Roger VANDOMME

Chief data scientist (responsable de la gestion et de l'analyse des données) et président de SMC.ai.

L'IA dans la construction en Amérique du Nord

Aux États-Unis comme au Canada, l'effervescence intellectuelle et économique autour de l'intelligence artificielle se traduit par la production de nouvelles applications et des perspectives de révolutions dans l'industrie du bâtiment. Pour autant, le secteur accuse encore un certain retard dans l'adoption de ces technologies.

Un rapport de McKinsey de 2018 1 soulignait le retard pris par l'industrie nord-américaine de la construction, en comparaison d'autres industries, dans l'adoption de l'intelligence artificielle (IA). Avec une clientèle de plus en plus sophistiquée et technologiquement éduquée, cette industrie apparaît étonnament lente dans l'adoption des sciences de données.

Une autre étude de McKinsey 2 a identifié trois principaux domaines à même de bénéficier rapidement des outils proposés par l'IA : la maîtrise des coûts, la gestion du temps et la prévention des risques. Pour une meilleure définition de ces opportunités, quatre activités ont été distinguées : la conception (outils d'aide au design, visualisation et simulation) ; la préconstruction (études de marché et estimations) ; la construction (planification, productivité, qualité et sécurité) ; la gestion des opérations (gestion des systèmes et des projets, commandes et facturations).

Des technologies variées pour de multiples applications

Une première étape dans l'adoption des outils d'IA passe par la digitalisation de certaines tâches collaboratives. On pense en particulier à la digitalisation de la conception et du design. Mais aussi à la gestion de la documentation, des contrats et des performances. Le focus est cependant mis tout naturellement sur les actions effectuées sur le terrain. À ce niveau, les défis sont nombreux, de la productivité aux délais d'approvisionnement. Il n'est donc pas étonnant que de nombreuses start-up technologiques concentrent leurs recherches sur des domaines ayant trait à la productivité, à la sécurité et à la qualité.

Nombre d'outils de data science sont utilisés dans ces domaines.

  • Les drones et l'Internet des objets. Certaines start-up utilisent ces technologies pour améliorer le 5D BIM (modélisation des informations de construction), une représentation numérique des structures physiques, mise en perspective avec les dimensions temps et coûts. Ces entreprises utilisent des drones pour capturer des images de sites et des données de relevés aériens. La société Bechtel, par exemple, utilise des drones pour les relevés de précision et la conformité aux normes de sécurité 3.
  • La réalité augmentée. Certaines entreprises commencent à déployer des outils de réalité augmentée dans le but, entre autres, de renforcer la sécurité. Les sociétés Redpoint Positioning 4 et Skanska 5 utilisent une technologie GPS pour délimiter les zones à risque et activer des avertisseurs.

L'industrie a également identifié cinq outils présentant des applications potentielles et prometteuses dans le secteur de la construction.

  • Les algorithmes d'optimisation d'itinéraires. Cette technologie offre aux sociétés de transport la possibilité d'optimiser les itinéraires et d'améliorer la navigation. Dans un avenir proche, l'apprentissage par renforcement permettra une optimisation encore plus efficace en matière de durée du trajet ou de coût du carburant.
  • La modélisation prédictive. L'industrie pharmaceutique a lourdement investi dans des solutions d'IA centrées sur la modélisation prédictive afin de réduire les coûts de R&D à long terme. Ces applications peuvent être directement utilisées dans l'industrie de la construction. Les modèles prédictifs peuvent prévoir les risques inhérents au projet, la constructibilité et la stabilité structurelle.
  • L'optimisation de la chaîne logistique. L'intelligence artificielle a révolutionné la chaîne logistique du commerce de détail en réduisant les temps d'arrêt de production et l'offre excédentaire et en accroissant la prévisibilité des expéditions, entraînant une réduction considérable des coûts, des charges logistiques et de la variabilité. Alors que la modularisation et la préfabrication tendent à se développer, des applications d'apprentissage supervisé peuvent être directement mises en oeuvre dans à l'industrie de la construction.
  • La robotique et l'impression 3D pour la construction modulaire. L'utilisation de la modularisation et de l'impression 3D s'imposent lentement. Il pourrait être envisagé d'optimiser les avantages de ces approches grâce à l'apprentissage machine (machine learning) et de former des robots aux techniques de préfabrication et aux opérations de maintenance.
  • La reconnaissance d'images. Dans le secteur de la santé, les méthodes d'apprentissage profond excellent dans la reconnaissance d'images en appui du diagnostic clinique. Cette technologie peut être appliquée aux images de drones et aux modèles générés en 3D pour évaluer les problèmes de contrôle de qualité, les défauts d'exécution et la détection précoce d'événements critiques.

Bien des difficultés à dépasser

Tout n'est cependant pas simple et de nombreux obstacles restent à surmonter. Bien que la plupart des entreprises de construction aient déjà déployé des outils logiciels, beaucoup d'entre elles n'en tirent pas pleinement parti. Même lorsqu'une entreprise pilote avec succès un nouvel outil, son adoption à grande échelle peut s'avérer difficile ou s'essouffler rapidement. Dans d'autres cas, les initiatives technologiques peinent à produire des améliorations notables des indicateurs de performance dans un délai suffisamment court pour susciter l'intérêt.

Les obstacles majeurs sont de plusieurs ordres.

  • L'absence d'implication du leadership. De nombreuses entreprises de construction se sentent obligées d'adopter des solutions numériques, en particulier si leurs concurrents les déploient, car elles veulent démontrer leur engagement en faveur de l'innovation. Toutefois, les dirigeants ont souvent du mal à faire perdurer leurs initiatives une fois passé l'enthousiasme suscité par la phase de lancement. Cela signifie que les entreprises obtiennent souvent des rendements plus faibles que prévu pour leurs investissements numériques. Elles sont donc peu incitées à continuer à les financer, en particulier si les pressions budgétaires augmentent.
  • Le déploiement des projets à l'échelle de l'entreprise. Comme pour toute nouvelle technologie, les entreprises de construction évaluent généralement leurs nouveaux outils à travers des projets pilotes, afin de déterminer leur impact et d'en identifier les risques avant d'investir à grande échelle. Bien que ces projets pilotes se déroulent souvent sans heurts, les entreprises rencontrent de nombreux obstacles lors du déploiement. Les dirigeants demandent trop souvent à leurs employés d'introduire de nouveaux outils dans les flux de travail sans explication ni formation suffisante. Les équipes considèrent donc ces outils comme une contrainte dictée par le siège, et qui complique leur travail.
  • Le manque de compatibilité avec les systèmes existants. Les nouvelles technologies offrent plus de valeur lorsqu'elles peuvent s'intégrer aisément aux systèmes déjà existants. Par exemple, une application de collecte de données sur le terrain qui se connecte automatiquement aux systèmes de gestion des coûts peut offrir une visibilité en temps réel de la productivité, permettant aux responsables de procéder à des ajustements. Malheureusement les solutions complètes et intégrées existent rarement. Les entreprises doivent faire appel à plusieurs fournisseurs et les processus d'intégration sont semés d'embûches.

Quelques entreprises américaines ont déjà pris des mesures pour relever ces enjeux. Bechtel a mis en place un processus à l'échelle de l'entreprise pour tester de nouvelles technologies, intégrer de nouvelles solutions et favoriser l'innovation. JCE a investi dans une suite logicielle reposant sur l'Internet des objets 6. Toutefois, ces entreprises sont exceptionnelles. De nombreux acteurs de l'industrie introduisent simplement de nouveaux outils numériques sans informer leurs employés ni modifier les structures organisationnelles. Le manque de soutien explique souvent pourquoi les efforts technologiques génèrent fréquemment des gains précoces mais s'essoufflent rapidement.

Comment surmonter les obstacles

Pour traiter ces difficultés les acteurs de l'industrie et les cabinets de conseil suggèrent de suivre un modèle d'opérations intégrant un certain nombre d'éléments. Cette liste et son contenu sont à mettre en perspective par rapport à la culture nord-américaine.

  • Une concentration sur le parcours client. Plutôt que de développer des solutions numériques pour des fonctions spécifiques, telles que celles des employés de back-office, les entreprises doivent se concentrer sur l'optimisation de l'ensemble du parcours client. Elles doivent également veiller à ce que leurs organisations soient à même de fournir un support clientèle en phase avec la manière dont les clients souhaitent interagir avec eux. Cela peut nécessiter de redéfinir les rôles existants ou d'en créer de nouveaux.
  • Une suite intégrée et complémentaire d'outils numériques. Les entreprises augmenteront leurs chances de succès si elles associent plusieurs outils numériques, comme une combinaison d'outils de digitalisation, de modélisation prédictive et de robotique.
  • Un nouveau système de gestion. Un système de gestion intégré garantira la durabilité du nouveau modèle opérationnel.
  • Une transformation culturelle. Les programmes de transformation culturelle et de renforcement de capacités permettent aux entreprises de devenir plus agiles et de s'adapter plus rapidement aux besoins en constante évolution de leurs clients.

RÉFLEXIONS SUR LA NATURE DE L'IA

Parler d'intelligence artificielle fait courir le risque de verser soit dans le sensationnalisme (les algorithmes vont prendre le pouvoir et nous gouverner), soit dans la technicité brutale (modèles supervisés ou non supervisés, régressions ou classifications), et par là manquer la nature même de l'IA. Éviter ce travers demande de recentrer notre attention sur l'humain.

Avant de disserter ad libitum sur l'intelligence artificielle, peut-être est-il utile de définir l'intelligence non artificielle : capacité cognitive d'apprendre, de déduire des informations, de reconnaître des motifs répétitifs, de résoudre des problèmes et de prendre des décisions. Voilà bien le maître mot et le coeur du problème : décider ! Une tâche inhérente à l'être humain, mais une tâche lourde et anxiogène en ce qu'elle confronte à la plus effrayante des réalités : l'incertitude du futur. L'être humain est condamné à ne jamais savoir à l'avance le résultat de ses décisions, condamné à décider dans l'incertitude.

L'humanité a désespérément tenté de contrer cette malédiction à travers les arts divinatoires. Ce n'est qu'au XVIIe siècle que Blaise Pascal jette les premiers principes du calcul des probabilités. L'évolution de la donnée en information puis en savoir, et l'évolution de l'analyse descriptive en analyse diagnostique puis en modélisation prédictive offrent la capacité de mettre au jour des motifs répétitifs et des corrélations. Connaître ainsi la probabilité d'occurrence d'un événement donne au décideur le pouvoir de prendre une décision, sinon avec certitude, du moins de manière informée.

À travers l'IA, l'être humain externalise la responsabilité, mais aussi le pouvoir et le privilège de la prise de décision, vers la machine.


Au Canada

Si l'on se concentre souvent sur les États-Unis, en Amérique du Nord, le Canada n'est pas en reste lorsqu'il s'agit d'innovations et de réflexions sur l'IA dans le bâtiment.

L'Association canadienne de la construction (ACC) a créé le comité Innovations en construction Canada 7 (ICC ou InnovationsCC), dont le mandat consiste à identifier les tendances et les technologies pouvant avoir un impact sur l'industrie de la construction.

Lors de son congrès inaugural, le 3 novembre 2017 à Toronto, Mathew Kattapuram, senior vice president du groupe Aecon 8, a mis en lumière quatre mégatendances : un marché et une clientèle en évolution ; un besoin grandissant de durabilité et de résilience dans la conception et la construction ; des réalités différentes en matière de société et de marché du travail ; un contexte politique et réglementaire en transformation.

Deux principaux défis ont été relevés, notamment en ce qu'ils entretiennent une certaine résistance au changement : le haut degré de fragmentation de l'industrie ; l'habitude de fonctionner, en grande partie, selon des règles empiriques en s'en tenant au statu quo.

Des initiatives méritent l'attention.

  • La ville de Toronto développe un concept de ville intelligente (Smart City TO), d'abord concentré sur un quartier de la ville, mais appelé à être étendu. Le projet Sidewalk Toronto est financé par Google-Alphabet, qui y établira un de ses plus grands centres de recherche, Sidewalk Lab, et son siège social canadien. Cette initiative vise à allier design urbain novateur et technologies digitales les plus sophistiquées, afin de relever les défis de la gestion de l'énergie (une priorité gouvernementale), de la sécurité, du transport et du coût de l'habitat, un point de tension aigu à Toronto.
  • Le groupe Aecon, très en pointe sur les initiatives en IA, a créé un supercluster qui promeut l'IA dans les domaines de la logistique et du transport. Une initiative conjointe du gouvernement fédéral et de la province du Québec, financée à hauteur de 190 millions de dollars canadiens.
  • Indus.jpg, une société basée à Toronto et à San Francisco, se positionne résolument, quant à elle, sur le secteur de l'IA au service de l'industrie de la construction. Avec des clients prestigieux comme SNC-Lavalin, Menkes et Aecon, Indus.jpg propose une vaste gamme de produits : gestion des approvisionnements, optimisation de la performance, conformité et sécurité. Leur produit phare est une gestion visuelle du projet en réalité augmentée.
  • L'université Concordia de Montréal possède un laboratoire de recherche dirigé par le professeur Amin Hammad dont les travaux, dédiés au secteur de la construction, se concentrent sur les capteurs et l'analyse d'images pour des outils de suivi de projet et de gestion de la sécurité. Pour le professeur Hammad, une cause majeure du retard pris par l'industrie est que « les projets publics retiennent le soumissionnaire qui offre le prix le plus bas. Donc pourquoi une entreprise investirait-elle en technologie si ses concurrents ne le font pas ? Pourquoi être le premier ? ».

Malgré la présence de centres de recherche de renommée mondiale, un nombre record de start-up et des investissements massifs dans le domaine de l'intelligence artificielle, l'industrie de l'immobilier en Amérique du Nord accuse le même retard que l'on peut constater dans d'autres pays. En dehors de l'expérimentation de quelques grands acteurs, l'ensemble de l'industrie peine à entamer une révolution digitale inévitable.

D'autres industries pourtant ont déjà vu l'avènement de leurs start-up « disruptives », les fintechs et autres cleantechs.

Il y a donc fort à parier que l'industrie du bâtiment ne pourra y échapper, et que les entreprises qui prendront résolument la décision de commencer dès à présent leur virage digital seront les leaders des dix prochaines années.


http://www.constructif.fr/bibliotheque/2019-10/l-ia-dans-la-construction-en-amerique-du-nord.html?item_id=5711
© Constructif
Imprimer Envoyer par mail Réagir à l'article