Intelligence Artificielle et BTP

L’intelligence Artificielle (IA) semble ne laisser aucun secteur de côté. En effet, le BTP est lui aussi concerné par la révolution technologique de l’IA, mais sa mise en application semble ralentit.

Le BTP aujourd’hui c’est un emploi sur huit en France, intégrant un grand nombre de métiers, depuis l’ingénierie dans les bureaux d’études jusqu’à la maintenance des infrastructures en passant bien évidemment par la construction. Au sein de cet écosystème complexe, l’Intelligence Artificielle doit encore faire la preuve de son intérêt et de sa pertinence. En effet, malgré un fort potentiel de transformation et d’optimisation des métiers du BTP (bâtiment et travaux publics), elle peine encore à se matérialiser dans des applications concrètes, principalement du fait d’une donnée trop diffuse et d’un public pas suffisamment sensibilisé à cette révolution¹. Alors que l’Intelligence Artificielle a déjà modifié en profondeur des secteurs comme la santé, l’environnement, le transport ou encore l’énergie. Seulement, force est de constater qu’à ce jour, elle peine encore à se matérialiser dans des applications concrètes. Le rapport Villani par exemple n’évoque jamais le BTP.

Reconstruire la chaîne de la data du BTP

Contrairement à une idée répandue, l’Intelligence Artificielle ne se suffit pas à elle-même. En effet, pour développer ses capacités prédictives et de classification, il est nécessaire d’alimenter le deep learning avec de la data. Le “hic” c’est que l’environnement du BTP n’est pas adapté à la génération de data à grande échelle. En effet, celle qui est disponible n’est pas toujours bien transmise et partagée au sein de son écosystème. Cela s’explique notamment par le fait que les travaux publics engendrent souvent de nombreuses ruptures de la chaîne de la data par la multitude d’acteurs et d’étapes par chantier entre le bureau d’étude qui conçoit les plans du projet, l’entreprise de construction, l’entreprise d’installation électrique, l’exploitant qui doit mettre à jour son système d’information suite aux travaux, etc…

Pour être exploitable, la data doit être préservée du début à la fin de la chaîne de production et enrichie à chaque étape. De la même façon que nous serions malades si nous mangions un produit frais ayant subi une rupture de la chaîne du froid, une IA ne peut digérer une data morcelée. Il est donc primordial de sécuriser cette chaîne de données complexes pour produire une data sans coupure pour permettre la création d’algorithmes performants.

Pour accompagner l’évolution du secteur vers le big data et l’Intelligence Artificielle, le BTP a besoin de tiers de confiance référents afin de faire le lien entre tous les acteurs. Les données pourront ainsi être récoltées de façon structurée puis, mutualisées, analysées et enfin transformées en algorithmes permettant l’Intelligence Artificielle. Il sera alors nécessaire de s’accorder sur les formats d’échanges.

Exemples d’applications possibles de l’IA dans le BTP

Les applications potentielles de machine learning et de l’IA dans la construction sont vastes. Le machine learning s’apparente à un assistant intelligent capable d’analyser une quantité astronomique de données. Il alerte ensuite les chefs de projet des éléments critiques qui nécessitent leur attention. Plusieurs applications utilisent déjà l’IA de cette manière. Ses avantages vont du filtrage banal des spams à la surveillance avancée de la sécurité.

Prévenir les dépassements de coûts

La plupart des méga-projets dépassent leur budget malgré le recours aux meilleures équipes de projet. L’Intelligence Artificielle peut alors être utilisée dans les projets de construction pour prévoir les dépassements de coûts en fonction de la taille du projet, le type de contrat et le niveau de compétence des chefs de projet. Les données historiques telles que les dates de début et de fin planifiées sont utilisées par les modèles prédictifs pour prévoir des échéances réalistes pour les projets futurs. L’IA peut également aider les membres du personnel à accéder à distance à du matériel de formation réel, ce qui les aide à améliorer rapidement leurs compétences et leurs connaissances. Cela réduit le temps nécessaire pour intégrer de nouvelles ressources dans des projets. La livraison du projet se voit alors considérablement accélérée.

Pour une meilleure conception des bâtiments grâce à la conception générative

Building Information Modeling est un processus basé sur un modèle 3D qui fournit aux professionnels de l’architecture, de l’ingénierie et de la construction des informations permettant de planifier, concevoir, construire et gérer efficacement des bâtiments et des infrastructures. Afin de planifier et de concevoir la construction d’un bâtiment, les modèles 3D doivent prendre en compte les plans d’architecture, d’ingénierie, de mécanique, d’électricité et de plomberie ainsi que la séquence des activités des équipes respectives.

Le défi est alors de s’assurer que les différents modèles des sous-équipes ne se heurtent pas. Ainsi, l’industrie tente d’utiliser le machine learning pour une conception globale afin d’identifier et d’atténuer les conflits entre les modèles générés par les différentes équipes durant la planification et la conception afin, mais aussi pour éviter le travail doublé.

Il existe un logiciel qui utilise des algorithmes du machine learning pour explorer toutes les variantes d’une solution et générer des alternatives de conception. Cela permet de tirer parti de l’Intelligence Artificielle pour créer des modèles 3D de systèmes mécaniques, électriques et de plomberie, tout en trouvant à chaque itération, à trouver une solution optimale.

Atténuation des risques

Chaque projet de construction comporte des risques qui se présentent sous de nombreuses formes telles que la qualité, la sécurité, les délais et/ou les coûts. Plus le projet est vaste, plus il y a de risques, car plusieurs sous-traitants travaillent sur différents métiers en parallèle sur les chantiers. Il existe aujourd’hui des solutions d’Intelligence Artificielle et du machine learning utilisées par les maîtres d’oeuvres pour surveiller et hiérarchiser les risques sur le site. L’équipe de projet peut ainsi consacrer son temps et ses ressources limités aux principaux facteurs de risque. L’IA est utilisé pour attribuer automatiquement la priorité aux problèmes. Les sous-traitants sont notés sur la base d’un score de risque afin que les responsables de la construction puissent travailler en étroite collaboration avec les équipes à haut risque afin de réduire les risques.

L’Intelligence Artificielle améliore la productivité d’un chantier

Certaines entreprises commencent à proposer des machines de construction autonomes pour effectuer des tâches répétitives plus efficacement que leurs homologues humains, telles que le coulage de béton, la maçonnerie, la soudure et la démolition. Un rapport publié en 2017 par McKinsey indique que les entreprises de construction pourraient augmenter la productivité de 50%² par le biais d’une analyse en temps réel des données. Les travaux d’excavation et de préparation sont effectués par des bulldozers autonomes ou semi-autonomes, qui peuvent préparer un chantier avec l’aide d’un programmeur humain aux spécifications exactes. Cela libère des travailleurs humains pour les travaux de construction et réduit le temps total nécessaire à l’achèvement du projet. Les chefs de projet peuvent également suivre le travail sur le chantier en temps réel.

Malgré les prévisions de pertes d’emplois massives, il est peu probable que l’intelligence artificielle remplace la main-d’œuvre humaine. Au lieu de cela, il modifiera les modèles commerciaux dans l’industrie de la construction, réduira les erreurs coûteuses, réduira le nombre de blessures sur le chantier et rendra les opérations de construction plus efficaces.

¹Forbes – L’Intelligence Artificielle : Les Enjeux Prometteurs Pour Le BTP – Juin 2019

²Constructible – The benefits of AI in construction – Janvier 2019