Bien qu'elle contribue de manière significative à l'économie mondiale, l'industrie de la construction reste à la traîne par rapport à des secteurs comme l'industrie manufacturière en ce qui concerne l'adoption des technologies.
La résistance au changement affecte négativement le secteur en raison de l'inefficacité des méthodes traditionnelles. Toutefois, depuis le début des années 2000, l'adoption du logiciel de modélisation des données du bâtiment (BIM) a été un point positif, continuant à être largement intégré, en particulier pour les projets de grande envergure.
La BIM permet de gérer l'information d'un projet de manière globale. Les différents types de données permettent de créer une représentation numérique du projet, utile tout au long de sa durée de vie. La BIM a profondément modifié le paysage de la construction, de la conception du projet à sa réalisation et à son exploitation.
Il est possible d'intégrer d'autres logiciels à la BIM. Il est ainsi possible d'utiliser une application utilisant l'IA pour exploiter les données contenues dans le logiciel. La fusion de la BIM et de l'IA promet de révolutionner les processus BIM, en améliorant les flux de travail tels que l'estimation des coûts et la conception.
Le principal avantage de l'IA pour le BIM est sa capacité à analyser de vastes jeux de données et à en extraire des informations exploitables. Combinées, les deux offrent des moyens uniques de surmonter les pratiques conventionnelles grâce à des structures automatisées et pilotées par les données.
Le BIM fournit des données historiques et actuelles sur les projets qui peuvent être utilisées pour former des modèles prédictifs. Les algorithmes de Machine Learning (ML) tels que les arbres de décision (DT), les réseaux neuronaux et les forêts aléatoires (RF) peuvent construire un modèle en fonction de la solution prédictive envisagée [1].
Voici comment les données BIM peuvent améliorer l'analyse prédictive dans les projets de construction.
Les détections de collisions permettent d'identifier les écarts ou les conflits entre différents éléments, tels que les systèmes de plomberie et d'électricité dans un bâtiment [2]. Les responsables de la construction peuvent utiliser la BIM pour repérer ces conflits à un stade précoce. Toutefois, le processus peut être manuel et prendre beaucoup de temps.
Selon le « Journal of Construction and Management », l'IA permet de réduire de 75 % les conflits de conception [3].
L'IA peut détecter les conflits et les résoudre automatiquement. Elle peut analyser les modèles de construction et détecter rapidement les déviations et les incohérences potentielles. La résolution rapide de ces conflits garantit le bon déroulement des processus de construction.
Grâce à des techniques de détection basées sur des règles, les outils alimentés par l'IA peuvent analyser les codes du bâtiment, les normes industrielles et les directives spécifiques à un projet [4]. Grâce à l'analyse des modèles numériques, les équipes de construction peuvent identifier et résoudre les problèmes de manière proactive avant qu'ils ne se transforment en erreurs coûteuses au cours de la phase de construction.
Une gestion efficace des coûts est un élément clé des projets de construction, qui augmente les chances de réussite du projet.
Les décomptes manuels sont sujets à des erreurs, ce qui entraîne des retards et des dépenses supplémentaires [5]. À l'inverse, la BIM fournit des informations calculables sur le bâtiment, telles que le décompte des matériaux, qui sont plus précises. Ces informations permettent de déterminer les matériaux de construction appropriés et de s'assurer que la quantité requise répond aux exigences.
L'IA peut automatiser le processus de quantification des matériaux et d'estimation des coûts. Les solutions basées sur l'IA peuvent déterminer la quantité de matériaux et estimer les coûts. Grâce à des données externes telles que les tendances du marché et les données sur les prix, ces systèmes peuvent aider à prendre des décisions éclairées sur les meilleurs fournisseurs, les délais de livraison et le calcul optimal des coûts.
Les solutions BIM-AI peuvent aller plus loin et aider à contrôler l'utilisation des matériaux en temps réel. Alors que les chefs de projet cherchent à optimiser les coûts du projet, ces solutions peuvent aider à commander rapidement des matériaux tout en évitant les sur-commandes ou les pénuries [6].
Les coûts de la main-d'œuvre dans le secteur de la construction peuvent représenter 20 à 40 % du coût total du projet [7]. Les modèles BIM 3D ne permettent pas d'estimer ces coûts. Cependant, ils peuvent être connectés à des bases de données de coûts pour une estimation automatisée des coûts [8].
Les outils d'estimation des coûts alimentés par l'IA peuvent analyser la main-d'œuvre de projets antérieurs, en élaborant des variables de coût telles que les compétences et les schémas d'heures supplémentaires. Ces outils peuvent aider à séquencer la main-d'œuvre en fonction des exigences du projet. En outre, ils peuvent améliorer le suivi des coûts de main-d'œuvre en surveillant la productivité et les performances des travailleurs.
Le BIM sert de référentiel central pour les données sur les actifs à travers toutes les phases de la construction. Les données sont dérivées des dispositifs IoT intégrés dans les actifs et intégrés dans le modèle BIM [9]. Elles permettent de suivre les caractéristiques des actifs, notamment leur historique, leur taille, leurs dépendances et leur fonctionnement.
Les capteurs intégrés peuvent capturer les caractéristiques de l'actif telles que la température, l'humidité et la performance. Les modèles d'intelligence artificielle peuvent traiter ces points de données afin de vérifier si les actifs fonctionnent de manière optimale ou s'ils dépassent les seuils autorisés.
Par exemple, les capteurs qui surveillent les températures de durcissement du béton peuvent fournir des données via les modèles BIM aux solutions d'IA, qui peuvent détecter les variations de durcissement. La surveillance en temps réel à l'aide de l'IA peut mettre en évidence les zones qui nécessitent des mesures correctives immédiates.
Les modèles d'IA peuvent aider les gestionnaires d'actifs à prendre des décisions proactives. En utilisant des mesures opérationnelles historiques et actuelles, l'IA peut traiter ces données pour prédire les problèmes potentiels.
De nombreux problèmes sont susceptibles de survenir avec les nombreux sous-traitants qui travaillent quotidiennement sur un site. Les problèmes sont attribués aux parties concernées et suivis jusqu'à leur résolution. Tous ces problèmes sont stockés dans le BIM afin de fournir un état précis et fiable du projet.
Des techniques d'intelligence artificielle telles que la vision par ordinateur, la reconnaissance d'images et la reconnaissance de formes sont utilisées pour analyser les données saisies sur le chantier. Les problèmes identifiés peuvent être signalés et attribués au sous-traitant responsable. Par exemple, BIM 360 utilise des algorithmes d'IA pour comprendre et prévoir des problèmes complexes tels qu'une mauvaise fixation des fenêtres, qui pourrait entraîner des infiltrations d'eau dans un bâtiment [10].
Outre l'identification des problèmes à risque, un système piloté par l'IA peut analyser les problèmes et attribuer une note de risque. Par exemple, BIM 360 prend en compte l'historique, la charge de travail et l'indice de priorité d'un sous-traitant. Il saisit le degré d'exposition que le problème peut représenter pour le projet et lui attribue un score pertinent [11].
La BIM permet la collaboration entre les parties prenantes du projet en fournissant un environnement de données partagées. Les données de planification peuvent être attribuées aux objets du modèle tout en déterminant leur relation avec d'autres objets. Un engagement précoce garantit que les dépendances du projet sont cartographiées afin de résoudre les problèmes potentiels de planification.
L'intégration BIM-AI peut apporter des avantages significatifs au processus de planification de la construction BIM. Les modèles d'IA peuvent analyser des facteurs internes et une série de facteurs externes, tels que les perturbations météorologiques et les pénuries de main-d'œuvre, sur lesquels la BIM n'a pas de visibilité. Différentes conditions peuvent être évaluées et simulées afin de déterminer leur impact sur le calendrier du projet.
Les parties prenantes peuvent explorer différents plans d'ordonnancement et mettre en place de manière proactive des plans d'urgence. Les systèmes pilotés par l'IA peuvent également analyser les données et conseiller les chefs de projet sur les obstacles potentiels ou les moyens d'accélérer le projet.
L'IA générative peut contribuer à éliminer certains processus répétitifs et à forte intensité de main-d'œuvre dans les flux de travail BIM. Elle peut générer des conceptions et de la documentation à partir des données et des paramètres disponibles dans le BIM.
Par exemple, les modèles d'IA peuvent générer de multiples permutations de conception sur la base d'entrées spécifiées. Les conceptions peuvent être évaluées en fonction de différents facteurs, tels que la configuration structurelle.
La génération de plusieurs conceptions utilisant différentes configurations peut aider les parties prenantes à choisir des conceptions uniques et fonctionnelles [12]. Par exemple, Autodesk a conçu son immeuble de bureaux de Toronto en utilisant la conception générative. Le modèle a pu prendre en compte des contraintes de haut niveau telles que les préférences en matière de style de travail et un espace de travail très performant [13]. Il a produit plusieurs conceptions en tenant compte de tous les paramètres spécifiés.
Grâce au traitement du langage naturel (NLP), l'IA peut générer automatiquement de la documentation. Par exemple, une application de Plannerly, une startup basée sur l'IA, peut générer automatiquement une documentation structurée telle que des contrats, des normes et des accords juridiques sur le BIM [14].
De multiples complexités entravent l'adoption de la BIM-AI malgré le potentiel de transformation de l'intégration.
Le coût reste un obstacle important à l'adoption du logiciel BIM, en particulier pour les petits entrepreneurs. Outre l'achat du logiciel, les entrepreneurs doivent former des salariés ou acquérir de nouvelles compétences en matière d'utilisation de la BIM. Les outils d'intelligence artificielle peuvent être ajoutés en tant que modules complémentaires ou intégrés à la BIM, ce qui nécessite une expertise opérationnelle et des coûts supplémentaires.
Les chantiers de construction sont des environnements dynamiques impliquant de multiples parties prenantes. Les projets peuvent nécessiter des algorithmes personnalisés pour résoudre des problèmes spécifiques à différentes échelles. En outre, la formation de modèles d'IA précis nécessite des ensembles de données étendus et de qualité, qui peuvent être limités dans le secteur de la construction. La création de ces modèles nécessitera également des connaissances spécifiques au domaine et une compréhension technique approfondie de l'IA et de la BIM.
L'intégration de la BIM et de l'IA pose de nouveaux défis, car chaque technologie a ses propres protocoles et normes. La BIM génère de multiples formats de données, y compris des relations spatiales et des informations géographiques [15]. Le manque de normalisation pose des problèmes d'interopérabilité, ce qui limite l'intégration.
Malgré ces défis, l'avenir de la BIM et de l'IA semble prometteur. L'IA continue de progresser et nous pourrions bientôt voir des assistants IA pour les gestionnaires de construction. Ces assistants pourraient travailler en arrière-plan, en partenariat avec les parties prenantes, en analysant les données BIM et en répondant aux questions sur ces informations [16].
Outre l'automatisation des tâches banales, l'IA peut faire progresser d'autres capacités de la BIM. La BIM agit principalement comme un entrepôt de données tout au long du cycle de vie des projets de construction. L'IA et la ML peuvent analyser les données pour découvrir des informations cachées dans toutes les données.
L'intégration BIM-AI s'avère bénéfique pour des tâches telles que la détection avancée des collisions, la gestion des risques et l'analyse prédictive. Toutefois, cette intégration n'est pas sans poser de problèmes. Les principales préoccupations concernent les coûts et les problèmes d'interopérabilité.
Ecrit par Baptiste Aelbrecht & Jacques Mojsilovic
