De nombreux chercheurs ont opté pour le calibrage bayésien des modèles énergétiques des bâtiments car il combine à la fois les données disponibles et les connaissances préalables sur le bâtiment, en prenant en compte l'incertitude des paramètres du modèle. Les méthodes bayésiennes peuvent être classées en approches dépendantes de la vraisemblance et sans vraisemblance. Dans cet article, nous tirons parti des deux classes et évaluons leurs comportements en termes de précision et d'efficacité de calcul en utilisant l'indicateur RMSE. À cet effet, des mesures in situ de la maison IBB de la plateforme INCAS ont été analysées. La campagne expérimentale est découpée en six scénarios différents dont deux ont été conservés pour la validation. Les paramètres les plus influents ont été sélectionnés via une analyse de sensibilité RBD-FAST. Il a été observé que tous les algorithmes fonctionnent bien, APMC conduisant au RMSE le plus bas. Globalement, il n'y a pas de grande différence entre les deux classes, ce qui ouvre la porte à d'autres applications du calcul bayésien approché dans le domaine des modèles énergétiques des bâtiments.