Cet article présente un outil de modélisation et d’optimisation d’échanges d’énergie à l'échelle d’un quartier permettant de valoriser la flexibilité des acteurs appliqué à un cas d’étude. Cet outil permet de modéliser des échanges à l’échelle macroscopique pour des projets multi-acteurs. Ecrit en langage Python, il utilise une optimisation MILP (Mixed-Integer Linear Programming). Le cas d’étude présenté dans cet article est situé sur la Presqu’île de Grenoble. Il s’agit du projet Valocal. Ce projet a pour but de valoriser la chaleur fatale du Laboratoire National de Champs Magnétiques Intenses (LNCMI) en la réinjectant dans le réseau de chauffage urbain de la ville. Cet article présente la modélisation des acteurs du projet – principalement l’opérateur du réseau de chaleur - dans le but de jouer sur les flexibilités des deux acteurs en fonction du taux de valorisation de la chaleur fatale, du prix de la calorie, ou encore des émissions CO2.