Les conditions météorologiques ont un impact significatif sur différents secteurs d’activité et notamment dans le secteur de l’énergie. C’est ce qui pousse les énergéticiens à vouloir mieux prendre en compte les variations climatiques dans leurs exercices de prévisions à moyen ou à long terme. Nous nous intéressons ici à la demande d’électricité et au besoin de chauffage. Le premier travail effectué au cours de cette mission professionnelle a permis de modéliser l’impact des variables climatiques sur la demande d’électricité de 28 pays européens à l’échelle horaire. Nous avons couplé un modèle de prévisions de la demande journalière et horaire à des scénarios d’évolutions de la température court-terme et long terme fournis par des météorologues. L’analyse de court terme a notamment permis de valider les bonnes performances du modèle pour la période de mai, juin et juillet 2019. La deuxième partie de ce travail a permis aussi de développer un modèle de substitution de la simulation thermique dynamique pour estimer la dynamique du besoin en chauffage à partir d’une typologie de bâtiments français. Ces deux volets du stage nous ont permis d’utiliser les algorithmes du machine learning pour lier les variations climatiques à la demande d’électricité et de la chaleur. Mots-clés : demande d’électricité, courbe de charge, réseau électrique, modèle de substitution, machine learning.