Vous avez déjà entendu parler de l’Intelligence Artificielle dans le secteur du bâtiment mais vous ne savez pas exactement quelles sont ses applications ?
Algorithmes qui proposent des designs, caméras qui détectent des situations dangereuses, technologies qui détectent des anomalies… À mesure que le secteur du bâtiment opère sa transformation digitale, l’IA trouve sa place tout au long du cycle de vie du bâti : en conception, construction, exploitation et démantèlement.
Regardez ce webinaire pour comprendre ce domaine en plein essor et découvrez comment l’IA va changer le secteur du bâtiment. Animé par Raphaël LECLERCQ.
Bonjour à tous et bien écoutez je vous souhaite la la bienvenue sur ce nouveau webinaire organisé par le le département formation du moniteur donc bah les formations du moniteur ce sont plus de 5000 stagiaires formé chaque année euh 300 j’ai mis 250 mais c’est maintenant 300 programmes disponibles et plus de
1000 sessions de de formtion qui sont planifiées chaque année en présentiel ou à distance sur des formats classe virtuelle e-learning ou encore blended learning donc nous avons une large gamme de de formations sur divers thématiques et je vous indique je vous invite notamment à noter les nouvelles thématiques de 2024 la thématique soft
Skill une rubrique qui est dédiée à l’acquisition des compétences interpersonnelles et comportementales dans le secteur du BT et puis euh la rubrique numérique et intelligence artificielle rubrique qui va nous intéresser ce matin euh pour développer maîtriser les projets de bâtiments et villes intelligentes optimiser l’Analyse de Cycle de Vie intégrer l’intelligence artificielle
Dans la gestion de vos bâtiments donc nous avons déjà 11 euh formations présentes dans cette rubrique je vous en présente deux à l’écran euh liés au sujets que nous allons aborder ce matin euh donc intégré lia à chaque phase du cycle de vie des bâtiments et puis l’intelligence artificielle dans le
Génie civil nous sommes donc ce matin en compagnie de Raphaël Leclerc donc qui est directeur de la data au sein de la sookotek donc la sookotque est une société leader de la durabilité du bâtiment et qui propose à ses clients et à ses partenaires des missions tout au
Long du cycle de vie du bâti afin d’en assurer à la fois la conformité de prolonger leur durée de vie et puis bah d’améliorer leur performan technique énergétique et environnementale c’est donc Raphaël qui va nous conduire dans les interrogations aujourd’hui autour de liya et de sa
Place tout au long du cycle de vie du bâtis je lui laisse la parole n’hésitez pas tout au long du webinaire à poser vos questions via le petit module point d’interrogation que vous devez avoir à l’écran et je les lui relirai en fin d’intervention je vais lui donner la
Main sur la présentation afin qu’il puisse partager son support bon webinaire à tous et à tout à l’heure pour les questions à vous Raphaël merci merci pour l’introduction euh alors est-ce qu’on voit le bon écran c’est ça la question alors non on voit votre bureau pour le moment et pas le
Powerpoint voilà on va passer sur un mode uniquement un écran seraon ou plus simple et on est parti et c’est parti si vous pouvez vous mettre si ça veut bien ça devrait arriver donc je donc aujourd’hui on va parler de d’ et de bâtiment volement je vais laisser un peu
Plus de temps pour l’échange le temps justement que mon mon arrive à la fin de la présentation qui va durer à peu près 35 minutes ce qui nous laissera un petit peu de temps pour répondre à vos questions euh sur sur des des idées de cas d’usage des cas d’usage et des
Pratiques autour de lien euh qui peuvent être de de sur les outils que vous connaissez aujourd’hui bien j’espère comme les les outils de chat GPT Bing C pilot et consort et puis aussi sur d’autres cas d’usages qui pourraent être des cas d’usages qu’on appelle analytique on va définir tout ça ensemble
Euh un mot just sur sookotek dire que c’est aujourd’hui donc la sookotek hein d’ailleurs c’est une entreprise donc de tiers de confiance on travaille vraiment sur du conseil technique et puis de la gestion de risque 13000 collaborateurs cette année 1 mliard trois chi d’affaires 200000 clients et cinq
Thématiques fortes et la ceè et c’est pour ça que j’interviens sur cette thématique est une entreprise qui est évidemment connue son origine est là sur le secteur du du bâtiment d’où d’où le fait qu’on travaille de plus en plus sur sur les sujets di dans cette thématique ça c’est par ce que je
Voulais faire pardon euh bon juste pour moi j’ai j’ai deux casquettes une casquette bien sûr chez chez sootec o je directeur la data ilen et puis une quiê professeur nia à l’école numal supérieur Paris saclé en génie civile au département génie civile où où j’enseigne cette cette thématique alors au programme qu’est-ce
Qu’on va voir aujourd’hui déjà on va parler d’une définition parce que évidemment lien vous en entendez beaucoup parler que soit à travers le prisme médiatique même dans le monde de l’entreprise aussi on on voit beaucoup de de sujets émerger même au niveau des CODIR et donc définissons un petit peu
Le sujet qu’est-ce qu’on met derrière ensuite on parlera un petit peu de un petit quelques éléments de contexte sur voilà quels sont les approches et les enjeux de l pour le secteur d’activité du BTP ensuite on rentrera dans une phase de cas d’usage en fait on regardera l’IA sur l’ensemble du cycle
De vie des bâtiments et puis on conclurera sur quels sont finalement qu’est-ce qui nous attend demain quels sont les défis à relever ensemble dans la filière pour que l’AS se déploie plus massivement alors commençons tout de suite par une petite définition l’ faut savoir que c’est un domaine scientifique c’est un une
Discipline scientifique au même titre que la physique qui est une discipline scientifique aujourd’hui c’est une discipline certes jeune euh le termia est paru à la conférence de dansmous en en en 56 1956 donc ça à peu près l’âge de ce côtèque autour de de de 70 ans euh
Donc c’est une discipline assez jeune mais c’est une discipline qui évolue extrêmement vite euh et je pense qu’on enfin on le voit et les progrès qu’on qu’on a pu faire ces dernières années en témoigne h comme toute discipline scientifique c’est assez difficile de donner une définition à cette discipline
Alors la définition qui est euh finalement euh qui fait un peu consensus c’est une définition qui est un peu générique et qui dit que l’ a c’est la capacité des machines à résoudre des tâches qu’on associé à l’intelligence humaine donc quand on a dit ça en général on n pas dit grand-chose euh
Mais euh tous les mots sont importants c’est-à-dire qu’on parle de tâches uniquement euh donc c’est vraiment des choses qui sont un peu contextualisées et puis on on on parle de d’intelligence humaine donc notre étalon finalement ici sera sera l’humain euh dans ce domaine donc c’est un c’est c’est le domaine
Finalement qu’on entend plus qu’on parle souvent d’IA il y a des sous-domaines le domaine qui est aujourd’hui le courant majoritaire extrêmement majoritaire il y en a d’autres d’ailleurs c’est le ce qu’on appelle le machine learning en bon français donc c’est l’apprentissage et cette apprentissage automatique se définit finalement comme
La capacité de d’un algorithme à déduire à partir de l’expérience donc l’expérience ça voudra dire on le verra après les données euh et les résultats des données au lieu d’une approche de programmation explicite donc qu’est-ce que ça veut dire programmation explicite c’est ce qu’on pouvez faire parfois
Avant c’est si j’ai une surface de bâtiment supérieure à 500 m² et que j’ai un bâtiment qui date de 1950 alors il faut que je fasse une maintenance tous les 5 ans de tel et tel équipement donc c’est vraiment explicitement programmé par l’humain donc les seuils en particulier machine learning va nous
Permettre d’aller un peu au-delà de ça dans ce domaine du machine learning on a un S encore un sous-domaine donc c’est vraiment un fonctionnement poupérus hein c’est le Deep learning ça on en attendait beaucoup parler dansné 2010 et sur une réalité aujourd’hui bien sûr c’est apparu dans les années 2010 avec
Les capacités de calcul en gros c’est du machine learning avec si je simplifie bien sûr une approche par réseau de neurone avec des grands modèles donc là on était dans une logique de d’avoir le plus de paramètres possibles et je rajouterai un point ici donc sera un
Tout petit point ici dans le Deep learning il y a un dernier domaine qui s’appelle li générative et c’est probablement le domaine qui bah que vous avez c’est par ce prisme là que vous avez entendu parler de l probablement c’est pas toujours le cas pour tout le
Monde mais en tout cas pour le grand public c’est celui-là c’est derrière ça ça va être chat GPT ça va être d ça va être m journée ça va être ces ces algorithmes là qui sont finalement un sous-ensemble du Deep learning voilà pour le le contexte alors si on va un
Peu plus loin comment ça fonctionne de manière très schématique l’idée c’est pas de vous faire un cours avec une approche algorithmique et mathématique c’est vraiment juste d’initier au concept euh alors ça je vais je vais y arriver déplacer ce sera peut-être plus visible voilà pardon donc dans le dans
Le machine learning c’est vraiment la capacité d’avoir des approche statistique donc c’est vraiment le fondement ça reste les mathématiques derrière ces modèles donc ce n’est que des mathématiques Infiné euh pour donner la capacité un un ordinateur à à prendre à partir des données concrètement comment ça marche donc en fait on va
Avoir des modèles qu’on va appeler des modèles générique qui qui vont être accessibles soit via des librairies publique souvent c’est un domaine qui est très Open Source donc on a en France par exemple construit une des librairies qui est le plus utilisé dans le monde qui s’appelle skate learn ici par
Plateau de saclé donc ça va être des familles de modèles et chacun des modèles est associé avec des jeux de paramètres des paramètres qui peutv être plus ou moins compliqué donc ça va vous imaginez une grande fonction mathématique avec un grand nombre so un petit nombre de paramètres comme la
Fonction la droite linéaire classique AX + B donc où on aurait A et B comme paramètrre jusqu’à des des des centaines de milliards de paramètres dans les auquels on peut arriver aujourd’hui avec les grands modèles diagénératif euh donc ça c’est sont pour la partie mode générique donc c’est un modèle
Générique vous imaginez une fonction mathématique et en fonction des classes de problèmes je vais avoir différents modèles que je vais utiliser de l’autre côté j’ai besoin absolument d’avoir des données ces données vont vraiment être la nécessaire pour ce qu’on appelle la phase d’apprentissage que vous voyez au
Milieu où l’enjeu ça va t de trouver à partir de mes données quels sont les meilleurs jeux de paramètres euh donc euh en l’occurrence A et B dans un cas très simple ou euh ou euh des fonctions plus compliquées donc quels sont mes mes bons jeux de paramètres dans mon euh
Contexte et donc pour le problème que je vise à résoudre donc c’est vraiment le couple modèle générique et donné qui nous permet euh de euh d’apprendre dans à reproduire une tâche donc ça c’est la première phase c’est la phase qu’on appelle d’apprentissage et ensuite on a
Une deuxième phase qui est la phase de prédiction donc là je lui donne des données on va dire plutôt historiques et là sur la phase de prédiction je vais avoir finalement une nouvelle donnée qui va arriver et je vais essayer d’utiliser ma fonction mathématique qui était qui a
Été apprise donc avec les paramètres qui ont été apprises par rapport à ma phase d’apprentissage pour essayer de prédire du coup sur ces nouvelles données ça fondamentalement le fonctionnement du machine learning un exemple pour l’illustrer très simple et puis après onérou admettons j’ai envie d’apprendre à une machine à parler c’est un exemple
On l’a tous les jours avec Siri et euh donc ça c’est mon problème la solution j’ai l’approche traditionnel don qu’on faisait avant l’approche machine learning ou intelligence artificielle c’était laquelle c’était ben je vais définir toutes les règles de gramire possibles imaginable euh donc avec toutes les règles chapeau comment ça
S’écrit avec un X et cetera je vais lui donner un grand corpus de vocabulaire et C là on va être plutôt dans un cadre de programmation explicite c’est dès qu’il va voir que on ne respecte pas les règles qui été explicit ement programmé on va mettre une une une une erreur dans
Le cas du machine learning je vais essayer de mettre ça sur côté voilà je pense c’est plus simple dans le cas du machine learning je vais avoir ben je vais définir mon modèle mon modèle générique qui peut être plutôt compliqué he pour le pour le langage pour
Apprendre à parler en tout cas et je vais lui donner un grand nombre d’exemples je vais lui donner des textes de Molière des texes de Shakespeare et cetera et et je vais entraîner les paramètres de sorte à avoir cette capacité de de de parler voilà donc c’est finalement c’est ça la différence
Fondamentage c’est qu’on a un modèle mathématique un jeu de données très complet pour pouvoir avoir cette phase d’apprentissage puis après cette phase de de prédiction qui nous intéresse voilà pour le cadre de définition la terminologie sur sur liia quelques éléments de contexte relatif maintenant relatif maintenant à notre secteur d’activité le
BTP alors le secteur du bâtiment quelles sont ces caractéristiques on va dire sous un prisme Dien euh ce qui m’intéresse en particulier c’est c’est de regarder le le chiffre de gauche donc c’est une étude de mainesé qui peut être critiable he bien sûr euh sur la méthodologie en tout cas mais bon
Je pense que d’autres études corabor ça c’est la productivité du du BTP il faut savoir que contrairement c’est le seul secteur d’activité quasiment qui a vu sa productivité stagner depuis les années plus après guerre dans les pays occidentaux là c’est c’est au USA en particulier euh avec avec même une
Diminution depuis les années 70 de la productivité donc ça c’est c’est quand on compare à d’autres secteurs d’activité comme la logistique l’industrie et cetera on voit vraiment des des différences fondamentales ça s’explique par plusieurs plusieurs vagues technologiques et et de process c’est que ces secteurs ont plus
Bénéficié par exemple des phases de de robotisation d’automatisation puis certains ont embrassé aussi les les les la première vague d’ A avec le Deep learning également qui a permet d’obtenir des des gains de productivité donc ça c’est le premier élément de contexte c’est qu’on a un secteur aujourd’hui qui a une productivité qui
Stagne et en plus cette année particulièrement qui est quand même exposé à des sujets de à des sujets dans une crise sur le le monde du CAPEX le monde de l’investissement avec avec les taux d’intérêt et puis les coûts de matériaux d’un de l’autre côté donc c’est c’est évidemment un un appel à
L’innovation à transformer nos pratiques pour faire en sorte de de faire mieux avec moins c’est c’est fondamentalement l’enjeu le deuxième point singulier enfin important en tout cas c’est que c’est un des poids lourds de notre économie à l’échelle mondiale euh c’est 7 % du PIB donc c’est colossal euh et
C’est souvent le pou d’une économie qui va bien le BTP hein c’est c’est souvent aussi euh le cou d’une économie qui va bien donc c’est un secteur stratégique pour les pour les états puisque finalement euh faire faire ville c’est faire société donc c’est vraiment un enjeu pour pour tous et dans le dernier
Un dernier point c’est un secteur qui est vraiment au cœur et je trouve aussi intéressant plutôt à titre personnel c’est un secteur qui est au cœur des des enjeux de ce siècle des enjeux sociétaux et des enjeux environnementaux avec bon là j’ai cité l’accidentologie au travail donc c’est c’est plus risqué
D’être ouvrier sur un chantier que d’être policier en France on a 56 pour 1000 accidents de travail donc c’est vraiment un sujet sur lequel le secteur doit travailler également ETA pourra pourra probablement participer à ça et également on les chiffres aujourd’hui sur sur l’impact l’impact carbone du secteur sont aussi très important sur
ProScope 1 et 2 ça peut être jusque 35 40 % des émissions de gaz effet de ser ce qui est ça donc des enjeux qui sont fondamentalement importants et un appel finalement à l’innovation par par les sujets de productivité et et les enjeux qui concernent ce secteur dans le même
Temps si on regarde le secteur du BTP une des difficultés et ça je prends je prends le prisme de de liia maintenant c’est c’est un secteur qui est extrêmement polymorphique et extrêmement éclaté avec des responsabilités qui sont éclaté le long de la chaîne de valeur avec ici bah typiquement la planification les gens
Qui font la construction design et cetera et puis l’exploitation derrière euh et quand moi je vois des blocs plein comme ça je vois des silos de base de données donc je vois des données qui ont du mal à communiquer on en parlera mais le beam permet en particulier d’essayer
D’adresser ce sujet de manière pas toujours complète mais en tout cas céit un des enjeux stratégiques du B pour une partie des données en tout cas donc voilà c’est un un des enjeux finalement c’est cette cette cette décomposition ce silotage de la chaîne de valeur entraîne
Un silotage en général de euh de la de la donnée et donc quand on revient à ce qu’on disait la donnée qui était des ingrédients fondamental c’est évidemment un un sujet ensuite on va avoir le deuxième point qui est important c’est que c’est un secteur qui est qui a qui
Intègre beaucoup de TPE PME avec des tailles d’entreprises très différentes donc il y a des grands majors les i et dans le même temps on a des TP des PME avec un nombre très très important d’entreprise en France et un nombre très important de salariés donc ça c’est
Aussi un élément important cette taille d’entreprise fait aussi que ça engendre une ult supplémentaires sur l’innovation puisque l’innovation doit être beaucoup plus diffusée dans dans dans l’écosystème et c’est forcément des sujets de temps long premièrement et aussi c’est ces tailles ces différentes tailles d’entreprisees font que forcément des investissements que peut consortir
Vinc le petit artisan pourra pas le faire donc évidemment ces sujets aussi sont importants et le dernier point sur les salariés évidemment c’est un sujet majeur puisque c’est un sujet qui concerne beaucoup de personnes et quand on parle d’IA on parle c’est un sujet bien sûr technologique mais c’est aussi
Un sujet comme toute technologie d’adoption et plus vous avez un un un nombre de de personnes à former qui est important plus forcément ça prend du temps voilà tout ça c’est pour moi des facteurs explicatifs aussi potentiellement du retard finalement que peut avoir l’industrie vis-à-vis d’autres d’autres d’autres secteurs
D’activité pour autant on fait pas le secteur fait pas rien deux chiffres pour montrer que le secteur se positionne de plus en plus sur les sujets digitaux déjà euh il y a de plus en plus de start-up donc alors est c’est un indicateur comme un autre mais il y a
Plus de de startup dans la construct la proptech donc là ici c’est ce que ce que ce que témoigne le cet indicateur avec des investissements plus importants et dans le même temps ça c’est quelque chose aussi qu’on peut voir il y a quand même des investissements qui sont qui
Ont été consentis c’est vrai que c’est plutôt vrai sur les ETI les grands groupes mais dans dans la refond des systèmes d’information qui dit système d’information dit capacité à générer de la donnée et donc souvent quand on refond un système d’exploitation donc on essaie de gérer
Aussi la donnée pour faire en sorte de pouvoir l’exploiter par la suite ce qui est ce qui est aussi essentiel et donc voilà quand on a des investissements sur la partie on va dire applicatif applicative et système d’information en aval on aura des des données à exploter
Je l’espère propre et donc plus de potentiel sur le sur le développement li dans lia alors lia dans le BTP donc c’est un secteur plutôt plutôt enfin c’est un sujet plutôt émergent et pour autant émergent quand on parle évidemment de sujet technologique il faut regarder du côté d’abord académique
A ça part en général de là puis après ça se déverse progressivement dans l’industrie si on regarde juste les publications scientifiques avant chat GPT alors j’ai pas les chiffres j’ai pas réactualisé les chiffres après euh mais je vais y arriver à décaler voilà je vais le mettre là je serai tranquille
Euh avant chat GPT parce que là je pense qu’il aurit encore une augmentation significative déjà avant ch GPT on avait une augmentation de à peu près x 7 des publications scientifique donc ça veut dire que dans les écosystèmes de recherche c’est un sujet qui est important donc ce qui veut dire que ça
Va progressivement ça c’est le premier point le deuxième point c’est qu’il y a de plus en plus de de de réflexions qui peuvent être conduites à différents différents niveaux donc VC à à Léonard sur lequel ils ont des programmes de de di ils accompagnent des en incubateur ils accompagnent des des profils
Internes ou externes d’ailleurs sur ces sujets big travau public a le TP laab où il travaille sur les sujets d’A nous on a un Data avec O on se positionne sur ces sujets et puis ça c’est c’est sur les acteurs et puis on a aussi ce qui est
Intéressant aussi c’est qu’il y a des nouveaux entrants qui arrivent sur le marché avec eux cette capacité à à du coup intégré directement lia dans leur process dans le process opérationnel donc c’est le cas de la compagnie de Google dele de notre notre ami Elon Musk the Boing
Company qui qui vise à révolutionner entre guillemets en tout cas transformer la pratique sur les sur les tunneliers et puis également al ÉtatsUnis caterra alors qui connait des haut débats mais qui était intéressant parce qu’il avait cette volonté dement de travailler quasiment sur l’ensemble de la chaîne de
Valeur donc être un acteur plus intégré avec une pseudo personnalisation qui était permise par lia pour pour basculer davantage sur un monde semi-industriel et enfin un dernier point quand on parle d’IA alors liya n’est pas le beim je peux avoir cette réflexion même en interne ça peut
Arriver hein lya vraiment et les B sont des sujets différents mais pour autant il sont des sujets très complémentaires du point de vue lia qu’est-ce que c’est le BIM le beim c’est une source de données pour liia c’est une source de données qui qui évidemment intéressante
Parce que elle est plutôt donc il y a des processus de d’interopérabilité à travers les standards comme le standard IFC euh ce qui permet de de d’échanger plus facilement la donnée entre les différents les différents acteurs de la chaîne de valeurs donc ce qui est un point important c’est aussi un processus
Collaboratif euh et et et et finalement c’est un procus infini au sens de le BIM c’est plutôt un un VO c’est plutôt un processus que livrable c’est c’est vraiment comment je vais pouvoir nourrir cette maquette tout au long du processus de tout au long de
La la vie de mon ouvrage donc c’est en ça que c’est c’est aussi intéressant ça permettre collecter la donnée finalement en temps réel et puis on voit voilà c’est c’est quelque chose progressivement ça arrive alors les chiffres sont issusun sondage en terme d’utilisation c’est pas le nombre de le pourcentage de projets qui
Sont fait en BIM on le saurait c’est bien moins que ça mais en tout cas voilà on VO de plus en plus entreprise qui utilisent le BIM euh à différents niveaux hein ça peut être simplement voilà de pousser un petit peu de données dedans ou alors de concrètement de de définir et
D’animer les les Maquet dernier point qui est extrêmement important puis que quand on parle de D on parle évidemment de données et et là on peut faire un petit cocorico en France le France avait plutôt un retard sur le sujet de ce qu’on appelle l’Open Data c’està dire la mise à disposition
Des données en ouvertes euh retard qu’elle a euh le gouvernement et puis le et puis les les instances sétatiques ont assez vite comblé puis que cette année la France a été a été classée 2è pays mondial en terme d’Open Data ça sé traduit par exemple par cette année en
1er janvier 2024 Mo France pour la première fois a mis en accès ces prévisions météorologiques donc qui est évidemment un sujet pour le BTP he par exemple les sujets les sujets météo sont toujours importants chez nous donc voilà donc ça c’est un premier point donc on a
On est dans un dans un pays aujourd’hui qui qui Prom l’Open Data et qui une bonne chose pour pour nous et pour pour le développement ton li a avec différentes thématiques qui peuvent nous intéresser donc dans l’OP data vous pouvez trouver des informations sur l’urbanisme sur les bâtiments le CSTB
Fait en sens un travail important par exemple sur la base nationale des bâtiments euh sur les sujets de l’eau aussi qui peuvent être importantes enfin qui sont des sujets importants pour pour notamment les sujets géotechniques en particulier hein je pense euh les sujets environnementaux bien sûr avec les
Sujets qualité d’air qualité d’eau qui sont qui sont aussi importants pour pour pour nous et puis les sujets météo de de géoscien au sens aussi qualité qualité des sols et les sujets de biodiversité on a un certain nombre de données aussi qui sont mis en accé donc toutes ces données fin sont
Accessibles exploitabl pas toujours parfait c’est c’est c’est normal ça nécessite souvent des des petites des petit traitement des nettoyages mais en tout cas on mérit d’exister et ce qui est déjà une quelque chose de très intéressant donc ça aussi c’est un point important c’est que quand on considère
Le sujet de des des des données pour lien faut pas juste regarder les données de l’entreprise faut aussi s’ouvrir sur les écosystèm donc les données que peut avoir mon mon partenaire mon fournisseur mais ça peut être aussi les données qui sont disponibles dans l’open data voilà
Donc ça c’est pour le le contexte euh rentrons maintenant un petit peu plus sur bah des exemples de cas d’usage donc évidemment dans le cadre de cette intervention webinaire rentre pas trop dans le détail euh ça va être un petit peu différent sur les formations qui sont plus long
Soit C du moniteur ou que je peux animer par ailleurs on aura on a évidemment un peu plus le temps de rentrer dans les détails même de pratiquer un petit peu plus l là ce sera un petit peu portfolio de cas d’usage pour donner des idées de
Ce qui est possible et et de vous témoigner finalement de de quelques exemples d’utilisation de lien à différents niveaux du cycle de vie donc quand on parle de cycle de vie du bâtiment alors ça peut se redécomposer il y a plusieurs phasages mais si on si on schématise un petit peu
Volontairement donc on a les phases de conception construction exploitation valorisation euh les quatre grandes phases sont importantes bien sûr d’autant plus quand on passe d’un monde de CAPEX à un monde d’pex où le le l’investissement on va dire sur le neuf est plus est plus compliqué que de dire
La la revalorisation patrimoine plutô existant et donc ça c’est c’est évidemment important de de aussi de conscientiser cette bascule en ce moment en tout cas sur C sur ces sujets sur d’un point de vue conception quells sont les les les grandes typologies qui a d’usage qu’on peut retenir il y en a
Plein il y en a plein d’autres bien sûr on va voir les tout ce qui va être autour du concept design ça créer des enveloppes de bâtiment je juste désactiver mes notification peut-être donc construire des enveloppes de bâtiments je vais avoir aussi des sujets de ce qu’on appel générative
Design qui va être la capacité à à proposer des on va dire des brouillons de conceptionon ce qu’on peut de plus en plus faire avec les modèles ensuite il va y avoir les famille qu’on va appeler les méta modèles je donnerai un exemple pour l’expliquer qui vont être par
Exemple hein pour pour ceux qui travaillent dans des bureaux d’études euh ça va être la capacité à remplacer un un modèle aux éléments finis ou aux différences finies par exemple euh par un modèle VI dans un contexte très particulier bien sûr euh donc ça c’est
Pour la phase de conception il y en a il y en a bien sûr bien d’autres he c’est pour donner quelques quelques illustrations sur la phase de construction évidemment il va y avoir tous les sujet qu’on peut retrouver dans le secteur plutôt industriel autour de l’optimisation des des processes euh par
Exemple Supply Chain il y a beaucoup de sujets autour de la Supply Chain il y également des sujets liés à la sécurité qui est pour moi un sujet intéressant pour pour le secteur sécurité des travailleurs au sens de détection de situation hein on verra après euh des sujets de pendant la phase de
Construction m’assurer que mes mes phases chantiers sont conformes à ce que j’attendais en phase conception donc ce qu’on appelle le le model updating donc faire en sorte que une donnée par exemple mesurée par un capteur pendant la on a la phase de de construction euh est conforme avec ce qu’ ce que
J’attendais sur sur mon sur sur ma ma théorie donc avec tout le cadre d’hypothèse qui est associé à à C à ces modèles et puis détection aussi d’anomalies ça peut être des anomalies euh bah de de chantier de situation à risque ou potentiellement j’ai un risque d’effondrement dans un dans une certaine
Phase de dans un certain phasage chantier ou ça peut être des anomalies plus au sens de détection de de conflit de planning ou ce genre de chose ça c générique en en en phase exploitation il cette phase assez je fais un petit focus cette phase est particulièrement intéressante pourquoi parce qu’elle est
Plus longue dans le temps et on travailille quand on a travaille sur un objet comme un bâtiment on travaille dans le temps long fondamentalement ou c’est la même chose sur sur les ouvrages d’art toutes nos infrastructures et donc fondamentalement on va naturellement collecter plus de données
Euh et des données qui seront dans un cadre qui vont être plus qui va être plus reproductif donc la notion de cinétique sera beaucoup plus importante dans le cadre d’exploitation qu’elle peut l’ dans une phase de construction où ça peut êre un petit peu plus court euh en phase d’exploitation on peut
Avoir tous les sujets autour de l’inspection augmentée c’està-dire de d’aller relever des défauts les les les structurer les archiver et d’assister à cet acte de relever et puis de faire potentiellement des préanalyses est-ce que c’est grave euh par exemple une fissure dans dans une dans un une
Habitation est-ce que c’est grave ou pas c’est qu’on se pose souvent les questions alors qu’il y en a qui sont parfaitement normal euh et puis des sujets autour de bien sûr la consommation énergétique qui un sujet qui qui qui est évidemment important et fondamental pour le secteur et puis ça
Va être aussi tous les sujets de maintenance comment j’optimise ma maintenance euh mes plan de renouvellement d’équipement et de manière globale ma maintenance donc elle peut être conditionnelle elle peut être prédictive a différents niveaux j’avis d’ailleurs animé des des webinaires sur cette thématique de maintenance et quelles sont les différences entre les
Différentses typologies de maintenance qui peuvent exister conditionnel prédictif prescriptif et en avale de tout ça bah c’est tous les sujets de revalorisation donc ça peut être les dépollution de site quand tu un site transformer une friche industrielle en en logement d’habitation donc comment j’optimise la dépollution de mon site
Comment je travaille aussi sur la gestion des déchets pour pour identifier quel est la typologie de déchets puis essayer de d’essayer de le réemployer voà il y a aussi des choses qui peuvent être fait en sens avec avec Li donc un panel assez large et puis je vais donner
Des exemples un peu plus concrets donc des focus qu’on appelle un cas d’usage qui est en général la brique élémentaire de travail en ya c’est le cas d’usage c’est une utilisation donc c’est une tâche si je reviens à la définition qu’on avait donné précédemment exemple euh pour on va dire les
Promoteurs immobiliers donc j’ai essayé de dresser un portfolio dans différents pour différents métiers il y en a un que vous connaissez tous c’est la et c’est un des modèles di analytique assez classique maintenant he c’est typiquement la prédiction de de la valeur du bien sur un certain nombre de
Critères donc ça c’est fondamentalement des modèles di qui tournent derrière euh donc ça en vente en location à tel point qu’ a une startup qui s’appelle open dooror on lui rentre c’est un certain nombre de paramètres on prend des photos et puis on peut le vendre le bien en
Moins de 5 minutes donc c’est vraiment poussé à l’extrême cette logique euh de et de se dire la confiance aussci qu’ peut avoir dans leur dans leur modèle h un autre cas d’usage aussi qui est intéressant pour les pour les promoteurs ça va être ce qu’on appelle les dents
Creuses je pense ça parlera la filière donc j’ai pas forcément besoin d’ l’expliciter mais c’est ce qu’on voit typiquement sur la photo donc j’ai deux R+ 5 ou R+ 3 R+ R+ 5 euh qui sont qui sont avoisinant et j’ai j’ai un pavillon entre les deux ah c’est une opportunité
De pouvoir densifier la ville puis que ce sera probablement possible au PLU donc c’est cette identification semiautomatique de de d creuse peut se faire sur des images satellites par exemple donc ça c’est évidemment intéressant pour identifier des opportunités alors pour les architectes il y a beaucoup de plusieurs
Niveau dans la vie d’architecture mais je sais qu’il y a des certains grand cabinets d’architecture qui qui utiliseent ça pour pour faire la phase d’idéation on va dire donc il y a des des algos comme d midjourné j’ai fait le même webinaire il
A y a on dire un an et demi donc c’était beaucoup moins connu he ces algo à l’époque maintenant je pense que vous les connaissez donc le fonctionnement est assez simple c’est on on parle naturel ce qu’on appelle un Prom plein de techniques d’optimisation ça on en
Parle un peu plus dans dans les formations et puis on et en sortie de ça on va on va générer un bah des images qui pe qui peuvent qui peuvent donner on va dire des des idées après pour pour après affiner la conception de du bâtiment l’ouvrage VO donc ça c’est c’est
Intéressant il y a beaucoup de techniques pour améliorer ça donc ce qu’on appelle le Pr pompeusement le Prom engineering où il y a un certain nombre d’ingrédients finalement qui sont intéressants pour obtenir des bonnes images des qualités d’images intéressantes pour pouvoir aès présenter ça et puis après une fois que j’en ai
Obtenu une pour ceux qui ont peut-être testé ça si je rejoue le même prank il y a des chances que j’ai une quelque chose de différents puis que les modèles qu’on utilise à travers ça sont des modèles di génératif donc ce qu’on est ce qu’ des modèles qui qu’on appelle stocastique
Donc c’estàdire qu’il vont pas pour un même une même entrée pas forcément me sortir la même sortie et et donc il y a des techniques aussi pour après une fois que j’ai quel une première version qui m’intéresse comment je la conserve et je vais faire des variations assez fines
Autour d’elle par exemple si j’avais cette version là et que je voudrais rajouter peut-être des ouvertures dans des des fenêtres dans un endroit très spécifique ben je pourrais je pourrais le faire sans avir voir totalement perdu perdu le fil pour ceux qui ont testé je pense qu’ils savent de quoi je parle un
Autre exemple alors ça je me suis Amise à le tester donc c’est que ils sont capables de prendre des éléments ces modèles sont sont multimodo c’està-dire qu’en entrée ils prennent bien sûr des promts donc des des du texte et ils peuvent prendre aussi des images euh
Donc là je lui donne à la fois une image et puis une description de ce que je veux alors elle est pas très bonne he cette description je lu dis juste que je veux une villa style espagnol avec des toits des en pente et donc là il va me proposer
Euh assez vite en quelques secondes des propositions qui seront protextualisé sur mon image d’implantation de de de l’habitation ça peut être intéressant en première en première approche he sagit pas forcé évidemment derrière ça et fondamentalement j’insiste toujours là-dessus à ce stade en tout cas faut pas percevoir ces outils comme quelque
Chose qui seaécla en main à la fin il y a toujours le travail de l’architecte déjà en amont pour dééfinir le besoin et de de signaler le prank bien sûr c’est c’est c’est important comprendre le besoin de client et le transposer dans un PR c’est évidemment déjà un métier en
Soi et puis le deuxième ça va être ça ce sont manque des brouillons en général et donc après ça se raffine parce que on voit que c’est pas totalement parfait ça respectera pas les règles d’urbanisme plein d’éléments qui sont évidemment problématiques donc ça c’est ce qu’on ce
Que je qualifierai de concept design un autre exemple que je trouvais intéressant et qui qui est assez ancien finalement enfin fondamentalement assez ancien d’un point de vue technologique qui n’est pas sur les modèles typé mjournée Ali c’est ce que a pu faire la filiale de Google sidew CLAB donc il
Faut savoir qu’il avaient travaillé à l’origine sur un avit fait grand bruit à l’époque sur un quartier à Toronto un quartier qui aurait été uniquement généré par par par leuria ça ne s’est pas fait pas fondamentalement pour des raisons technologiques mais plutôt pour des raisons d’adoption des raisons citoyennes qui
Sont potentiellement tout à fait légitimes euh parce que voilà la démarche était d’aller très très loin après dans dans ce quartier Smart City c’était vraiment une Smart City euh donc là ils ont un peu pivoté donc ils ont transformer finalement leur leur ce développement en un algorithme enfin
Même une solution logicielle qui a été testé sur un projet à Wembley à Londres ou voilà c’est c’est le contexte du projet qui est très délimité donc c’est c’est un projet un projet avec plusieurs unités d’habitation et l’enjeu c’était de mettre en compétition donc les urbanistes avec euh le modèle de CBX
Donc qu’est-ce qui était fait fondamentalement donc on avait il avait listé six critères les mêmes he des deux côtés bien sûr et ils avaient laissé plusieurs mois de travail à l’équipe d’urbaniste pour proposer une version plusieurs versions d’aille une ou plusieurs versions d’enveloppe bâtimentaire l’ enveloppe dans ce
Bâtiment sur C 7 critère ils ont eu ces résultats et puis ils avaient testé du coup la parallèle ils ont testé enfin à la fin ils ont plutôt testé du coup le modèle le modèle de laaps qui génère également des des enveloppes et ce qui s’est passé que c’est sur l’ensemble des
Critères le modèle a été meilleur que que du coup le le travail urbanistique par par par les urbanistes donc voilà on a on a un exemple concret d’utilisation finalement comment il y a peut voilà peut peut être assez comparable en terme de performance à ce qu’ peut faire dans
Ce cas là un peu meilleur et après faut bien sûr a pas que ça dans dans ce que peut faire l’urbaniste donc y a un travail en aval et en amont qui sera nécessaire ici typiquement voilà on voit un exemple les deux és que je donne sur l’architecte et l’urbaniste c’est pour
Moi des éments qui témoignent de futures évolutions on n pas encore mais il va avoir probablement des adopur mais qui pourront arriver sur ces métier où fondamentalement le le travail sera beaucoup de définir quels seront les les critères les plus importants avec le client et et après d’interagir avec des
Des systèmes en pour définir les brouillons et puis après réaffiner tout ça puisque après il faut se confronter à d’autres règles qui sont qui seront qui seront importantes d’ point de vue faisabilité technique d’un point procédés constructif d’un point de vue faisabilité réglementaire c’est évidemment important voilà un exemple de
D’utilisation pour les pour pour lesurbaniste trisème exemple en plutôt typé bureau d’étude donc alors je réexplique un petit peu ce que ça ce que fonctionne comment fonctionne le le concept du métaodè donc j’ai un ouvrage qui une réalité donc j’ai un modèle aux éléments finis ou plusieurs un ensemble
De modèles aux éléments finis en tout cas en l’occurrence un seul et l’enjeu c’est de le remplacer par une fonction on va dire mathématique pourquoi pour aller plus vite et pour pouvoir générer on va dire un plus grand nombre d’échantillons moi je l’avais c’était ce que j’ai pu faire au Canada à Montréal
Où j’avais travaillé sur Démarrage là l’ENG jeu c’est c’était un enjeu plutôt en exploitation je fa un petite parenthèse et là l’enjeu c’était vous avez vous avez un contexte de cru c’estàd que voilà le le l’eau en amont du barrage augmente euh euh fondamentalement ça peut être
Assez rapidement et on n pas toujours le temps d’attendre résultat d’un modèle pour décider si j’ouvre ou pas l’évaculateur de cru donc on a besoin de décision rapide et sur des modèles aux éléments finis très compliqués non linéaire à différents niveaux dynamique il faudrait attendre en l’occurence il aurait Fall attendre plusieurs jours
Donc c’est pas possible donc on a besoin d’avoir ces modèles pour prendre des décisions plus c’est un cas d’utilisation qui est différent de celui que j’ avz en tête pour la conception avec un exemple ici qui avait été qui avait été fait en car du Sud par un
Bureau d’étude là-bas ils avaient pris en fait euh donc ils avaient une problématique c’était en early design he ça on n’est pas vraiment on n’est pas sur du detail design on est plutôt en early design euh encore une fois plutôt en logique brouillon encore une fois euh ils avaient besoin de d’estimer la
Performance de conception vis-à-vis de l’alléa sismique qui est toujours un peu compliqué euh en France on a peut-être moins exposé que dans notre pays euh toujours un peu compliqué et donc il s il s’était fixé du coup 17 paramètres clés et qui venaent finalement de de variantes qui pouvait faire en il
Travaillent essentiellement sur de l’immeble d’habitation et sont aperçu qu’ils avaient finalement à la fin une bibliothèque de modèles aux éléments finis ou de même de conception parfois analytique de ces de ces immeubles en l’occurrence’était mod modèleement fini qui qui existait donc là ils en avaent 720 ce qui commence à être assez
Significatif sur une typologie qui était assez restreinte et c’est ça qui est aussi important prendre en compte ça marcherait pas si je fais de l’immeuble moyen hauteur de l’ighh et en même temps du pavillon ça marcherait pas mais là pour une typologie assez restreinte ça marchait assez bien donc c’est très
Précis c’est des immeubles des bureaux de moyen huteur en béton à topologie variable dans dans une dans une région aussi quiog donc ils ont pu exploiter ça pour pouvoir là aujourd’hui comment il s’en servent donc il donneent les 17 paramètres clés qui vont être typiquement bah les les largeurs des
Poutres les dimensions principales des bâtiments les hauteurs et CETA d’autres paramètres bien sûr et ils auront un estimatif de si c’est conforme ou pas à la LI sismique locale de Charleston en car du Sud un exemple très concret d’utilisation pour eux vite en fait phase Dely design et et gagner du temps
Euh sur cette sur ce phasage pas construction maintenant j’en parlais tout à l’heure sécurité des travailleurs ça c’est des exemple plutôt laboratoire mais ça se diffuse de plus en plus he sur le terrain déjà euh c’est détecter des situations dangereuses un des sujets j’ai discuté notamment avec l’OP BTP
C’est qu’en fait aujourd’hui on arrive particulier à un plafond euh on met quand même beaucoup de le secteur met quand même beaucoup de investi beaucoup d’argentin et puis de temps sur le sujet de la sécurité des travailleurs c’est souvent d’ailleurs sur les chantiers le premier point qui évoqué des réunions de
Chantier pour autant on arrive une sorte de plafondin si on regarde l’accidentologie on on narrive pas à baisser même si on consent encore plus d’investissement on n’arrive pas forcément à à à franchir une sur de plafond de vert qu’ qu’on a aujourd’hui et donc ça pose la question de voilà de
Transformer d’augmenter encore ce enfin de changer un petit peu les pratiques pour encore aller plus loin dans cette sécurité donc là typiquement il peut y avoir l’utilisation de caméra sur les chantiers pour détecter des situations à risque ça peut être typiquement l’utilisation d’échelle sur le Grand Paris qui a quelque chose de d’interdit
Euh et ou typiquement des cadres d’utilisation assez dangereux ça peut être des sens de circulation qui sont pas respectés et ceetera voilà toutes ces situations là évidemment pour se dire ça peut être une posture de de flicage et puis certains il verront il verront justement ce sujet là fondamentalement peut on y a
Totalement après à minimiser la situation et juste obtenir des des grandeurs quantitativ par exemple hebdomadaire ou mensuel en disant bah voilà j’ai eu 500 situations de non port de pays dans des zones dans des zones de de train baril j’ai eu 50 utilisations d’échelle et c’est intéressant parce que
Ça donne du quantitatif parce que chez ceot on a des des préventeur sécurité fondamentalement je sais bien que quand le préventeur il est là tout le monde a ses ZP et tout le monde respecte les règles et c’est c’est pas toujours le cas mais c’est souvent le cas donc
Comment on va plus loin et ben évidemment en ayant quelque chose qui permet d’aller d’aller un peu plus loin d’avoir un sui plus plutôt temps réel euh tout en respectant les les critères rgpd bien sûr deuxième sujet c’est les sujets de en anomalie phase de construction un exemple très concret
C’était ça avait été fait sur un un immeuble en bois euh SEM c’était à tour mais je retrouve le lien de la publication scientifique donc là on était plutôt en phase de de recherche he d’ailleurs et là c’était sur ces im ces meubles en bois qui sont plutôt on dire
Nouveau pour pour pour le secteur en France si même si on en fait depuis des années dans notre pays au Canada le bois c’est c’est extrêmement répendu il y a quand même ce sujet voilà de du détection moifure par exemple dans les prémises de la construction et puis
Après en PHAs d’exploitation et donc donc voilà on peut mettre des capteurs et le fondamentalement un des problèmes si on regarde j’exlicite un petit peu plus en détail ce que à quoi il sert concrètement on va avoir ici un pourcentage d’humidité relative souvent c’est ce que mesure le capteur euh la
Problématique c’est que vous voyez c’est qu’il y a des cycles de saison il y a même des cycles journaliers la jour jour de la nuit donc on va voir des variations et en fait on peut pas fonctionner comme on fait pour d’autres grandeurs euh avec un seuil qu’on se
Fixe en tant que canaliste donc et puis même on il faudrait enfin comme on travaille plutôt enfin c’est ça peut toujours un sens 5 % d’humidité c’est assez difficile à à savoir si c’est impactant ou pas c’est plutôt la variation qui est important et donc en
Ce sens on a besoin de de technique d’ qui permett de détecter des situations anormales et donc là si on si on si on zoome typiquement voilà il y a eu une changement de cinétique dans la la manière dont don dont évaluer on voit plutôt ici he donc là on était sur
Quelque chose qui était plutôt stable et après là il y a une changement de la cinétique donc ce qui veut dire qu’il y a eu probablement une un changement de de régime entre guillemets sur ce sur cette sur cette poutre en l’occurrence euh en phase d’exploitation
Donc nous on a un projet projet Sofia chez ceè je parler ce cas d’usage parce que je connais bien qui permet de faire la détection de des défauts donc ça peut être des fissures comme vous voyez ici on a en 13 défauts euh qu’on peut classifier puis on on peut aussi ce
Qu’on appelle les segmentés donc ça c’est des vocabulaires on va dire en y donc classifier ça veut dire à la fin bah je dis que c’est sur l’image est une fissure et segmenter c’est de faire ce qu’on voit là c’estàut dire détourer la fissure et lui dire elle fait 03 mm
D’ouverture et elle fait 1,50 de large pourquoi c’est important ça euh parce que quand on fait des inspections donc ça peut être à plein niveaux hein ça peut être il y a parfois des inspection réglementaire dans certains domaines comme sujet des ponts mais ça peut être également poste post prétvaux et post
Travaux ça peut se faire beaucoup dans d’autres pays je pense particulièrement dans les pays anglosaxon où on va avoir bah la quantification avant les travaux et après les travaux d’un structure avoisinante pour voir si les travaux ont augmenté par exemple l’ouverture de la fissure ou les dimensions de la fissure
Donc finalement ça rentre on rentre entige et typiquement voilà ça ça permet de fiabiliser une mesure qui soit en fait pour en avoir fait par le passé des inspections qui pas toujours parfaitement fa surtout à la fin de la journée voilà donc ça c’est un exemple très concret d’utilisation de l’IA donc
En fait c’est une photo donc qu’on appelle la computer vision on va détecter ensuite un défaut sur l’image même le noter lu dire est-ce que c’est grave pas grave c’est tout à fait faisable exemple deuxè exemple donc ça c’est une une exemple de consommation énergétique y a beaucoup beaucoup de
Sujets de la consommation énergétique c’est un sujet parmi d’autres un des enjeux c’est d’être en capacité deessayer de prédire les consommations euh pourquoi pour pour notamment essayer de bah d’être conforme à la réglementation qui est assez qui est en la matière assez incitante VO contraignante où on a besoin justement
De baisser ses consommations donc ça c’est le premier enjeu donc réglementaire deuxième enjeu il est aussi financier c’est-àdire que si je suis capable de prédire après je vais pouvoir essayer de de B de de voir un peu mon enveloppe de cûp sur l’année et essayer de travailler après ça avec mes
Utilisateurs pour faire en sorte de de de faire mieux que ce que ce que l’algor disc donc faire mieux que l’historique euh là c’était un cas qui avait été fait euh sur une une bibliothèque où ils prédisent ils essaient de prédir euh donc là c’est à l’échelle même horaire
La consommation du bâtiment euh et ça c’est il s’en servent aussi comme détecteur d’anomalie pour voir si une journée était particulièrement plus consommatrice qu’une autre euh ce qui est aussi toujours toujours intéressant donc là en l’occurrence ils avaient 50 données avec une fréquence de 30 minutes euh c’était des capteurs supplémentaires
Qui avaient été aajoutés ça une base de travail c’est travailler avec les compteurs électriques standard et plus on a une un équipement fin plus on les capteur différents niveaux donc sur des des compteurs plutôt divisionnaires plus on peut après estimer finement aussi et d’avoir plus de levier puisquon travaillera
Potentiellement à l’échelle des des usages et en sens il y a une petite parenthèse il y a un autre cas d’usage sur lequel n on a travaillé chez ce qui s’appelle le nilm donc qui qui vise à prédire on va dire à l’échelle de quel équipement à partir d’un link key d’un
Compteur link key essayer de prédire ok bah c’est plutôt euh les les équipements les ordinateurs qui consomment de l’ordre de 30 % c’est plutôt les micro-ondes les frigos et d’avoir par par usage par équipement une consommation estimée bien sûr estimée qui est qui est aussi intéressant alors
Je vais passer assez vite parce que je vois temps de cours je vais laisser plus de temps en question donc sur les détections de cru aussi qui peut être un sujet connexe mais qui est important en PH de de démolition revalorisation l’ jeu c’est principalement sur les déchets
Donc il y a deux plus deux sujets majoritaires c’est déjà d’identifier un défaut un déchet ce que c’est c’est pas toujours si très très simple le deuxième c’est d’essayer d’avoir une des de grandeur sur sa qualité son état structural pour savoir son potentiel de réemploi et donc lia peutut participer à
Ça donc là ici en en en complément d’un test qui a été réalisé donc sur des des spectrogrammes des analys spectrales en terme de défi euh voà qu’est-ce qui est devant nous sur les sujets d’ euh évidemment il y a le sujet des données vous l’avez compris c’est pour moi un
Sujet fondamental nous on est plus plutôt dans le monde euh du small data au sens de si on se compare avec ce que peut faire le monde du web par exemple je prends Facebook ou Google Google il faut savoir il monitore les comportements au clic donc c’està
Dire tout la position de ma souris en temps réel donc je vais avoir une base de données qui me dit le position en pixel de de mon de mon pointeur c’est une donnée qui qui est énorme en terme de volume ça leur permet d’optimiser la position des bannières publicitaires des
Centaines de millions d’euros que que le monde investit dans ces sujets qui est fondamental euh euh et puis nous on est dans un domaine plutôt opposé c’est-à-dire que la donnée elle est plus chère chez nous puisque les contextes bâtimentaires fait que un bâtiment ça coûte évidemment ça
Coûte assez cher et et par exemple des données de capteur ça coûte aussi assez cher même si ça se démocratise de plus en plus le beim va probablement accélérer aussi ce sujet en favorisant la ce que je disais tout à l’heure l’interopérabilité des deux deuxème sujet et c’est c’est un sujet qui est
Aussi important hein parce que que je disais c’est pas que technologique c’est le sujet de le sujet de l’adoption c’est qu’on est quand même dans un domaine qui est traditionnel plutôt peu enclin à l’innovation ça c’est en tout cas dur et et et ça c’est raison c’està dire que ce
Que j’expliquais avant c’était fondamentalement des facteurs explicatif la diversité des profils d’entreprise les taille d’entreprise le nombre de salariés le fait aussi qu’on travaille sur de du risque un bâtiment qui tombe c’est c’est des vieux humain en jeu alors que l’optimisation d’un d’un clic si je clique pas sur la pub c’est pas
Très grave fondamentalement donc ça c’est aussi important le conscientiser et et de l’avoir en tête quand on développe des systèmes VI et puis la le corolaire aussi de ça c’est que les talents en data fondamentalement il y a quand même une FL sur ces talents là et
Ils vont pas de prime à bord aller vers ce secteur d’activité B davantage dans des secteurs plus tech entre guillemets et en avale fondamentalement le sujet de l’explicabilité l’interprétabilité explicabilité qui sont des concepts un petit peu différents m conex qui sont extrêmement importants pour nos secteurs d’activité puisque je disais donc des
Vidos en jeu donc s un problème on doit essayer d’être en capacité de bah de de dans le meilleur des cas de comprendre pourquoi on a pris cette décision si c’est une décision de maintenance par exemple donc ça c’est aussi un verrou potentiellement en conclusion et je
Terminerai sur ça ça nous laissera un peu de temps pour les questions déjà l impact déjà le cite de vie du bâtiment c’est utilisé on va dire on voit pas toujours mais c’est utilisé part tout dans dans des processus métier et c’est comme ça dans un premier temps qu’il
Faut le voir il y aura pas d’ généraliste qui va tout bouleverser euh comme ça du jour au lendemain cas ça va ça va grandement participer à la l’amélioration de la productivité et de la réponse aux enjeux environnementaux le deuxième point c’est que tous les acteurs et c’est c’est bien qui je pense
Une diversité j’ai vu dans la profil desinscrit une diversité d’acteurs euh tous les acteurs doivent s’emparer de ce sujet que ce soit les grands groupes les ETI et les PME euh c’est pas qu’un ça doit pas être en tout cas qu’un sujet de de grands groupe de C 40 l’idée c’est
Que il faudrait que ça se diverse ça se diffuse pardon dans dans l’écosystème et le dernier point qui est pour moi fondamental li à la fin des fins et c’est ce que je voulais montrer en réexpliquant les les décisions en comment ça les définitions pardon vous avez vu c’est des modèles mathématiques
Et des données qui ont permis de construire ces modèles donc à la fin c’est ce sont des mathématiques des States et donc ce n’est qu’un outil ni plus ni moins faut pas voir l’IA comme quelque chose qui fondamentalement reproduit enfin qui capable en tout cas à ce stade de concurrencer l’intelligence humaine dans
Tout dans tout dans toute sa diversité complexité voilà j’en ai fini pour ce temps de présentation un peu plus long que ce que j’avais prévu je serai vraiment voilà disponible pour vos questions si vous en avez merci merci beaucoup Raphaël effectivement un peu plus de temps que prévu mais voilà c’était c’est difficile
De faire une synthèse de tout ça tellement les sujets sont nombreux parfois complexes mais voilà je pense que vous vous avez fait une très très très belle démonstration de toutes les opportunités offertes par l’intelligence artificielle dans le bâtiment euh je vais vous poser deux questions qui je pense sont sont
Importante par rapport au propos que vous avez tenu euh on peut peut-être évoquer le sujet critique de la propriétés intellectuelles des d des Data pardon qui nourrissent les systèmes hein on a vu les scandales chez zoom avec leurs utilisateurs chez chatipt avec le Times et cetera on sait que les datas qui sont
Nourriissères du BTP sont les normes qui sont des datas a priori non libres les conception architecturale non libre également les rapports d’expertise et de contrôle technique et cetera donc dans ce type de cas comment est-ce que l’IA peut fonctionner sur ce type de données c’est une c’est une excellente question su
Proprié des données et j’aurais pas toutes les réponses malheureusement parce que c’est un un sujet qui qui est encore même un sujet de débat il y a un cadre qui est en train de se construire à l’échelle européenne c’estd que vous avez vous avez alors je
Sais pas si vous en avez entendu parler donc il y a lia Act qui a été promulgué hein donc l’Union européenne a légiféré sur le sujet de Lia pour poser des gardesfous et qui va qui qui été qui va être totalement finalisé probablement cette année premier semestre et il y a
Son son son jumeau son frère on va dire le Data Act qui vise justement à essayer de définir un petit peu mieux la propriété enfin la propriété des données avec comme filam comme idée conductrice derrière ce data Act faire en sorte que la donnée circule premièrement et deuxièmement que la que
La que les producteurs de données soient aussi rétribuer pour pour pour mettre à disposition leur données donc c’est donné aussi un cadre vis-à-vis de ça un exemple très concret ça forcera les ce C forcera les les fournisseurs de capteurs dans les bâtiments il y en a quand même
De plus en plus à donner mettre à disposition leurs données sous des modalités qui sont toujours à définir ça c’est l’Europe he dans à mettre à disposition d’entreprise tierce s’ y a l’accord du gestionnaire l’ouvrage donc ça facilitera donc le cadre la posture sera forcément celle-ci c’est qu’on devra
Justifier qu’on ne peut pas mettre à disposition de données donc qui va être assez difficile donc fondamentalement la réglementation va nous favoriser ce ce sujet qui va être que pour un certain nombre de de d’itè euh la la donnée va circuler donc ça c’est une première partie de réponse à la
Question deuxième partie c’est ça résoudra pas le le sujet de par exemple des modèles aux éléments finis ou des des plans ou des rapports de contrôle technique et ce qui sont qui sont finalement au niveau des organisations euh souvent ce que j’aime à dire c’est à la fin c’est c’est celui qui paye
Finalement le client final normalement il a un droit d’usage sur ses donneurs puisqueil les a payé donc il est il a le droit d’obtenir ses donnes donc ça probablement probablement celui qui aurait cette possibilité d’être l’agrégateur ce sera ben l’exploit enfin le propriétaire/ash exploitant euh des
Bâtiments euh et donc ça je pense que juste déjà ils doivent le conscientiser et et après peut-être l’exploiter par la suite donc ça c’est le premier point et après troisème point pour développer encore euh il y a aussi des des des sujets dans la filière la filière enfin
Consciente de ça il y a des projet de d’innovation où dans certains cadres et contexte on essaiera de faire circuler la donnée entre les différents acteurs donc entre comme ça peut avoir été fait dans d’autres secteur d’activité al c’est c’est une réponse partielle évidemment mais tout n’est pas très
Clair aujourd’hui pour pour l en généralou bien sûr particulièrement sur notre secteur merci pour cette réponse certes partielle mais complète malgré tout euh la deuxème question que j’avais c’est effectivement est-ce que lia peut optimiser euh les espaces en fait pour favoriser euh l’autonomie euh des PMR donc des
Personnes à mobilité réduite et donc le confort des usagers au sein du bâtiment ouais euh c’est une bonne question est-ce que c’est en phase de de conception plutôt dans l’idée de concevoir le l’espace le space planning on appelle ça en bon français oui euh si
Oui euh si oui tout à fait c’est c’est des sujets qui sur lesquels lya peut peut en tout cas proposer des des des plans d’aménagement des espaces qui seront contraint sur un certain nombre de règles les règles PMR par exemple règle incendie les bruits aussi le bruitage un sujet un sujet
Aussi intéressant pour les espaces tertières par exemple donc oui c’est des sujets sur lesquels l’AP sera assez pertinente pourquoi fondamentalement pourquoi parce que parce que a cette capacité de générer beaucoup beaucoup beaucoup comme on voyait sur l’exemple de Google le sidew laps de générer a beaucoup beaucoup de simulations dans
L’exemple de la ville où on construisait des enveloppes de bâtiment donc ça c’était l’échelle du quartier mais la la la question finalement c’est la même question mais à l’échelle plutôt de d’un bâtiment euh mais en fait ce que ce qu’ on le voyait pas j’ai pas donné le
Chiffre mais ça avait généré plus de 10000 simulations vous imaginez qu’un humain un urbaniste ne peut pas générer ces 10000 et peut-être même on a je pense qu’à la fin on aurait même pas les idées pour générer des des variantes parce qu’on aurait presque fait le tour
Donc lui il est assez bon dans ce dans cet exercice de générer du euh des simulations et puis après si on lui met des des critères objectifs donc pour le PMR l’avantage c’est que c’est c’est objectif puisque c’est c’est c’est des critères qui sont plutôt euh réglementaires euh en tout cas pour
Partie euh et donc il aura la la la la capacité après sur avoir généré peut-être 5000 échantillons de les classer dans l’ordre des meilleurs au moinsbr donc les scorés on appelle ça en donc c’est fondamentalement auss un sujet sur lequel on il a pourrait pourrait être très intéressante et alors
Pour terminer effectivement vous venez de parler effectivement de scoring euh à votre avis euh à quelle étape du cycle de vie du bâtiment lia à le plus de potentiel selon vous parce que bon il y a la conception la réalisation puis ensuite il y a la gestion technique des bâtiments pour améliorer l’efficacité
Énergétique et cetera euh donc voilà quel est votre votre vision sur sur le potentiel de l’a en fonction du cycle c’est une excellente question euh en fonction de de non j’allais dire ça dépendra de c’est une question assez difficile à répondre mais je je dirais quand même fondamentalement la phase
D’exploitation c’est un petit peu ce que je disais un peu en filég dans ma présentation je l’explique simplement par le fait que c’est une phase qui s’inscrit dans le temps long euh et donc qui nous offre en tant que en tant qu’exploitant et utilisateur de ces bâtiment davantage de données donc au
Seens ça permettrait davantage davantage de d’optimisation avec plein de sujets hein ça peut être le sujet de performance énergétique performance performance de la maintenance de la sécurité on voit il y a quand même encore aujourd’hui en France des sujets sur des des immeubles qui tombent donc derrière nous c’est un suet qu’on
Doit toujours regarder dans dans le viseur mais voilà c’est pour cette raison là plus pour les sujets de de données que que ce cette thématique cette cette phasage ce phasage pardon et pour moi le peut-être le celui qui a le plus de potentiel bon et ben écoutez il est midi
Une nous sommes pilepoil dans le timing je tiens vraiment à vous remercier encore Raphaël pour cette intervention pour cette synthèse euh de nous accompagner au travers des différentes formations euh sur l’intelligence artificielle que nous diffusons via via le moniteur et voilà je vous souhaite à tous qui nous avvez suit et vous êtes
Nombreux un très bon appétit et je vous donne rendez-vous très prochainement pour un prochain webinaire merci à tous par le département formation le moniteur merci Raphaël à très vite au revoir à tous