Site en construction : la documentation présente dans ce site n’est pas exhaustive pour le moment

logo BDNB logo BDNB Millésime 2026-02.b
  • Concepts
    • La BDNB
    • Bâtiment groupe
    • Le RNB et la BDNB
    • Millésimes et version du schéma
    • Pourquoi des prédictions probabilistes ?
  • Données par thème
    • Vue d’ensemble

    • Bâti, foncier et adresses
    • Référentiels territoriaux
    • Activités, équipements et usages
    • Bâtiments tertiaires
    • Énergie et environnement
    • Logement et marché immobilier
    • Sobriété immobilière
    • Patrimoine et urbanisme
    • Exposition aux aléas
    • Vulnérabilité des personnes

    • Métadonnées
  • Productions BDNB
    • Vue d’ensemble

    • Usages des bâtiments
    • Flux de construction
    • Bâtiments tertiaires
    • Contexte géographique
    • Référentiel administratif

    • Traitement des DPE ADEME
    • Prédiction des performances énergétiques
    • Raccordement aux réseaux de chaleur
    • Valeur foncière et valeur verte des DPE

    • Adaptation au changement climatique
    • Indicateur de surchauffe estivale (ISB)
    • Îlot de chaleur urbain (ICU)
    • Exposition aux aléas

    • Description socio-économique des ménages
  • Recettes
  • FAQ
  • Dictionnaire
    • Dictionnaire interactif
    • Schéma SQL (SchemaSpy)
    • Dictionnaire des données (.xlsx)
  • API
    • Tutoriels
    • Guides
    • Swagger API Open
    • Swagger API Expert
    • Statut
    • Souscrire
  • Releases
    • Télécharger les données
    • Changelog
  • Publications
  1. Recettes
  2. Compter les chaudières fioul
  • Recettes
    • Compter les bouilloires thermiques
    • Compter les chaudières fioul
    • Comment estimer le nombre de personnes vivant dans des bouilloires thermiques
    • Comment compter les passoires énergétiques
    • Croiser des prédictions avec les tirages aléatoires
    • Identifier les logements et les populations exposées
    • Comment accéder aux données de mon parc
    • Trouver les établissements d’éducation
    • Estimer le niveau de vie moyen dans une zone

Sur cette page

  • Estimer le parc chauffé au fioul
  • Points de contrôle

Other Formats

  • Jupyter
  1. Recettes
  2. Compter les chaudières fioul

Compter les chaudières fioul

Expert
Estimer le nombre de logements dont le générateur de chauffage est au fioul.
NotePrérequis

Millésime de référence minimum pour cette recette : 2026-02.b.

Vous devez avoir accès aux tables suivantes :

  • batiment_groupe

  • batiment_groupe_ffo_bat

  • batiment_groupe_synthese_systeme_energetique_logement

  • batiment_groupe_imputation_enveloppe_et_systemes_proba

Les informations sur le chauffage peuvent provenir d’un DPE ou d’une imputation lorsque l’information manque. Cette recette reprend le principe de stats_syst_chauffage.sql : elle privilégie les données observées, complète avec les imputations, puis pondère les bâtiments par le nombre de logements nb_log.

Estimer le parc chauffé au fioul

L’exemple agrège les logements de la commune de Dijon (21231). Les générateurs imputés sont rapprochés des catégories d’énergie utilisées dans les statistiques de chauffage de la BDNB. Les bâtiments sans type de générateur déterminé ne sont pas classés comme « non fioul » : ils sont comptés séparément.

  • SQL
  • Python (pandas)
  • API
WITH chauffage AS (
    SELECT
        bg.batiment_groupe_id,
        bg.code_departement_insee,
        bg.code_commune_insee,
        ffo.nb_log,
        COALESCE(
            syn.type_energie_chauffage,
            CASE
                WHEN imp.type_generateur_chauffage_random IN (
                    'chaudiere fioul basse temperature',
                    'chaudiere fioul condensation',
                    'chaudiere fioul standard',
                    'poele ou insert fioul'
                ) THEN 'fioul'
                WHEN imp.type_generateur_chauffage_random IS NOT NULL THEN 'autre'
            END
        ) AS energie_chauffage
    FROM bdnb_v07.batiment_groupe AS bg
    JOIN bdnb_v07.batiment_groupe_ffo_bat AS ffo
        ON ffo.batiment_groupe_id = bg.batiment_groupe_id
       AND ffo.code_departement_insee = bg.code_departement_insee
    LEFT JOIN bdnb_v07.batiment_groupe_synthese_systeme_energetique_logement AS syn
        ON syn.batiment_groupe_id = bg.batiment_groupe_id
       AND syn.code_departement_insee = bg.code_departement_insee
    LEFT JOIN bdnb_v07.batiment_groupe_imputation_enveloppe_et_systemes_proba AS imp
        ON imp.batiment_groupe_id = bg.batiment_groupe_id
       AND imp.code_departement_insee = bg.code_departement_insee
    WHERE bg.code_commune_insee = '21231'
      AND ffo.nb_log > 0
)
SELECT
    code_commune_insee,
    COUNT(DISTINCT batiment_groupe_id) FILTER (
        WHERE energie_chauffage = 'fioul'
    ) AS nombre_batiments_fioul,
    SUM(nb_log) FILTER (
        WHERE energie_chauffage = 'fioul'
    ) AS nombre_logements_fioul,
    SUM(nb_log) FILTER (
        WHERE energie_chauffage IS NULL
    ) AS logements_energie_indeterminee
FROM chauffage
GROUP BY code_commune_insee;
import pandas as pd
from sqlalchemy import create_engine

engine = create_engine("postgresql+psycopg2://<utilisateur>:<mot_de_passe>@<hote>/<base>")

sql = """
WITH chauffage AS (
    SELECT
        bg.batiment_groupe_id,
        bg.code_departement_insee,
        bg.code_commune_insee,
        ffo.nb_log,
        COALESCE(
            syn.type_energie_chauffage,
            CASE
                WHEN imp.type_generateur_chauffage_random IN (
                    'chaudiere fioul basse temperature',
                    'chaudiere fioul condensation',
                    'chaudiere fioul standard',
                    'poele ou insert fioul'
                ) THEN 'fioul'
                WHEN imp.type_generateur_chauffage_random IS NOT NULL THEN 'autre'
            END
        ) AS energie_chauffage
    FROM bdnb_v07.batiment_groupe AS bg
    JOIN bdnb_v07.batiment_groupe_ffo_bat AS ffo
        ON ffo.batiment_groupe_id = bg.batiment_groupe_id
       AND ffo.code_departement_insee = bg.code_departement_insee
    LEFT JOIN bdnb_v07.batiment_groupe_synthese_systeme_energetique_logement AS syn
        ON syn.batiment_groupe_id = bg.batiment_groupe_id
       AND syn.code_departement_insee = bg.code_departement_insee
    LEFT JOIN bdnb_v07.batiment_groupe_imputation_enveloppe_et_systemes_proba AS imp
        ON imp.batiment_groupe_id = bg.batiment_groupe_id
       AND imp.code_departement_insee = bg.code_departement_insee
    WHERE bg.code_commune_insee = %(commune)s
      AND ffo.nb_log > 0
)
SELECT
    code_commune_insee,
    COUNT(DISTINCT batiment_groupe_id) FILTER (
        WHERE energie_chauffage = 'fioul'
    ) AS nombre_batiments_fioul,
    SUM(nb_log) FILTER (
        WHERE energie_chauffage = 'fioul'
    ) AS nombre_logements_fioul,
    SUM(nb_log) FILTER (
        WHERE energie_chauffage IS NULL
    ) AS logements_energie_indeterminee
FROM chauffage
GROUP BY code_commune_insee;
"""

resultat = pd.read_sql(sql, engine, params={"commune": "21231"})
Note

Cette recette combine les données de chauffage imputées et des données réservées à la version Expert. Le résultat n’est pas disponible par l’API publique. Une connexion PostgreSQL autorisée est nécessaire.

Points de contrôle

  • Vérifiez que les deux tables de chauffage sont disponibles dans votre environnement et dans le même millésime que batiment_groupe. Sur le service testé, les tables utilisées par cette recette sont exposées dans bdnb_v07 ; adaptez le schéma à celui auquel votre connexion autorisée donne accès.
  • La requête compte les logements rattachés à un bâtiment, pas les installations de chauffage. Un bâtiment peut contenir plusieurs logements.
  • Le champ observé type_energie_chauffage peut contenir des libellés différents selon la source. Adaptez le filtre si les modalités du millésime ne sont pas normalisées en fioul.
  • Une valeur imputée reste une estimation ; ne la confondez pas avec une information directement observée dans un DPE.
 

Base de Données Nationale des Bâtiments (BDNB) - Centre Scientifique et technique du Bâtiment (CSTB). Réutilisation des contenus : CC BY-SA 4.0