Le BIM piloté par l'IA: construire des pipelines de confiance
Lors de cette conférence, Candice Hassine (juriste, directrice des opérations chez db-lab.io, spécialisée dans la gestion des données BIM avec 15 ans d’expérience) et Nabil Sadeg (directeur technique chez Nacorm, expert en IA 3D, informatique graphique haute performance et optimisation) ont partagé leur vision et leur approche pour intégrer l’IA de manière maîtrisée dans les projets BIM.
Le contexte du potentiel transformateur de l’Intelligence artificielle dans le BIM
L’Intelligence Artificielle représente une opportunité évidente pour améliorer les processus BIM. Le BIM facilite l’adoption de l’IA car il porte intrinsèquement la structuration des données et favorise la collaboration à travers des flux d’informations de plus en plus denses et imbriqués. Cette structure et cette connectivité sont précieuses pour entraîner et déployer des systèmes d’IA efficaces.
L’IA possède un fort pouvoir catalyseur c’est une technologie accélératrice, complexe multimodale et multi échelle, ce qui amène à se poser de nouvelles questions.
L’ère actuelle de l’IA est marquée par une accélération des technologies et de l’innovation. Cependant, l’IA reste une technologie complexe, multimodale et multi-échelle (Complexité, Echelle), soulevant de nouvelles questions. Ces éléments constituent le « Pouvoir Catalyseur de l’IA ». Au-delà de l’interface homme-machine, l’enjeu majeur réside dans l’impact de l’IA sur les processus cognitifs et la prise de décision humaine, et l’évolution de la Relation Homme-Machine (qui peut tendre de l’automatisation de l’homme vers une humanisation de la machine).
L’Intelligence artificielle au service du BIM
Le BIM, par son « approche objets & intégrateur de données », est un terrain propice à l’IA. Quel que soit les cas d’usage mis en œuvre, l’application de l’IA dans le BIM peut se résumer à trois grandes actions :
- La création de modèles
- L’analyse de modèles
- L’enrichissement de modèles
Pour tous les cas d’usages, des données d’entrées variées (INPUTS) sont traitées par l’IA pour générer des données de sortie (OUTPUTS).
Les données BIM : typologies, utilités, interactions
Pour que l’IA délivre de bons résultats, la qualité des données est primordiale. Dans le contexte BIM, trois typologies de données coexistent, interagissent et répondent à différentes utilités :
- Les données géométriques : répondent aux questions « Où et comment ? » : elles décrivent la forme, la taille, la position des éléments…
- Les données alphanumériques : répondent aux questions « Quoi et pourquoi ? » : elles concernent la description technique, la catégorisation, les usages, les performances etc. des éléments
- Les données de collaboration : répondent aux questions « Qui et quand ? » : elles décrivent la traçabilité, la responsabilité, l’historique des modifications…
Les enjeux de la qualité des données BIM
La qualité des données est un enjeu majeur pour l’utilisation de l’IA dans le BIM, on distingue deux typologies :
- Qualité interne des données BIM : Elle concerne la valeur des données du modèle, indépendamment de leur partage, c’est-à-dire, l’exactitude, la complétude, la traçabilité, la fraîcheur et la cohérence de ces données
- Qualité externe des données BIM : Elle concerne la capacité de ces données à être échangées, interprétées et utilisées correctement dans différents contextes ou entre parties prenantes, c’est-à-dire, l’interopérabilité, la clarté, la fiabilité, la réutilisabilité, et l’accessibilité de ces données
L’entraînement et l’utilisation de l’Intelligence Artificielle nécessite des données qualité disponible dans un volume important.
Les « capacités humaines » de l’IA
L’IA est « la capacité pour la machine de simuler l’intelligence humaine ». L’approche suggérée est d’envisager les différentes technologies IA en les reliant à 8 capacités humaines :
Voir
Les données d’entrées sont : des images, des photos, des plans, des modèles 3D, des vidéos, des environnements physiques, des scanners 3D, des LiDAR, des relevés aériens etc.
Cette IA permet par exemple : d’effectuer des contrôles qualité automatisés de reconnaitre et de classifier des objets automatiquement
Entendre & parler
Les données d’entrées sont : des voix, des fichiers audios, des enregistrements de réunions, des appels, des vidéos etc.
Cette IA permet par exemple : de documenter automatiquement des modèles BIM, de créer des assistants virtuels répondant à des questions sur le BIM
Comprendre le langage
Les données d’entrées sont : des OCR, des bases de données textuelles, des spécifications, des contrats, des rapports numérisés, des documents scannés, des conversations textuelles etc.
Cette IA permet par exemple : des vérifications automatisées de la conformité d’un modèle, du suivi, du reporting et de la résolution de problèmes
Agir
Les données d’entrées sont : des capteurs intégrés aux robots pour surveiller les environnements, des caméras et scanners pour guider des machines autonomes, des logiciels d’automatisation pour orchestrer des processus complexes etc.
Cette IA permet par exemple : des préfabrications et des assemblages automatisés, des inspections de chantiers automatisées garce é des robots ou des drones
Apprendre
Les données d’entrées sont de tous types : données de capteurs IoT, des données météorologiques, des données de performances des bâtiments, des historiques de projets BIM, des plateformes de gestion de flux etc.
Cette IA permet par exemple : l’évaluation des risques de construction, des estimations de couts de projets
Raisonner
Les données d’entrées sont : des modèles BIM intégrant calendriers et budgets, des données d’outils de gestion projet etc.
Cette IA permet par exemple : des résolutions des conflits de conception, des optimisations de l’aménagement, des supports d’aide à la décision en phase de conception
Trouver
Les données d’entrées sont : des bases de données BIM, des moteurs recherche spécifiques aux projets de construction, des systèmes de question-réponse, des archives de projets etc.
Cette IA permet par exemple : la correspondance automatisée des spécifications (recommandation de matériaux), la résolution intelligente de problèmes
L’Intelligence Artificielle & le cycle de vie du bâtiment
Le cycle de vie du bâtiment comprend plusieurs phases : la planification, la conception, la construction et l’exploitation). Chaque étape implique des prises de décisions, des validations qui génèrent et consomment des flux de données. Il est crucial d’identifier précisément l’activité métier à optimiser et la décision que l’IA doit supporter pour chaque étape.
Cas d’usage 1 : Architecture IA pour la détection automatisée de malfaçons
Nabil Sadeg présente l’architecture IA mise en place pour la détection de malfaçons. Elle combine plusieurs Inputs :
- Des données BIM existantes (CAO, 3D)
- Des enregistrements (Meetings, instructions),
- Des bases de données réglementaires (Règles sécurité)
- Des données de capteurs IoT (Température, humidité)
- Des outils BIM (Revit, ACC)
- Des scans laser ou drones (Scans de site).
Ces inputs alimentent différents modules d’IA : Speech-to-Text (Transcription réunions), RAG (Interrogation bases de données), NLP (Extraction d’informations), Machine Learning (Détection de patterns), Computer Vision (Détection défauts, cartographie 3D). Le cœur de l’architecture est le module de Reasoning (Détection conflits, prise de décisions) qui pilote l’Automation (Création/màj plannings).
Les Outputs produits sont : des tableaux de bord (Suivi avancement temps réel), des rapports (Conformité, résumés) et des notifications (Alertes sécurité). Ces outputs sont destinés aux utilisateurs finaux c’est-à-dire les Project Managers, les clients, les architectes, les ingénieurs, les entrepreneurs et les travailleurs de terrain.
Cas d’usage 2 : Mise à jour du BIM par l’IA pour la synchronisation du Jumeau Numérique
Nabil Sadeg présente ensuite l’architecture IA mise en place pour la mise à jour du BIM par l’IA pour la synchronisation du Jumeau Numérique. Les inputs sont :
- Des données textuelles et vocales (Rapports, journaux, notes)
- Des scans laser et nuages de points (Géométrie du monde réel)
- Des Capteurs IoT (Charge structurelle, données environnementales)
Ces données sont traitées par différents modules d’IA : Speech To Text & NLP (Extraction infos journaux), Computer Vision (Traitement scans 3D), Machine Learning (Reconnaissance motifs, màj prédictions), Reasoning AI (Vérification cohérence), Retrieval-Augmented Generation (Amélioration métadonnées BIM).
Au centre de l’architecture se trouve la Maquette BIM sur laquelle sont appliquées les mises à jour issues du monde réel et traitées par l’IA pour la maintenir à jour.
Conclusion
Selon Candice Hassine et Nabil Sadeg deux aspects fondamentaux sont à considérer pour une adoption réussie et éthique de l’IA :
- L’aspect Business :
Il est essentiel de comprendre avant d’automatiser. Il faut analyser la cause racine (Root Cause), l’utilité des données (la bonne donnée pour la bonne décision), le contexte et la connaissance métier.
- L’aspect Juridique :
Le cadre juridique évolue et soulève des questions allant de la prédiction permise par l’IA à la responsabilité. Il faut considérer :
- La criticité, les risques et les biais des systèmes d’IA
- La transparence des systèmes
- L’interprétabilité et l’explicabilité (la capacité à comprendre et à expliquer les décisions de l’IA)
- La vitesse d’adaptation des cadres juridiques et des pratiques face à la rapidité des évolutions technologiques
EXPLORER PLUS DE CONTENUS
Notre salon est le lieu des rendez-vous des passionnés et des experts qui transforment l’industrie de la construction