Alla 39 sessioner på 1 scener. Talarnas namn länkar till deras ChargiPedia-profiler; kontextanteckningarna är våra, byggda på vår egen marknadsdata och vårt nyhetsarkiv.
Alla tider anges i lokal tid i Paris, CET (UTC+1).
09:00–09:10Main
INLEDNINGSANFÖRANDE
Chargalytics kontext
Sätter ramen för två dagar av teknisk och kommersiell debatt — värt att följa vilka spänningar (nätkapacitet, ersättning, drifttid, standarder) arrangörerna lyfter som årets prioriteringar. Inget innehåll att bedöma ännu; värdet ligger i vad som pekas ut som akut.
09:10–09:35Main
ERSÄTTNING TILL ANSTÄLLDA FÖR HEMMALADDNING I FRANKRIKE: DE NYA REGLERNA
Chargalytics kontext
URSSAF:s omklassificering av ersättning för hemmaladdning som en skattepliktig förmån är en konkret regelefterlevnadsrisk för varje fransk fordonsflottoperatör med EV-förare som laddar hemma. Fleet managers och mobilitetsansvariga behöver det exakta testet med fyra kriterier nu, inte efter en revision — det här är operativ risk, inte en fotnot i regelverket.
Avkodning av de nya franska URSSAF- och skattereglerna för regelefterlevnad vid ersättning för hemmaladdning i fordonsflottor; Kartläggning av de fyra kriterier som en regelkonform process för hemmaladdning måste uppfylla för att undvika risker kopplade till URSSAF; Praktisk illustration av en regelkonform ersättningsprocess med aktuella exempel från franska fordonsflottor och energileverantörer
FRÅGESTUND OM REGELEFTERLEVNAD FÖR FRANSKA FORDONSFLOTTORS HEMMALADDNING
Chargalytics kontext
Frankrikes regler för ersättning av hemmaladdning i fordonsflottor ligger i skärningspunkten mellan skattelagstiftning, arbetsgivaransvar och mätnoggrannhet — fel hantering kan skapa regelefterlevnadsrisker för flottor eller under- och överersättning för förare. Alla som driver eller levererar hemmaladdningsprogram för franska fordonsflottor bör söka tydlighet kring vilken dokumentation och vilka mätstandarder som faktiskt uppfyller myndigheternas krav. Håll koll på om sessionen ger konkreta tröskelvärden för regelefterlevnad eller bara upprepar den osäkerhet operatörerna redan möter.
09:40–10:05Main
BÄSTA PRAXIS I EUROPA: SÅ SNABBAR DU PÅ DIN ELEKTRIFIERINGSRESA
Chargalytics kontext
Dimensionering av laddare och val av mjukvara baseras fortfarande på effekten i specifikationsblad i stället för verkligheten i nätanslutningen, vilket driver onödig OPEX och outnyttjad kapacitet. Relevant för alla som specificerar depå-, fordonsflotte- eller offentlig laddhårdvara och vill ha ett europeiskt perspektiv över flera marknader snarare än en fallstudie från en enda leverantör.
Matcha laddartyp och uteffekt med den operativa kontexten för depå-, fordonsflotte- och offentliga tillämpningar; Mjukvara – så får du ut mer av din nätanslutning och sänker OPEX; Koppla samman hårdvara, mjukvara och tredjepartstjänster i ekosystemet för EV-laddning för att skapa värde
FRÅGESTUND OM ATT MATCHA LADDINFRASTRUKTUR MED DINA ELEKTRIFIERINGSBEHOV
Chargalytics kontext
En chans att stresstesta Siemens ramverk mot deltagarnas egna platsbegränsningar — gränser i nätanslutningen, depåer med blandad användning och var mjukvarudefinierad effekthantering faktiskt lönar sig.
10:10–10:40Main
SPEED NETWORKING-SESSION
Chargalytics kontext
Strukturerad tid för affärsmöjligheter — användbart för BD-, inköps- och partnerskapsansvariga som vill kartlägga vem som bygger kapacitet för depåer, offentlig laddning och nättjänster i den här cykeln, i stället för att kallmejla efter eventet.
Byt visitkort och knyt kontakter i korta enskilda möten
11:00–11:30Main
RESERVERAD PRESENTATION
Chargalytics kontext
Platshållarpass — innehåll och talare är obekräftade, så det finns ännu ingen grund för att bedöma relevansen.
11:30–11:55Main
INFRASTRUKTUR SOM ETT LEVANDE SYSTEM: DET DISTRIBUERADE ENERGINÄTETS MOBILITETSBEHOV
Chargalytics kontext
Förseningar i nätanslutningar är fortfarande en av de största flaskhalsarna för utbyggnadstakten av laddare, så autonom soldriven laddning är ett direkt sätt att kringgå energibolagens ledtider, inte bara ett hållbarhetstillägg. Relevant för platsvärdar och planerare i områden med begränsad nätkapacitet eller hög katastrofrisk som väger capex mot driftsättningshastighet.
Tänk om EV-laddning som ett distribuerat energinät snarare än en utbyggnad beroende av elnätet; Stärk laddinfrastrukturen mot nätfel genom autonoma, soldrivna lösningar; Snabba på beredskapen för autonoma fordon, mikromobilitet och fordonsflottor med distribuerad laddning
FRÅGESTUND OM DISTRIBUERAD, AUTONOM EV-LADDNING UTANFÖR ELNÄTET
Chargalytics kontext
Räkna med granskning av siffrorna som avgör om påståenden om off-grid håller — faktisk genomströmning i kWh jämfört med nätansluten DC-snabbladdning, drifttid vid lite sol och totalkostnad jämfört med en vanlig nätanslutning.
12:00–12:25Main
HÖGEFFEKTLADDNING: SKALNING AV ELEKTRISK FJÄRRTRANSPORT MED LASTBIL I FRANKRIKE
Chargalytics kontext
Elektrifiering av godstransporter hänger på om laddning vid depåer och destinationer kan stödja rutter på 500–700 km utan att urholka CO₂- och affärsargumentet jämfört med diesel — verkliga operatörssiffror från DSV väger tyngre än leverantörsprognoser här. Kärnpubliken är logistikoperatörer med fordonsflottor och infrastrukturplanerare som väger nätanslutningar i MW-skala mot tidslinjer för stöd.
Utöka räckvidden för batterielektriska lastbilar till 500–700 km med högeffektladdningssystem; Samarbeta med energileverantörer och offentliga aktörer för att bygga ut laddning vid depåer och destinationer; Väg energikostnader, incitament och infrastrukturinvesteringar mot verkliga CO₂-vinster
FRÅGESTUND OM HÖGEFFEKTLADDNING FÖR ELEKTRIFIERING AV FRANSKA FORDONSFLOTTOR
Chargalytics kontext
Här testas kalkylen för incitament och antaganden om energikostnader — räkna med frågor om ledtider för nätanslutning och om offentlig destinationsladdning faktiskt är tillgänglig i stor skala ännu.
13:30–13:55Main
EV-LADDNING ÄR INTE TILLRÄCKLIGT BRA ÄNNU, OCH AI ENSAMT LÖSER DET INTE
Chargalytics kontext
Drifttiden i laddnätverk är fortfarande ett återkommande klagomål från EV-förare och fordonsflottor, och fragmenterade leverantörsprotokoll är en grundorsak som AI-baserat prediktivt underhåll inte kan lappa över. Relevant för CPO:er och nätoperatörer som pressas att förbättra tillförlitlighetsmåtten innan de lägger AI-funktioner ovanpå olösta problem med hårdvara och standarder.
Red ut varför ojämn drifttid och fragmenterade leverantörsprotokoll fortfarande undergräver tillförlitligheten i EV-laddning; Avmystifiera AI:s verkliga begränsningar när det gäller att lösa trasig hårdvara och upprätthålla operativ disciplin; Prioritera standarder, ansvar för hårdvara och processer framför AI-hype för att skala tillförlitligt
Q&A-SESSION OM AI, HÅRDVARUDISCIPLIN OCH VÄGEN TILL DRIFTSÄKER LADDNING
Chargalytics kontext
Laddarnas tillgänglighet är fortfarande den enskilt största faktorn för CPO-intäkter och förarnas förtroende, men AI-driven diagnostik är bara så bra som hårdvaran och telemetridisciplinen bakom den. Den här Q&A-sessionen bör klargöra var AI faktiskt minskar serviceutryckningar i dag och var det fortfarande mest är marknadsföring, samt vilken datahygien operatörer behöver före driftsättning.
När laddnätverk växer och betalmetoderna blir fler (RFID, app, ad hoc, roaming) ärver de bedrägerimönster som redan finns inom telekom och fintech – men de flesta CPO:er saknar dedikerade verktyg mot bedrägerier. Alla som driver ett publikt nätverk bör bry sig om ramverket för självkontroll här: exponeringen döljer sig ofta i roamingavräkning och specialfall kring gratisladdning, inte bara i kortbedrägerier.
Exponera bedrägerisårbarheter som växer fram i publika och privata laddnätverk; Bedöm din exponering med ett praktiskt ramverk för självkontroll baserat på operatörserfarenhet; Tillämpa beprövade metoder för bedrägeriprevention från närliggande branscher för att stärka laddsäkerheten
Q&A-SESSION OM BEDRÄGERIPREVENTION I EV-LADDNÄTVERK
Chargalytics kontext
Fördjupning för att bedöma hur ramverk för bedrägeridetektering kan omsättas i konkret nätverksövervakning och kontroller för roaming och avräkning. Värt att delta om du behöver jämföra din egen exponering med praxis från närliggande branscher.
NOLL DRIFTSTOPP, MAXIMAL ROI: AUTONOM AI FÖR EV-DRIFT OCH UNDERHÅLL
Chargalytics kontext
OCPP-fragmentering och inkonsekventa OEM-implementationer är den verkliga orsaken till att prediktivt underhåll varit svårt att skala över blandade hårdvaruflottor. Påståendet att granska: kan inläsning av OEM-manualer faktiskt skapa användbara ordböcker för protokollöversättning, och vilken OPEX-minskning är realistisk jämfört med baslinjen för reaktivt underhåll?
Diagnostisera fel i EV-laddare autonomt med AI-agenter tränade på OCPP-dataströmmar; Lös hårdvaruinteroperabilitet genom att läsa in OEM-manualer och bygga ordböcker för protokollöversättning; Kvantifiera potentialen för minskad OPEX när CPO:er går från reaktivt till prediktivt underhåll
Q&A-SESSION OM AI-DRIVET UNDERHÅLL FÖR EV-LADDNÄTVERK
Chargalytics kontext
Nyckelfrågan för operatörer: vilken faktisk träffsäkerhet och andel falska positiva resultat har AI-feldiagnostik i produktionsnätverk, och hur mycket mänsklig handpåläggning krävs fortfarande?
FRÅN INFRASTRUKTUR TILL PREFERENS: SÅ VINNER CPO:ER PÅ DEN FRANSKA EV-LADDMARKNADEN
Chargalytics kontext
När laddartätheten planar ut på mogna marknader som Frankrike flyttas konkurrensfördelen från täckning till förarlojalitet – ett mått som CPO:er historiskt har ignorerat till förmån för utnyttjandestatistik. Strategiteam inom flottor och CPO:er bör fokusera på hur preferensandel mäts och om den förutsäger kundbortfall bättre än prissättning.
Visa Frankrikes skifte till preferensdriven CPO-konkurrens när gapet i infrastrukturtäckning minskar; Kalibrera om CPO:ers framgångsmått genom att införa kundpreferensandel som det avgörande KPI:t för lojalitet; Segmentera franska EV-förare efter ålder och adoptionsfas för att visa vilka CPO-arketyper som har lojalitetsfördelar
Q&A-SESSION OM DATA OM KUNDPREFERENSER OCH CPO-KONKURRENSSTRATEGI I FRANKRIKE
Chargalytics kontext
Värt att granska metodiken: hur mäts preferensandel mellan förarsegment, och går den att använda för nätverksplanering eller är den bara ett marknadsföringsmått?
V2G är tekniskt bevisat men kommersiellt marginellt i Frankrike, eftersom nätavgiftsstrukturer och aggregeringskostnader äter upp dispatchvärdet. Flottoperatörer och aggregatorer bör vilja se hårda siffror på vilken marginal som faktiskt återstår efter kostnader för grossistmarknad, kapacitet och batteridegradering.
Kvantifiera V2G-ekonomiska begränsningar som påverkar marginalerna för aggregatorer och flottoperatörer i Frankrike; Modellera strategier för värdeutvinning från aggregerade V2G-tillgångar med datavetenskapliga ramverk; Öka avkastningen från V2G-dispatch med prediktiv analys anpassad till franska nätsignaler
Q&A-SESSION OM DATAVETENSKAPLIGA ANGREPPSÄTT FÖR ATT MAXIMERA V2G-VÄRDET I FRANKRIKE
Chargalytics kontext
Det verkliga testet: håller de prediktiva analysmodellerna som diskuteras för volatiliteten i franska nätsignaler, eller fungerar de bara under backtestade förhållanden?
DEN SAKNADE LÄNKEN I EV-INFRASTRUKTUREN: VARFÖR LADDNING MÅSTE BLI AUTONOM
Chargalytics kontext
Tillgång till hemmaladdning är fortfarande det största hindret för EV-omställningen bland lägenhetsboende, och robotiserade eller autonoma kontakter presenteras som lösningen för både detta och autonoma flottor – men ekonomin för rälsbaserade system jämfört med enkel kabelhantering är oprövad i stor skala. Den som planerar laddning för depåer eller flerbostadshus bör fråga vilka utnyttjandevinster som stöds av driftsatta data snarare än prognoser.
Diagnostisera varför publik laddinfrastruktur sviker lägenhetsboende som saknar tillgång till hemmaladdning; Lös paradoxen med autonom mobilitet där självkörande flottor fortfarande kräver manuella kabelanslutningar; Kvantifiera hur rälsbaserade robotsystem ökar laddarutnyttjandet i stora parkeringsanläggningar
Q&A-SESSION OM AUTONOM LADDNING OCH FRAMTIDEN FÖR PUBLIK EV-INFRASTRUKTUR
Chargalytics kontext
Huvudfrågan: hur stor är den installerade basen och hur tillförlitliga är robotiserade laddsystem i verklig drift i dag – inte bara i teorin om högre utnyttjande?
UTVECKLING OCH MÖJLIGHETER PÅ DEN EUROPEISKA MARKNADEN FÖR E-LASTBILAR
Chargalytics kontext
Ekonomin för e-lastbilar avgörs av laddningens tillgänglighet och TCO-paritet med diesel, som båda fortfarande är bräckliga med tanke på luckorna i megawattladdningsinfrastruktur längs europeiska transportkorridorer. Flottoperatörer och investerare bör vilja ha klarhet i vilka affärsmodeller – CPO-ägda, OEM-paketerade eller flottopererade – som faktiskt går ihop per segment, inte bara aggregerade prognoser för marknadsstorlek.
Kartlägg centrala tekniska och regulatoriska utvecklingar som formar den europeiska marknaden för e-lastbilar; Bedöm effekterna på TCO och tillgänglighet samt de bästa kombinationerna av teknik och affärsmodell mellan flottsegment; Kartlägg marknadsstorlek, lönsamhetspotential och positionering för startups respektive etablerade aktörer inom e-lastbilar i Europa
FRÅGESTUND OM DEN EUROPEISKA MARKNADEN FÖR E-LASTBILAR
Chargalytics kontext
Europeiska e-lastbilar är segmentet där laddningsekonomin snabbt blir brutal: laddning på MW-nivå, snäva stopptider och debatten om depåer kontra korridorer avgör vilka laddoperatorer som överlever. Fleetoperatörer och nätplanerare bör lyssna efter konkreta svar om standardisering (takten i MCS-utbyggnaden), kostnad per kWh i stor skala och om offentlig korridorladdning faktiskt kan stödja långväga godstransporter före regulatoriska deadlines.
Sätter ramen för var EV-laddningsbranschen faktiskt står jämfört med färdplanen – användbart för att bedöma om årets agenda lutar mot hårdvarutillförlitlighet, nätintegration eller affärsmodellernas överlevnad.
09:10–09:35Main
SÄKRA EV-LADDNINGSEKOSYSTEMET: FRÅN CYBERRISKER TILL AI-DRIVEN RESPONS
Chargalytics kontext
Laddnätverk blir en verklig attackyta när laddare, backends och fordon sammanfogas till ett uppkopplat system – korrelation av TARA/SBOM/CVE och PKI-baserad identitet är det praktiska försvaret, inte teoretisk säkerhet. Laddoperatorer och OEM:er som är exponerade för sårbarheter i laddprotokollens fjärrkommandon bör bry sig om hur attackkedjor faktiskt återskapas över incidenter i flera steg.
Koppla samman TARA-, SBOM- och CVE-data i en semantisk graf för att kartlägga verkliga attackvägar; Etablera PKI-baserat digitalt förtroende för att säkra identiteter för fordon, laddare och backend; Återskapa attackkedjor i flera steg över laddare och backends med AI-driven korrelation
FRÅGESTUND OM CYBERRISK, DIGITALT FÖRTROENDE OCH AI-DRIVEN LADDNINGSSÄKERHET
Chargalytics kontext
Fördjupning i konkreta implementeringsfrågor: vem ansvarar för PKI-certifikatens livscykel i ett laddnätverk med flera leverantörer, och hur snabbt kan AI-driven detektering faktiskt flagga en pågående attack i flera steg jämfört med en falsk positiv träff.
Platshållarpass – innehållet är inte offentliggjort, så värdet beror helt på vad som annonseras på plats.
10:10–10:35Main
HEMLADDNING: FRIGÖR SMARTARE TJÄNSTER FÖR EV-EKOSYSTEM
Chargalytics kontext
Hemmaladdning är fortfarande EV-ekosystemets segment med högst volym och lägst insyn i marginalerna, och dubbelriktad V2X är den hävstång leverantörer satsar på för att förändra kalkylen. Den som modellerar TCO för bostäder eller intäktsströmmar från nättjänster bör granska om den påstådda energiberedskapen i hemmen håller mot faktiska nättariffer och hårdvarubegränsningar.
Omdefiniera total ägandekostnad genom innovativa hemladdningslösningar för EV-förare; Förbereda hushåll för framtida energibehov med dubbelriktade V2X-laddningsmöjligheter; Visa varför hemmaladdning är ryggraden i ett skalbart och motståndskraftigt EV-ekosystem
FRÅGESTUND OM FRAMTIDEN FÖR SMART EV-LADDNING I HEMMET
Chargalytics kontext
Nyckelfrågan som återstår: betalar V2X sig självt vid realistiska nyttjandegrader i bostäder, eller är det fortfarande ett erbjudande beroende av subventioner?
VARFÖR LADDOPERATÖRER MISSLYCKAS MED ATT TJÄNA PENGAR PÅ SMART HEMLADDNING – OCH HUR FLEETKUNDER BETALAR FÖR DEN
Chargalytics kontext
Pekar på ett strukturellt problem som många laddoperatorer inte vill erkänna: den förarvända appen – och därmed kundrelationen och datan – tillhör ofta en OEM eller aggregator, inte laddoperatören som installerar hårdvaran. Med belgisk dynamisk prissättning som mognadsriktmärke är sessionen relevant för varje laddoperator som försöker bygga återkommande intäkter snarare än bara hårdvarumarginal.
Avslöja varför appen för smart laddning i hemmet vanligtvis tillhör någon annan än laddoperatören; Förlora insynen och kundrelationen i samma ögonblick som ett laddarproblem hamnar i någon annans app; Omvandla Belgiens mognad inom dynamisk prissättning till lärdomar om att äga och monetarisera smart laddning
FRÅGESTUND OM VARFÖR LADDOPERATÖRER KÄMPAR MED ATT ÄGA OCH MONETARISERA HEMLADDNING
Chargalytics kontext
Den verkliga frågan för laddoperatorerna i publiken: vilken avtalsmässig eller teknisk hävstång kan faktiskt återta appägandet och kunddatan när en OEM redan har dem?
HUR LAGERLOKALER BLIR LADDNÄTVERK FÖR ELEKTRISKA FLEETFORDON
Chargalytics kontext
Logistikfastigheter är en underutnyttjad tillgång för fleetelektrifiering – att omvandla lagermark och nätanslutningar till laddinfrastruktur för tredje part förändrar kapitalallokeringsfrågan från ”vem bygger laddning?” till ”vem äger redan platsen?”. Fleetoperatörer, laddoperatorer och fastighetsinvesterare bör lyssna efter hur stegvisa investeringar i nätkapacitet faktiskt synkas med osäkra tidslinjer för fleetelektrifiering.
Återanvända lagerfastigheter som distribuerade laddnätverk för tredjepartsflottor; Prioritera stegvisa investeringar i nätkapacitet, platsdesign och fleetefterfrågan i stor skala; Bygga broar mellan fastighetsägare, laddoperatörer, energileverantörer och fleetkunder
FRÅGESTUND OM ATT SKALA LADDINFRASTRUKTUR ÖVER LOGISTIKFASTIGHETER
Chargalytics kontext
Räkna med att påståendena om etappindelning stresstestas: vilka trösklar för nätkapacitet utlöser nästa investeringssteg, och hur delar fastighetsägare risken med laddoperatorer och fleetkunder?
AI, O&M OCH KRAVET PÅ 99 % DRIFTTID: EN RITNING FÖR TILLFÖRLITLIG EVSE
Chargalytics kontext
Drifttid är måttet som avgör om förtroendet för offentlig laddning överlever fasen med tidiga användare, och ekonomin i reaktivt underhåll skalar inte till nationella nätverk. Laddoperatorer och investerare som modellerar TCO bör vilja ha konkreta detaljer om vad ML-diagnostik fångar som traditionell telemetriövervakning missar, och vilka riktmärken för O&M-efterlevnad som faktiskt används på olika marknader.
Flytta laddoperatorer från reaktivt till prediktivt underhåll genom ML-diagnostik och EVSE-telemetri i realtid; Jämföra internationella protokoll för O&M-efterlevnad för att identifiera de operativa strategier som maximerar laddartillförlitligheten; Kostnadsberäkna O&M för storskalig EVSE-infrastruktur redan i designfasen med TCO- och CAPEX/OPEX-modellering
FRÅGESTUND OM ATT MAXIMERA EVSE-DRIFTTID GENOM AI OCH INTEGRERAD DRIFT OCH UNDERHÅLL
Chargalytics kontext
Drifttid är måttet som avgör om ett laddnätverk faktiskt genererar intäkter, och oplanerade driftstopp är fortfarande ett av branschens dyraste olösta problem. Den öppna frågan i denna frågestund: vilka AI-drivna diagnosverktyg och arbetsflöden för drift och underhåll gör faktiskt skillnad för fordonsflottans tillgänglighet, och vilka är leverantörshype. Operatörer, laddoperatörer och tillgångsförvaltare som väger investeringar i prediktivt underhåll bör lyssna efter konkreta siffror för drifttid och lärdomar om integration, inte generella AI-påståenden.
Vanlig logistik för avslutningsdagen, utan tekniskt innehåll för deltagarna att ta med sig.
12:45–13:00Main
AVSLUTANDE KOMMENTARER
Chargalytics kontext
Avslutande programpunkt; värdet ligger i att sammanfatta de återkommande teman från de två dagarna, snarare än i ny information.
Inget matchar de filtren — testa att rensa ett.
Programdata sammanställd från det officiella programmet för EV Charging France; sessioner flyttas, rum ändras. Kontrollera mot den officiella sajten. officiella agendan.
Vi använder cookies för att förstå hur du använder Chargalytics så att vi kan förbättra upplevelsen. Ingen data delas med annonsörer.