Ao procurar uma ideia de startup que possa retardar as mudanças climáticas, você pode se tornar um especialista em avaliações de energia doméstica. Pelo menos foi o que aconteceu com os fundadores da Kelvinuma startup francesa que está usando visão computacional e aprendizado de máquina para facilitar a auditoria de eficiência energética nas residências.
Clémentine Lalande, Pierre Joly e Guillaume Sempé começaram a analisar auditorias de eficiência energética doméstica porque as renovações terão um impacto enorme na redução do consumo de energia e CO2 emissões. Mas, tal como o resto da indústria da construção, a maioria das empresas neste espaço não utiliza tecnologia para melhorar os seus processos.
“Há 300 milhões de casas para renovar nos próximos 30 anos na Europa”, disse Lalande, CEO da Kelvin, ao TechCrunch. “Mas a indústria da construção é o segundo setor menos digitalizado depois da agricultura.”
Em França, a Agência Nacional de Habitação (ANAH) estabeleceu uma meta ambiciosa de atingir 200.000 casas renovadas só em 2024. Mas os artesãos simplesmente não conseguem acompanhar e, como resultado, isso prejudica o clima. De um modo mais geral, o panorama regulamentar é favorável para este tipo de startup na Europa.
Fundada em outubro de 2023, Kelvin é pura empresa de software. A empresa não quer construir um mercado de prestadores de serviços e, ao contrário Digitaroutra startup de avaliação de energia residencial com sede na Alemanha que TechCrunch cobertotambém não quer ser um produto voltado para o cliente.
Em vez disso, a startup reuniu uma pequena equipe de engenheiros para criar seu próprio modelo de IA especializado em avaliações de energia doméstica usando aprendizado de máquina. A empresa utiliza dados abertos, como imagens de satélite, bem como seu próprio conjunto de dados de treinamento com milhões de fotos e avaliações energéticas.
“Computamos mais de 12 fontes de dados proprietárias, semipúblicas ou abertas que fornecem informações sobre o edifício e seu desempenho térmico. Portanto, estamos usando técnicas de segmentação bastante padronizadas, analisando imagens de satélite com modelos de aprendizado de máquina para detectar características específicas, como a presença de edifícios adjacentes, painéis solares, unidades de ventilação coletiva e assim por diante”, disse Lalande.
“Também fazemos isso com dados que coletamos. Desenvolvemos uma ferramenta de inspeção remota com um bot que informa à pessoa que está ali quais fotos e vídeos ela deve coletar”, acrescentou. “Teremos então modelos que contam radiadores em vídeos, detectam portas, detectam a altura do teto e determinam o tipo de caldeira ou unidade de ventilação.”
Kelvin não quer usar tecnologias 3D como lidar porque quer construir uma ferramenta que possa ser usada em escala. Ele permite que você use fotos e vídeos normais, o que significa que você não precisa de um smartphone recente com sensor lidar para registrar os detalhes de uma sala.
Os potenciais clientes da startup podem ser empresas de construção, o setor imobiliário ou mesmo instituições financeiras que queiram financiar projetos de renovação de casas — os financiadores, em particular, podem estar à procura de avaliações precisas antes de tomarem uma decisão.
Nos primeiros testes da empresa, as suas avaliações de energia doméstica tiveram uma precisão de 5% em relação às avaliações antigas. E se se tornar a ferramenta ideal para estas auditorias, será muito mais fácil comparar uma casa com outra e uma renovação com outra.
A startup já arrecadou 4,7 milhões de euros (5,1 milhões de dólares à taxa de câmbio de hoje), com Racine² liderando a rodada e um investimento não diluidor da Bpifrance. Seedcamp, Raise Capital, Kima Ventures, Motier Ventures e vários business angels também participaram na ronda.