demande réelle.
L’IA joue ici un rôle de planification : couplée aux données historiques de sessions de charge, elle permet de prévoir la demande, d’optimiser l’emplacement des nouvelles infrastructures et de piloter dynamiquement la tarification. Les modèles de tarification dynamique basés sur le comportement historique des véhicules permettent d’atteindre une rentabilité de 5,87 %, contre 1,33 % pour une planification classique. Une vision consolidée du parc, croisée avec des données géographiques comme la densité de population, les flux de mobilité et la couverture concurrentielle, transforme un tableau de bord opérationnel en outil de décision d’investissement.
Le niveau réglementaire et sociétal
La transition énergétique repose sur des ressources critiques dont l’approvisionnement est sous tension géopolitique. Éviter le remplacement prématuré des équipements de recharge n’est pas seulement une question de rentabilité, c’est une nécessité environnementale mesurable.
Les opérateurs IRVE sont désormais au cœur de cette équation. Leurs clients doivent prouver leurs quotas d’électrification de flotte, justifier leurs réductions de consommation énergétique, produire un reporting de durabilité structurée. Sans données fiables et tracées côté opérateur, ces obligations restent inopposables aux autorités de contrôle. La réglementation ne demande plus aux acteurs de la mobilité électrique de s’engager sur des intentions : elle leur demande de produire des données vérifiables à chaque étape.
La réponse réglementaire : des obligations qui convergent vers la donnée
La réglementation ne laisse plus le choix. Les opérateurs et les entreprises déployant des infrastructures de recharge font face à un corpus réglementaire dense, avec des calendriers distincts mais des enjeux data communs.
Le socle européen : le Battery Pass et le règlement AFIR
À l’échelle européenne, deux textes structurent les obligations data des acteurs de la recharge. Le règlement (UE) 2023/1804 (AFIR) impose sur les grands axes du réseau RTE-T des exigences de puissance minimale et d’interopérabilité, avec des données de disponibilité et de prix exposées en temps réel via des protocoles standardisés. Le règlement (UE) 2023/1542 impose quant à lui le Passeport Numérique de Produit (Battery Pass) pour toutes les batteries de plus de 2 kWh à compter de février 2027 : 100 attributs obligatoires (empreinte carbone, état de santé SOH, composition des matériaux), des API standardisées et des normes d’échange JTC 24. Pour les bornes de recharge rapide intégrant un buffer de stockage énergétique, cette obligation est directement applicable. Avec déjà 3,4 millions de passeports déployés depuis 2026, ce n’est plus un horizon lointain.
La loi LOM et les quotas de flotte
La loi d’Orientation des Mobilités (LOM) impose aux entreprises gérant plus de 100 véhicules des quotas progressifs de véhicules à faibles émissions : 30 % des renouvellements de flotte en 2027, 40 % en 2030. Le non-respect expose au retrait des aides publiques (prime ADVENIR, bonus écologique) et à une communication publique annuelle des entreprises non-conformes par le Ministère de la Transition écologique. Pour respecter ces quotas, l’infrastructure de recharge doit être dimensionnée en conséquence dès aujourd’hui. Sous-dimensionner aujourd’hui revient à bloquer le renouvellement de flotte demain.
Le décret tertiaire et la performance énergétique des bâtiments
Le décret tertiaire (OPERAT) impose aux clients des opérateurs de recharge (ou IRVE) une réduction progressive de la consommation énergétique de leurs bâtiments : -40 % en 2030, -50 % en 2040, -60 % en 2050. Pour l’opérateur, cette contrainte devient une opportunité : le pilotage dynamique de la charge et les données de consommation qu’il produit sont directement exploitables dans la déclaration OPERAT du client. Sans données fiables et structurées, cet argument reste inopposable aux autorités de contrôle et la valeur de l’opérateur avec lui.
La CSRD, la taxonomie verte et le RGPD
Le troisième pilier est extra-financier. La directive CSRD impose un reporting de durabilité structuré, progressivement étendu aux ETI d’ici 2026. L’infrastructure de recharge alimente plusieurs indicateurs ESRS : kWh consommés par site, équivalent CO₂ évité, taux d’utilisation, intensité carbone. La taxonomie verte européenne qualifie l’IRVE comme activité habilitante, ce qui peut faciliter l’accès à des financements verts. Enfin, le RGPD encadre strictement le traitement des données de recharge individuelle : chaque session mesurée à la maille du collaborateur constitue une donnée personnelle, exposant jusqu’à 4 % du chiffre d’affaires mondial en cas de manquement.
Un dénominateur commun : la donnée
Ces trois piliers ont des calendriers et des sanctions distincts, mais partagent une exigence unique : des données fiables, tracées et exploitables à tout moment. La déclaration OPERAT, le reporting CSRD, la justification des quotas LOM et la conformité RGPD reposent tous sur la même capacité à produire une donnée propre, structurée et auditable. C’est précisément ce que des acteurs comme WAAT ont compris en reconstruisant leur pipeline de données de bout en bout.
Construire la chaîne de valeur data avec ClicData
Répondre aux exigences réglementaires et, plus largement, construire une chaîne de valeur data cohérente dans l’énergie ne se fait pas en ajoutant une couche d’outils sur un système fragmenté. Cela exige de reconstruire le pipeline de bout en bout, de la source de données brutes jusqu’à la décision et la conformité.
ClicData intervient comme couche d’orchestration entre les sources hétérogènes et les obligations de pilotage et de conformité.
Centraliser toutes les sources en un point unique
Les données opérationnelles d’un opérateur de recharge proviennent de sources multiples : l’ERP pour les données contractuelles et financières, les systèmes de supervision des bornes via des API REST (Monta, Freshmile), les plateformes de financement comme Advenir, les fichiers de reporting terrain.
Le connecteur Web Service de ClicData permet de se connecter à n’importe quelle API REST, en lecture comme en écriture. Il est possible de planifier des appels automatisés, d’authentifier les connexions via OAuth2 ou clés API, et de gérer des scénarios complexes de pagination et de transformation des réponses JSON directement dans le pipeline. C’est exactement l’approche qu’a utilisée WAAT pour connecter l’API de Sellsy et la plateforme Advenir en un flux de données unifié, en remplacement de 10 étapes manuelles devenues ingérables avec la croissance.
Pour des sources plus classiques, des connecteurs natifs couvrent les bases SQL (MySQL, PostgreSQL, SQL Server), les fichiers (Excel, CSV, Parquet) et les outils métier courants.
Nettoyer et enrichir la donnée avec Data Flow
Une fois centralisées, les données brutes doivent être transformées avant d’être exploitables. Le module de ClicData, Data Flow permet de construire visuellement ce pipeline de traitement, noeud par noeud, sans écrire de code.
Parmi les noeuds particulièrement utiles pour les opérateurs de recharge :
Le noeud Fix Data corrige automatiquement les valeurs aberrantes et les formats incohérents, problème courant lorsque des données proviennent de systèmes différents avec des conventions de saisie distinctes.
Le noeud Standardize Data normalise les référentiels : noms de sites, codes équipements, types de connecteurs (Type 2, CHAdeMO, CCS), pour garantir la cohérence entre sources.
Le noeud Calculate Columns permet de calculer des indicateurs dérivés : taux de disponibilité par borne, consommation moyenne par session, coût par kWh livré, ou encore un score de risque de défaillance basé sur plusieurs variables opérationnelles.
Le noeud Geocoding mérite une attention particulière. Il convertit automatiquement des champs d’adresse textuels en coordonnées géographiques précises : latitude, longitude, code postal, ville et pays sont générés automatiquement sous forme de nouvelles colonnes dans la table de sortie. Le noeud accepte des champs d’adresse de différents types (adresse complète, rue, code postal, ville, région, pays) et peut combiner plusieurs champs en entrée pour améliorer la précision du résultat.
Pour un opérateur comme WAAT qui déploie des bornes auprès de copropriétés, de bailleurs sociaux et d’entreprises sur tout le territoire, ce noeud est directement actionnable : à partir d’une simple liste d’adresses d’installation, il devient possible de cartographier l’ensemble du parc, d’analyser la densité de couverture par zone, d’identifier les territoires sous-équipés à fort potentiel, ou encore de croiser les performances des bornes avec des caractéristiques géographiques (zones urbaines denses, axes routiers, zones industrielles). La donnée d’adresse, souvent négligée, devient ainsi un levier d’analyse territoriale et de décision d’investissement.
Monitorer en temps réel et déclencher des alertes contextuelles
La conformité et la performance ne sont pas des états statiques. Ils se dégradent en temps réel, et les équipes doivent en être informées avant que la dégradation ne devienne un incident.
Le module d’alertes de ClicData permet de définir des conditions basées sur n’importe quelle donnée centralisée : une borne hors ligne depuis plus de X minutes, un taux de sessions interrompues qui dépasse un seuil critique sur un site donné, un attribut manquant ou mal formaté dans les données transmises à la Base Nationale IRVE, ou encore un prix spot de l’électricité franchissant le seuil d’achat optimal pour les arbitrages du pôle Automotive. Lorsque la condition est remplie, une notification est envoyée automatiquement par email, Slack ou appel Web Service, avec les informations contextuelles nécessaires pour agir immédiatement.
Grâce à cette automatisation, WAAT a pu remplacer les vérifications manuelles quotidiennes par des rapports distribués automatiquement chaque matin aux équipes métier, offrant une visibilité claire sur les devis traités, exclus ou à corriger sans aucune intervention humaine. Au total, ce sont 83 heures de travail libérées en moins de 3 mois.
Piloter avec des dashboards stratégiques
Au niveau direction, les managers ESG, DSI et directeurs d’exploitation ont besoin d’une vue consolidée qui dépasse le statut opérationnel des bornes.
ClicData permet de construire des dashboards interactifs combinant la cartographie en temps réel du parc avec les indicateurs de performance superposés (disponibilité, sessions, incidents), les indicateurs financiers et opérationnels (CA réalisé, kWh distribués, consommation moyenne par session, durée moyenne de charge), la répartition de l’activité par type de connecteur (AC, DC, HPC) et par site, une heatmap quotidienne et horaire des sessions permettant d’anticiper les pics de demande et d’identifier les plages de sous-utilisation, et les indicateurs de qualité des données pour la Base Nationale IRVE et la conformité AFIR (attributs renseignés, couverture des certifications, taux de rejet).
C’est précisément cette combinaison qui permet de passer de la surveillance opérationnelle à la décision d’investissement : identifier les sites qui sous-performent structurellement, calibrer les futurs déploiements en fonction de la demande réelle, et produire les indicateurs attendus par les investisseurs, les collectivités partenaires ou les autorités de contrôle.
Ces tableaux de bord sont accessibles en self-service par les équipes métier, filtrables par site et par période, sans dépendre des équipes IT pour chaque nouvelle demande d’analyse.
Exposer la donnée standardisée vers les systèmes externes
Via les Data Streams, la donnée propre, normalisée et certifiée produite par ClicData peut être exposée directement aux systèmes qui en ont besoin : transmission automatisée à la Base Nationale IRVE sans erreur de formatage, partage structuré avec les investisseurs dans le cadre d’une levée de fonds, accès en temps réel pour les collectivités partenaires, ou alimentation des outils BI tiers de l’organisation.
Structurer le reporting investisseur sans surcharge opérationnelle
Dans un secteur qui attire des capitaux mais exige une transparence croissante, la relation avec les investisseurs ne se limite plus à la présentation annuelle des comptes. Les fonds et partenaires financiers attendent aujourd’hui un suivi régulier : évolution du parc, taux de disponibilité, revenus par site, consommation distribuée, incidents résolus, conformité réglementaire en cours.
Le problème, c’est que produire ce reporting mobilise souvent plusieurs jours de consolidation manuelle à chaque échéance. Des données extraites de l’ERP, réconciliées avec les exports de supervision, mises en forme dans un fichier Excel partagé par email. Un processus fragile, chronophage, et difficile à auditer.
Avec ClicData, ce reporting devient un flux continu. Les indicateurs attendus par les investisseurs sont calculés automatiquement à partir des données déjà centralisées dans le pipeline. Un dashboard dédié peut leur être partagé en accès sécurisé, mis à jour en temps réel, sans qu’aucune équipe interne n’ait à intervenir entre deux échéances. Les Data Streams permettent également d’exposer la donnée structurée directement dans leurs propres outils d’analyse si nécessaire.
Le résultat : moins de temps passé à produire des rapports, plus de crédibilité dans la relation, et une traçabilité complète de la performance du parc sur toute la durée de l’investissement.
Conclusion – Anticiper, pas subir
La donnée d’un opérateur IRVE ne manque pas. Elle est fragmentée, mal structurée, traitée trop tard et donc invisible là où elle devrait peser le plus, à savoir, dans la salle de réunion, dans le dossier investisseur ou dans la déclaration réglementaire.
Les opérateurs qui construisent aujourd’hui une chaîne de valeur data cohérente, de l’alerte terrain à la décision stratégique, ne se préparent pas simplement à cocher des cases de conformité. Ils construisent un avantage concurrentiel durable. Que ce soit avec la capacité à valoriser leur parc au plus juste, à anticiper les défaillances avant qu’elles ne coûtent, à attirer des partenaires financiers qui exigent de la traçabilité et à démontrer leur impact environnemental avec des données vérifiables.
Dans un marché qui va continuer à se consolider, la qualité de l’infrastructure data sera l’un des critères de différenciation. Pas un sujet IT. Un sujet de direction.
