La flexibilité des clients, vis-à-vis du système électrique, désigne la capacité de modifier temporairement leur profil de consommation. Il s’agit d’une ressource non-négligeable pour la gestion efficace du réseau électrique: réduction de la consommation d’énergie carbonée, maintien de la stabilité du réseau, atténuation des courbes de la demande électrique, limitation des investissements dans la construction des nouveaux moyens de production et dans l’extension ou la consolidation du réseau électrique. Dans ce cadre, les bâtiments ont un grand potentiel qui peut être exploité grâce à l’inertie thermique qui les caractérise (capacité de stocker et restituer l’énergie sous forme de chaleur).L’objectif de cette thèse est la conception de solutions pour estimer et piloter de manière optimisée la flexibilité énergétique des bâtiments. La diversité des bâtiments en termes de caractéristiques thermiques, systèmes de Chauffage, Ventilation et Climatisation (CVC), actionneurs et capteurs accessibles est considérable. Il en résulte que la flexibilité peut être produite de différentes manières et l’impact exact des nombreuses options disponibles est souvent mal connu. Compte tenu de cette complexité, les méthodes qui peuvent être conçues et déployées facilement font défaut.Les solutions étudiées cherchent à répondre à l’objectif fixé tout en considérant des problématiques d’implémentation réelles : accès aux données, généricité, intégration aux systèmes de gestion existants, barrières d’acceptation liées au confort thermique. Ainsi, elles sont basées sur des données (capteurs, compteurs et actionneurs) généralement disponibles et communs à la plupart des bâtiments, et ne dégradent pas le niveau de confort thermique établi par les gestionnaires de bâtiments.Une solution qui répond aux objectifs et contraintes fixées consiste dans le pilotage de la consommation énergétique par l’intermédiaire du contrôle de la consigne de température intérieure. La première partie de cette thèse est ainsi focalisée sur l’exploration des méthodes visant à prédire, pour un horizon de 24 heures, le profil de puissance totale consommée dans un bâtiment, en fonction de variables explicatives disponibles: consignes globales de la température intérieure, température intérieure, données météo. Puisque la température intérieure reflète l’état thermique dans un bâtiment, des méthodes similaires pour prédire sa dynamique ont été étudiées. Des solutions de prédiction en cascade ont notamment été testées, impliquant l’utilisation des prédictions de la température intérieure pour la prédiction du profil de puissance consommée. Sur ce point, les résultats ont montré un impact rédhibitoire des erreurs de prédictions de la température.Sur la base des premières investigations, un modèle prédictif de la puissance consommée, basé sur des outils d'apprentissage supervisé a été adopté. Afin de capturer la dynamique, sans prédire l'évolution de la température intérieure, les valeurs actuelles et passées des variables explicatives sont utilisées pour la prédiction de la puissance consommée à un instant donné.La deuxième partie de la thèse est dédiée au raffinement et l’utilisation de l’outil de prédiction développé, dans le cadre d’un programme de réponse à la demande, incitant à la réduction de la consommation énergétique. L’effacement de la consommation est accompli en utilisant les capacités intrinsèques de stockage thermique d’un bâtiment (préchauffage/pré-climatisation). Sur la base d'un programme rudimentaire, rémunérant l’effacement de la consommation, une stratégie d’optimisation a été a été mise en place pour effectuer des effacements de manière optimisée. Une estimation des bénéfices tirés de l’intégration de ce programme a été faite.Cette thèse a été réalisée dans le cadre d'un partenariat entre Schneider Electric, GIPSA-Lab et l'Institut MIAI Grenoble Alpes, avec le soutien de l'Association Nationale de la Recherche et de la Technologie (ANRT).