Skip to main content
Tempo Forecast prédit la couleur Tempo de J+2 à J+7 grâce à un modèle de machine learning. Les couleurs du jour (J) et du lendemain (J+1) proviennent directement de RTE : ce sont des données officielles, pas des prédictions. Les prévisions sont mises à jour toutes les heures.

​
Fiabilité

94%

Prévisions correctes

9 sur 10

Jours rouges anticipés
Saison en cours. Prévisions recalculées toutes les heures.

​
Précision et arbitrages

Prédire les jours rouges est un exercice d’équilibre. Deux types d’erreurs sont possibles :
  • Fausse alerte : le modèle prédit rouge, mais le jour est finalement bleu ou blanc.
  • Rouge manqué : le modèle prédit bleu ou blanc, mais le jour est en réalité rouge.
Ces deux erreurs sont inévitables, et réduire l’une augmente l’autre. Un modèle ultra-prudent qui ne prédit rouge que quand il est certain en manquerait beaucoup. Un modèle qui alerte au moindre doute déclencherait trop de fausses alertes et perdrait en crédibilité. Notre choix : nous penchons du côté des fausses alertes. Concrètement, sur 10 prédictions rouges du modèle, environ 8 se vérifient et 2 sont des fausses alertes. En contrepartie, le modèle anticipe correctement 9 vrais jours rouges sur 10. Le dernier nous échappe car le modèle n’avait pas assez d’indices pour le détecter. C’est un compromis assumé : mieux vaut être prévenu à tort que surpris à raison. Chaque prédiction respecte les règles officielles Tempo : dimanche toujours bleu, pas de rouge hors saison, etc. Ces règles sont prioritaires sur le modèle.

​
Niveaux de confiance

Chaque prévision affiche un niveau de confiance :
NiveauSignification
OfficielConfirmé officiellement par RTE/EDF.
FiablePrédiction fiable de notre modèle.
À confirmerEstimation incertaine, peut encore évoluer.

​
Sources et méthode

1

Analyser la météo

La température extérieure est le facteur le plus déterminant. Quand il fait froid, les Français chauffent davantage, la demande d’électricité augmente, et la probabilité d’un jour rouge ou blanc s’élève. Nous utilisons les prévisions météo de 11 villes réparties sur tout le territoire, chacune pondérée selon la consommation de sa région. Par exemple, l’Île-de-France pèse plus que l’Alsace car elle concentre plus d’habitants et donc plus de consommation électrique.
2

Observer le contexte RTE

Les prévisions de consommation publiées par RTE, les couleurs déjà attribuées dans la saison, et le nombre de jours rouges et blancs restants à placer sont autant d’indices. Plus on avance dans la saison avec un stock élevé de jours à placer, plus la probabilité de rouge augmente.
3

Apprendre de l'historique

Comment RTE a-t-il réagi dans le passé face à des conditions similaires de température et de stock ? Le modèle est réentraîné chaque semaine sur l’historique complet pour intégrer les dernières décisions.
4

Prédire et expliquer

Le modèle croise l’ensemble de ces données pour produire une couleur, un score de confiance, et une explication pour chaque jour. Par exemple : “La fin de saison approche et il reste des jours Rouge à placer avant fin mars. Avec cette vague de froid, c’est le bon moment pour en déclencher un.”
SourceDonnéesRôle
Open-MeteoTempératures prévues à 14 jours (11 villes)Estimer la consommation nationale
RTEConsommation prévue D-1/D-2, couleurs officielles, stocksContexte de décision en temps réel
Eco2mixHistorique consommation-températureApprentissage des patterns RTE