Les rénovations énergétiques profondes (REP) sont reconnues comme une stratégie essentielle pour réduire les émissions de gaz à effet de serre (GES) du secteur du bâtiment 1,2. Par rapport aux rénovations superficielles, les REP réduisent la demande énergétique des bâtiments existants de 50 à 80 %. Par l’approche de sur-revêtement de l'enveloppe du bâtiment, l'isolation et l'étanchéité à l'air de l'enveloppe du bâtiment sont considérablement améliorées et les systèmes mécaniques sont remplacés par des systèmes plus petits et ultra-efficaces. Pour contribuer de manière significative à la réalisation des objectifs de réduction des GES du Canada, une partie importante du parc immobilier existant doit faire l'objet d'une rénovation en profondeur. Pour y parvenir, le processus de rénovation énergétique des bâtiments, de l'identification des bâtiments candidats à la fabrication industrialisée et à l'installation de solutions d'enveloppe en panneaux, doit être standardisé, abordable et réplicable à grande échelle. L'un des principaux obstacles au développement de ce marché est le manque d'accès à des données précises sur les bâtiments permettant de qualifier et de quantifier l'état du parc immobilier existant, ce qui est nécessaire pour évaluer le nombre de bâtiments et d'agrégations de bâtiments ayant un fort potentiel de rénovations profondes. Plus précisément, les données caractérisant les enveloppes des bâtiments -- la construction, la forme, les matériaux, l'historique des rénovations et l'état général du bâtiment -- ne sont pas disponibles pour l'ensemble du parc immobilier et ne peuvent actuellement être obtenues que par des inspections sur site demandant une main d’œuvre spécifique. Cet article présente le cadre et la méthodologie d'une nouvelle application web, un outil d'identification des bâtiments (Building Identification Tool, BIT), qui permet de rechercher et d'étudier à distance les bâtiments candidats présentant un fort potentiel de REP préfabriqués en panneaux (PP-REP). BIT permet aux utilisateurs d'enrichir un ensemble de données géoréférencées prétraitées sur les bâtiments avec des informations pertinentes pour les PP-REP, facilitant ainsi l'identification d'un pipeline de projets susceptibles de bénéficier de solutions de sur-revêtement modulables et adaptables à une production de masse. L'article explore également comment les méthodes modernes d'apprentissage automatique (machine learning) pourraient éventuellement être utilisées pour automatiser certaines étapes du processus d'enrichissement des données.