En raison de leur nature complexe et dynamique, les dépassements de coûts dans le secteur de la construction sont monnaie courante.
De fait, un rapport publié en 2022 par l’AGC indique que 84% des entrepreneurs aux États-Unis connaissent des dépassements de budget [1]. Ces dépassements entraînent l’annulation, la réduction et le retard des projets.
Les raisons pour lesquelles de nombreux projets de construction sont confrontés à des difficultés financières sont multiples. Les principales raisons sont des estimations inexactes et des erreurs de conception. Pour combler les lacunes qui entraînent des contraintes budgétaires, de nombreux entrepreneurs se tournent vers des solutions technologiques.
Les avancées en matière de Building Information Modeling (BIM), de cloud, d'Internet des objets (IoT) et d'intelligence artificielle (IA) devraient rendre la gestion des coûts des projets plus efficace. Une étude d'Accenture indique que l'utilisation de l'IA dans le secteur de la construction pourrait accroître les bénéfices de 71 % d'ici à 2035 [2].
Une étude portant sur 20 pays a révélé que 85 % des projets de construction étaient affectés par des dépassements de coûts [3]. Les principales causes de dépassement de budget dans le secteur de la construction sont les suivantes [4]:
Voici comment l'IA peut constituer une solution à certains des problèmes de coûts rencontrés dans le secteur de la construction.
Des estimations de coûts peuvent être réalisées lors du lancement du projet et à différents stades de son développement afin de maintenir la responsabilité des projections de coûts initiales [5]. Cependant, des facteurs tels que l'évolution des prix des matériaux, de la main-d'œuvre et des retards peuvent entraîner des modifications des coûts, ce qui conduit à des estimations inexactes.
Les techniques de machine learning (ML) et de deep learning (DL) comme le clustering et les réseaux neuronaux (ANN) peuvent être utilisées pour construire des modèles d'estimation des coûts.
L'estimation des coûts alimentée par l'IA utilise des données historiques sur les coûts, les tendances du marché, les spécifications du projet et d'autres variables pertinentes. Elle analyse ces données, découvre des modèles et génère finalement des estimations précises. L'analyse complète identifie les corrélations et les relations entre les variables souvent négligées par les méthodes traditionnelles.
En outre, les solutions d'estimation alimentées par l'IA peuvent utiliser l'analyse prédictive pour prévoir les coûts intermédiaires d'un projet. Le modèle peut prendre en compte différentes variables telles que la complexité du projet, les conditions du marché et les taux d'inflation pour générer des prévisions d'une grande précision [6]. Il peut également identifier les zones potentielles de dépassement du budget, ce qui permet aux chefs de projet d'anticiper et d'atténuer les risques.
En s'appuyant sur les données historiques et l'apprentissage continu, les modèles d'estimation des coûts peuvent fournir aux parties prenantes des recommandations et un retour d'information. Ceux-ci peuvent être utilisés pour améliorer la prise de décision en vue de la rationalisation du budget.
Le suivi de l'avancement des travaux représente une part importante des coûts de gestion des projets de construction. Les méthodes de suivi existantes sont laborieuses, subjectives et sujettes aux erreurs. Il en résulte des obligations réglementaires, des travaux de reprise coûteux et des litiges.
Le suivi de l'avancement des travaux piloté par l'IA rationalise le suivi de la construction, ce qui se traduit par une augmentation de la productivité, une réduction des coûts d'exploitation, une amélioration de la sécurité et de la conformité aux réglementations. L'IA peut contribuer au suivi des projets de construction de différentes manières :
Le suivi des progrès grâce à l'IA utilise principalement des données vidéo et des images. Grâce à des techniques telles que le computer vision et la reconnaissance d'images, les données peuvent être analysées automatiquement afin de fournir des informations exploitables et de réduire les cycles d'établissement de rapports.
Un suivi opportun permet de contrôler étroitement le budget et les plans du projet. La détection précoce des écarts et des retards par rapport au plan du projet permet aux parties prenantes de prendre des mesures correctives. Ces mesures de contrôle de la qualité permettent également de respecter le budget en réduisant les coûts de supervision et de correction des défauts.
La gestion des ressources dans la construction implique l'optimisation de la main-d'œuvre, du temps consacré aux matériaux et de l'équipement. Les pénuries de main-d'œuvre, les livraisons tardives de matériaux, les retards de paiement et les modifications de l'étendue du projet entraînent une utilisation inefficace des ressources. Par exemple, une enquête sur la main-d'œuvre menée par l'AGC a montré que 61 % des entreprises de construction aux États-Unis ont signalé des retards de projet dus à des pénuries de main-d'œuvre [7].
Une gestion optimisée des ressources vise à minimiser les coûts liés à la fluctuation des besoins en ressources, à la surallocation des ressources et au dépassement des délais.
L'allocation des ressources dans le secteur de la construction est un problème complexe en raison de la nature dynamique et imbriquée des différents processus. Les techniques de ML telles que l'algorithme génétique (GA) peuvent être utilisés pour découvrir les relations cachées entre les processus et aider les parties prenantes à prendre des décisions fondées sur des données [8].
Grâce à l'analyse prédictive, les parties prenantes peuvent s'attaquer au problème de la prévision insuffisante des ressources. Les modèles prédictifs peuvent analyser les tendances du marché, la saisonnalité et les données historiques sur l'utilisation des ressources afin de déterminer l'allocation optimale des ressources. Cela peut aider les chefs de projet à prévoir les besoins en matériel et à optimiser l'affectation du personnel et des équipements.
Les solutions alimentées par l'IA peuvent également aider à évaluer et à identifier le personnel sous-chargé. Les machines ou la main-d'œuvre sous-utilisées peuvent être réaffectées pour maximiser l'utilisation des ressources.
L'utilisation d'outils alimentés par l'IA pour le suivi de l'avancement des travaux et l'établissement de rapports peut améliorer la communication et la collaboration en temps réel. Ces mises à jour de projet peuvent améliorer la planification des capacités et l'utilisation des ressources, les équipes de projet communiquant clairement leurs besoins.
L'utilisation de robots autonomes peut renforcer la main-d'œuvre humaine en effectuant des tâches répétitives ou dans des environnements dangereux. Par exemple, Trimble a mis au point des robots dotés d'intelligence artificielle pour saisir les activités sur les chantiers de construction, améliorant ainsi les flux de travail de contrôle [9].
Un autre robot autonome est destiné à améliorer les processus d'aménagement des chantiers de construction avec une grande précision. Il contribue à atténuer les problèmes de pénurie de main-d'œuvre, en améliorant la productivité et l'efficacité [10].
Les stratégies de gestion des risques pilotées par l'IA dans le secteur de la construction permettent de réduire les retards et de diminuer les coûts des projets.
Les outils d'IA et de ML peuvent automatiser l'identification et la prévision des risques. Ils améliorent la prise de décision en fournissant des informations complètes et exploitables.
Les algorithmes de ML peuvent traiter rapidement de grandes quantités de données pour reconnaître des modèles et détecter des anomalies. Cela permet d'identifier rapidement les risques et les impacts possibles grâce à l'intelligence active.
Là encore, les modèles prédictifs peuvent prévoir les risques, ce qui permet aux parties prenantes du projet de comprendre les défis à venir. Cela est possible en exploitant les données internes du projet de construction et les données externes telles que les données météorologiques et les données des fournisseurs. Voici quelques-unes des variables que ces modèles peuvent suivre et prévoir:
Les informations prédictives peuvent aider les parties prenantes d'un projet à prendre des décisions proactives, en évitant efficacement les écueils qui pourraient avoir des conséquences financières négatives.
La mise en place initiale des solutions d'IA peut être coûteuse. Cependant, les solutions alimentées par l'IA tendent à débloquer des gains d'efficacité qui se traduisent par un retour sur investissement rapide.
Voici quelques exemples d'entreprises de construction utilisant l'IA et son impact sur les coûts.
AF Gruppen est l'une des plus grandes entreprises de construction de Norvège. L'entreprise a intégré l'IA dans ses processus de planification lors de la construction d'un gratte-ciel à Oslo, dont le coût s'élève à 560 millions de dollars.
En analysant différentes combinaisons de matériaux et de main-d'œuvre afin d'étudier leur impact sur la durabilité et la rentabilité du projet, la solution d'IA a produit sept calendriers différents qui étaient meilleurs que le plan initial. Dans l'ensemble, l'entreprise a réduit le coût du projet de 15 % en utilisant un logiciel alimenté par l'IA pour dimensionner et ordonner les équipes de travail [11].
L'entreprise de construction basée aux États-Unis a utilisé une solution basée sur l'IA pour générer des calendriers alternatifs pour le projet.
Contrairement aux outils traditionnels, cette solution a permis de proposer plusieurs calendriers, donnant ainsi aux parties prenantes la possibilité d'explorer celui qui leur convenait le mieux. L'équipe a sélectionné le projet le plus rentable. Dans l'ensemble, Build Group a économisé des millions et plusieurs semaines sur le projet en déployant l'IA [12].
Les opérations de bétonnage présentent de nombreux défis car elles offrent des délais de correction très courts. Juneau Construction utilisait le balayage laser pour les coulées de béton lors de la construction d'un immeuble de 31 étages, ce qui s'est avéré inefficace.
Outre le laser, l'entreprise a également déployé des drones pour collecter des données avant de couler le béton. L'équipe traitait ensuite ces données manuellement, ce qui prenait 10 heures de travail par heure.
Cependant, en utilisant l'IA pour analyser les données collectées, une seule personne pouvait entreprendre de multiples tâches et finalement générer un rapport exploitable en 2 à 4 heures. En fin de compte, la solution alimentée par l'IA a permis d'économiser 40 000 dollars et de libérer jusqu’à 10 heures de travail par rapport [13].
Le secteur de la construction reste confronté à des défis en matière de gestion et de régulation des dépenses. Des problèmes tels que des estimations inexactes, l'évolution de la portée du projet et la fluctuation des coûts des matériaux sont les raisons pour lesquelles ces défis se posent.
L'intégration de l'IA dans la gestion des coûts de construction permet de relever certains de ces défis. Les acteurs de la construction ressentent l'impact de l'IA grâce à des solutions innovantes ciblant des problèmes complexes tels que l'estimation des coûts, le suivi de l'avancement des travaux et la gestion des risques.
En améliorant différents flux de travail et processus, l'IA continue d'aider le secteur de la construction à trouver des moyens de rationaliser les coûts.
Ecrit par Baptiste Aelbrecht & Jacques Mojsilovic
