L’intelligence artificielle dans la construction

Contexte

Malgré la pandémie, les investissements dans l’intelligence artificielle sont restés en grande partie stables en 2020. Tel est le constat dressé par l’étude annuelle Hype Cycle de Gartner. Près d’un tiers des entreprises interrogées souhaitent même augmenter leurs investissements dans l’intelligence artificielle, alors que 23% seulement des entreprises ont soit suspendu, soit réduit de tels investissements. Ce n’est pas un hasard : pendant la pandémie, l’intelligence artificielle a justement pu être davantage utilisée dans divers domaines. Au niveau des entreprises, des chatbots ont par exemple permis de répondre aux innombrables demandes liées à la situation sanitaire. Au niveau de l’économie globale, l’apprentissage automatique (machine learning) fut un composant essentiel pour modéliser les effets d’une réouverture de l’économie. Pour Gartner, l’intelligence artificielle est dans l’ensemble sur le point de vivre une correction des attentes exagérées qu’elle a suscitées et de commencer à générer une plus-value pour les entreprises. Il est donc grand temps de considérer de plus près ce sujet pour ce qui concerne le secteur principal de la construction.

Le présent article est structuré comme suit : Pour commencer, une brève explication de ce qu’est intelligence artificielle est donnée. Puis, les bases de l’intelligence artificielle sont exposées, en commençant par un bref historique, les dernières tendances et la morphologie. Le chapitre suivant traite lui des champs d’application actuels et futurs de l’intelligence artificielle dans la construction.

Explication de termes

Bien que les réflexions sur l’intelligence artificielle remontent aux philosophes classiques – qui ont tenté de décrire la pensée humaine comme un système à base de formules et de signes – le terme intelligence artificielle a été utilisé pour la première fois en 1956 par le professeur de Stanford John McCarthy, le professeur du MIT Marvin Lee Minsky et d’autres scientifiques à l’occasion de la première conférence sur l’IA (voir aussi le ch. : Historique de l’AI). McCarthy a alors défini l’intelligence artificielle comme « la science et technique de fabrication de machines intelligentes ». Pour Minsky, il s’agit de « la science consistant à laisser des machines faire des choses qui nécessiteraient de l’intelligence si un être humain les faisaient ». (stanford.edu, britannica.com)

Photo : John McCarthy, le « père de l’intelligence artificielle », à l’Université de Stanford (jmc.stanford.edu)

Ces définitions ont perduré sous cette forme ou sous une forme légèrement modifiée. Une autre définition est formulée par Gartner : « L’intelligence artificielle applique des procédures d’analyse avancées et des techniques basées sur la logique, y compris l’apprentissage automatique, pour interpréter des événements, faciliter et automatiser la prise de décision et prendre des mesures. » (gartner.com). Au sens large, l’intelligence artificielle décrit tout type de machine qui présente sous une quelconque forme une anthropomorphie, par ex. la capacité d’apprendre ou de résoudre des problèmes.

Dans la littérature, l’intelligence artificielle est divisées en deux types différents de deux manières, à chaque fois en fonction de la similitude avec l’intelligence humaine : d’une part, il y a l’intelligence artificielle faible, générale et forte selon ses capacités. D’autre part, l’IA est répartie en machines réactives, mémoires limitées, théorie de l’esprit et conscience de soi (voir aussi le ch. : Morphologie) en fonction de ses fonctions concrètes. L’intelligence artificielle disponible actuellement est faible : elle a des capacités limitées et sert à résoudre des problèmes concrets. Toute forme d’IA connue à ce jour relève de cette catégorie. Toute autre forme relève pour l’instant de considérations sur l’avenir. Les deux types machines réactives et mémoire limitée correspondent tous deux également à l’IA faible.

Ci-après, l’abréviation couramment utilisée en français pour l’intelligence artificielle (IA) est privilégiée.

Principes de l’intelligence artificielle

Historique de l’IA

L’histoire de l’IA est imprégnée de fantasmes, de possibilités, de démonstrations et de promesses. Dès la Grèce antique, des philosophes ont pris en considération l’existence possible de machines intelligentes pour répondre plus facilement à la question de savoir ce que cela signifie d’être humain. Des auteurs de science-fiction, notamment Jules Verne (au XIXe siècle) et Isaac Asimov (au XXe siècle), mais aussi L. Frank Baum avec le Magicien d’Oz, ont alimenté le fantasme d’une intelligence non humaine en jouant sur le potentiel de machines intelligentes. L’intelligence artificielle concrète est née en 1950, lorsqu’Alan Turing a proposé le fameux test de Turing : en imitant la conversation humaine, un ordinateur peut-il convaincre une personne qu’elle s’entretient avec un être humain et non un ordinateur ? Cette même année, des étudiants de Princeton ont créé le premier réseau neuronal artificiel (Artificial Neural Network ANN) avec 300 tubes électroniques et une unité de commande portative. En 1956, le terme d’intelligence artificielle est utilisé par John McCarthy et d’autres scientifiques au Darmouth College lors de la première conférence scientifique sur ce sujet. Cette même année, des chercheurs ont créé le premier programme informatique IA aux USA. À la fin des années 1950, Martin Lee Minsky a fondé le premier laboratoire IA au MIT à Cambridge.

Dans les années 1970, les investissements dans l’IA, jusqu’ici essentiellement l’œuvre du gouvernement américain, ont toutefois diminué en raison du manque d’applications concrètes. Dans les années 1980, le premier véhicule autonome notamment a été mis au point, et en 1997, le programme Deep Blue d’IBM a réussi à battre pour la première fois aux échecs le Grand Maître Gary Kasparov. Dans l’impossibilité de répondre aux attentes exagérées qui avaient été placées en elle, l’IA allait toutefois être moins demandée pendant quelques années.

Ce n’est qu’au XXIe siècle que l’IA a attiré à nouveau l’attention. Les progrès informatiques et les jeux de données plus facilement disponibles et en plus grand nombre, de même que les avancées réalisées en Deep Learning, ont accru la confiance envers les applications possibles et donc la rentabilité de l’AI auprès des investisseurs et chercheurs. Grâce à des algorithmes améliorés, qui peuvent identifier des schémas parmi des montagnes de données, à des dépenses de recherche en hausse et à des processeurs graphiques performants, qui permettent de réaliser des calculs mathématiques de manière encore inédite, les capacités de l’IA ont depuis très fortement augmenté.

Photo : frise chronologique avec les principales étapes dans l’histoire de l’IA (création de l’auteur, non exhaustive)

Situation actuelle

Aujourd’hui déjà, les investissements dans l’IA, notamment entraînés par les grandes entreprises technologiques comme Amazon, Apple, Baidu et Google, augmentent encore fortement. En 2016, les investissements dans l’IA représentaient à l’échelon mondial encore entre 30 et 40 milliards de dollars US. En 2019, ce montant avait déjà dépassé 70 milliards de dollars US, dont une grande partie pour la recherche et le développement de véhicules autonomes. Dans le domaine des sciences informatiques, la discipline doctorale la plus populaire est désormais l’IA. En 2018, plus d’un diplômé sur cinq était ainsi spécialisé dans l’IA ou l’apprentissage automatique. Bien que l’IA puisse de plus en plus servir de source de revenus, peu d’entreprises cherchent à tirer parti de ce potentiel. Ces entreprises pionnières vont vraisemblablement voir leurs recettes augmenter, sur fond de pandémie et compte tenu des vagues numériques à venir, ce qui pourrait creuser l’écart entre les leaders en matière d’IA et la grande majorité des entreprises.

Tendances

Il ressort de l’étude annuelle Hype Cycle de Gartner, qui analyse les diverses phases de l’attention publique portée à une nouvelle technologie, que l’IA en tant que concept général vient juste de passer le sommet des attentes exagérées et entame sa descente vers la « vallée des déceptions ». Cela signifie que les articles publics vont fortement décroître ces prochaines années en raison des attentes non satisfaites et le plus souvent exagérées. Cependant, la technologie progresse encore et va se débarrasser de ses problèmes juvéniles. À long terme, les attentes vont faiblir en ce qui concerne les avantages, mais aussi pour ce qui est des limites de l’IA concernant ses capacités réelles. Par ailleurs, l’IA est actuellement sous l’influence de deux tendances fortes.

Tendance forte 1 : démocratisation de l’IA

La démocratisation signifie que l’IA n’est plus l’affaire des seuls experts, mais que des entreprises souhaitent désormais franchir un nouveau palier avec l’IA dans leur stratégie de numérisation. Cela comprend le recours à large échelle à l’IA auprès des clients, entreprises partenaires et employés pour les domaines d’activités les plus divers.

Tendance forte 2 : industrialisation des plateformes IA

L’industrialisation de l’IA permet la revalorisation, l’extensibilité et la sécurité de l’IA, ce qui favorise son acceptation et son développement. La priorité est ici mise, par exemple, sur l’IA responsable ainsi que le contrôle par l’IA. Des processus concrets sont alors établis, qui traitent des risques liés à l’IA en matière de conformité et de protection des données.

Photo : Hype Cycle de Gartner pour l’IA, 2020 (www.gartner.com)

Morphologie

L’IA couvre une vaste gamme de technologies et applications, dont certaines ne sont que des extensions de techniques antérieures, alors que d’autres sont fondamentalement nouvelles. De plus, l’IA est subdivisée entre les deux types de différenciation pour un total de sept types différents :

Photo : catégorisation de l’IA (schéma réalisé par l’auteur)

D’une part, la distinction est opérée en fonction des capacités de l’IA en lien avec l’être humain. L’IA faible ou Artificial Narrow Intelligence, se réfère aux machines qui sont encore loin derrière l’être humain en termes d’intelligence. Elles sont programmées pour résoudre un problème spécifique en recourant à des capacités anthropomorphes, mais ne peuvent rien faire d’autre. Ces technologies relèvent souvent de la catégorie Apprentissage automatique, ce qui signifie que la machine apprend sur la base de milliers d’intrants. La reconnaissance photographique par IA en est un exemple : si un ordinateur est alimenté avec des milliers, voire des millions d’images de chiens, il va apprendre au fil du temps à quoi ressemble un chien et pourra le reconnaître de manière autonome sur des photos. Toutes les applications que nous connaissons aujourd’hui en IA sont de l’IA faible. L’IA générale ou Artificial General Intelligence décrit une machine qui est à tous les égards aussi intelligente qu’un être humain. Elle apprend comme un être humain, perçoit de suite les choses, les comprend et fonctionne comme un être humain. Cette technologie, aussi appelée Intelligence automatique, est encore dans les limbes. Certains scientifiques prétendent toutefois qu’il faut s’attendre à ce que l’IA générale soit une réalité dès 2060. L’IA forte ou super intelligence artificielle suivra peut-être. Elle décrit une machine dotée d’un haut pouvoir intellectuel qui surpasse l’être humain dans presque tous les domaines. Cette évolution est souvent dépeinte dans les films de science-fiction, mais elle semble encore hors de portée à l’heure actuelle.

Pour la deuxième différenciation, l’IA est subdivisée en raison des fonctions qu’elle propose et de sa similitude à l’être humain. Les machines réactives sont la forme la plus ancienne de systèmes IA et présentent des aptitudes fortement limitées. Elles ne proposent aucune fonction basée sur la mémoire et ne peuvent donc pas apprendre d’expériences antérieures, mais seulement réagir automatiquement à une combinaison limitée d’actions. Un exemple de machine réactive IA est le programme spécialisé Deep Blue, qui a battu aux échecs le Grand Maître Gary Kasparov en 1997.

Les machines avec une mémoire limitée ont en plus de ces fonctions la capacité d’apprendre à partir de données historiques et donc de modifier au fil du temps les décisions qu’elles prennent. Ces systèmes sont alimentés par d’immenses volumes de données, qui sont combinées dans la mémoire en un modèle de référence pour la résolution de problèmes. Quasiment toutes les applications IA actuelles, des chatbots aux véhicules autonomes en passant par les assistances virtuels, sont exploités par une IA avec une mémoire limitée.

La théorie de l’esprit est la prochaine étape d’évolution et n’existe pour l’heure que sous forme de concept. Outre les capacités mentionnées, des émotions, besoins, croyances et réflexions vont aussi être formulés à l’égard des machines. Ces machines seront en mesure de « comprendre » l’être humain.

La conscience de soi est le stade ultime du développement de l’IA et les pessimistes augurent souvent qu’il s’agira alors du déclin de l’humanité. Une machine consciente de soi pouvant également aboutir à des idées comme la préservation de son être, cette crainte n’est pas totalement infondée. Toutefois, il faudra encore attendre des décennies, voire des siècles avant que des machines conscientes d’elles-mêmes soient mises au point.

Champs d’application de l’IA dans la construction

Alors que d’autres secteurs, notamment dans le domaine technologique, utilisent déjà avec succès l’IA, le secteur de la construction est resté relativement amorphe à ce sujet. La faible croissance de la productivité de ces dernières décennies – environ 1% par année, soit nettement moins que la croissance mondiale de la productivité générale de 2,8% par année – est également un signe du manque d’adaptation aux nouvelles circonstances et possibilités techniques. La question est donc de savoir si et comment l’IA peut être utilisée de manière fructueuse dans la construction également afin d’inverser cette tendance. Selon des estimations du cabinet McKinsey, il n’y pas lieu de s’attendre dans un proche avenir à une diffusion à large échelle de l’IA dans la construction. La raison ? De nombreuses entreprises, malgré le retour sur investissement élevé que représentent des investissements dans l’IA, n’ont pas les capacités requises pour recourir à l’IA (personnel, processus et outils). Toutefois, il ne sera pas possible d’ignorer encore longtemps les incidences de l’IA sur les processus commerciaux dans la construction également. D’après certaines prévisions, le marché de l’intelligence artificielle dans la construction représentera quelque 4,5 milliards de dollars US dans le monde à l’horizon 2026. Pour un volume de marché global de quelque 430 milliards de dollars US, cela représente donc environ 10% du secteur de la construction dans son ensemble.

Les industries apparentées (par ex. le transport, la production de marchandises) sont en train de se départir des barrières qui existent entre elles et d’agir de plus en plus souvent de manière concertée comme des écosystèmes liés. Cela améliore la probabilité que des acteurs non-traditionnels pénètrent le marché de l’industrie de la construction. Le seuil d’accès est de toute manière déjà relativement bas dans la construction en raison du modèle d’affaires simple appliqué (segments, activités, orientation stratégique). Ces industries ont en plus déjà une longueur d’avance dans l’utilisation de l’IA. Il est donc intéressant d’analyser plus précisément les répercussions de l’IA sur le secteur principal de la construction.

Applications possibles de l’IA dans la construction

Par rapport à d’autres industries, le secteur principal de la construction a encore très peu recours à l’IA. De plus, les investissements prévus en matière d’IA ces prochaines années sont nettement plus importants dans la plupart des industries. Nous avons déjà examiné quelques raisons (ressources trop faibles, manque de savoir-faire). Une autre raison est que les algorithmes IA sont fondés sur des expériences passées et nécessitent donc une certaines masse critique de données afin de pouvoir être utilisés de manière fructueuse. Les entreprises ont donc besoin de grands volumes de données – dans ce cas, les projets de construction – afin de pouvoir entraîner en conséquence un algorithme IA. Cela s’avère nettement plus facile pour les grandes entreprises de construction que pour les nombreuses de taille réduite ou moyenne qui forment en particulier le secteur principal de la construction en Suisse.

Au niveau pour l’instant majoritairement global, certaines entreprises ont toutefois recours à l’IA dans les cas suivants, malgré une maturité moindre dans la construction.

Photo : cas d’utilisation de l’IA dans la construction (schéma réalisé par l’auteur)

1) Optimisation de la planification de projet et minimisation du risque

Les projets immobiliers recèlent des risques considérables en matière de qualité, de sécurité, de calendrier et de coûts. Des facteurs d’influence externes, comme la météo, accentuent ces risques. Des entreprises comme la britannique nPlan utilisent l’IA et l’apprentissage automatique pour optimiser la planification de projet grâce à la simulation continuelle de millions d’alternatives afin de faciliter la planification de projet. Des données historiques, comme les dates prévues de début et de fin ainsi que les coûts, sont utilisées par des modèles prédictifs afin de pronostiquer des délais et coûts globaux réalistes pour de futurs projets. Le plan de projet général peut ainsi être ajusté au fur et à mesure aux nouvelles circonstances.

Photo : planification de projet plus précise grâce à une analyse de données intelligente (www.nPlan.io)

2) Drones intelligents

L’entreprise Skycatch, basée en Californie, entraîne des drones avec IA pour une future utilisation sur des chantiers. L’objectif étant de parvenir à un chantier entièrement automatique, les drones apprennent progressivement le fonctionnement d’un chantier. Il a d’abord fallu identifier les éléments individuels d’un chantier, par ex. les grues, dépôts, individus, etc. Le drone a ensuite identifié les éléments particuliers des machines, puis les actions, puis les enchaînements d’actions, les processus contextuels, etc. À l’avenir, ces capacités acquises seront mises à profit pour améliorer l’efficacité et la productivité des chantiers. De plus, la sécurité au travail est renforcée : les risques potentiels, comme l’absence de vêtements de protection ou des structures non sécurisées, peuvent être décelés au moyen d’un logiciel d’interprétation des images.

Photo : drones équipés d’un logiciel de reconnaissance d’image sur un chantier (www.skycatch.com)

3) Design génératif

Le design génératif est l’un des principaux atouts de l’IA : il s’agit de la capacité à analyser différentes variations d’un modèle pour trouver la meilleure option. Le design génératif est pour l’heure utilisé seulement dans la fabrication, mais des entreprises comme Alice Technologies s’efforcent de l’introduire dans la construction, et ce, en combinaison avec BIM. Le modèle tri-dimensionnel de bâtiment est alors généré par un algorithme d’apprentissage automatique, ce qui permet d’éviter des étapes essentielles comme les mesures de construction au-delà de la conception. L’algorithme examine alors toutes les variantes possibles d’une solution et crée des designs alternatifs plus stables ou plus avantageux. Des conflits potentiels entre les divers corps de bâtiment, installations électriques et conduites peuvent ainsi être évités.

4) Projets de construction durables avec l’IA

La start-up britannique Qualis Flow utilise l’apprentissage automatique pour l’analyse et la surveillance des données environnementales sur des chantiers. La plateforme analyse des données quant à la durabilité de projets de construction et pronostique des facteurs de risque en lien avec l’environnement. De plus, le respect des directives en matière de durabilité est surveillé en permanence et, en cas de conflits potentiels, une alarme est immédiatement déclenchée. La plateforme étant complètement basée sur une solution infonuagique (cloud), tous les intervenants ont un accès illimité aux données.

5) Machines autonomes

Des bulldozers et pelleteuses qui travaillent seuls sont d’ores et déjà une réalité, par ex. ceux de l’entreprise Built Robotics. Ils peuvent en théorie opérer jour et nuit, ce qui accélère fortement l’avancement d’un projet. À l’avenir, il pourrait aussi y avoir des robots maçons autonomes, des petits robots mobiles, voire des robots constructeurs anthropomorphes. Les robots de haut niveau sont pilotés par l’IA et, grâce à leur faculté d’apprentissage, gagnent au fil du temps en précision dans leur activité.

6) Détection intelligente des problèmes

L’IA se prêtant idéalement à l’analyse de données historiques pour en tirer des pronostics sur de futurs événements ou établir des probabilités, ces données pourraient par ex. servir à prédire des défauts de construction. Ou des capteurs, par ex. avec la gestion de flotte CAT, permettent de récolter des volumes importants de données par des machines de construction et, grâce à l’IA, des pronostics sont établis sur de futurs dommages dus à l’usure, à la charge supportée, etc..

Futurs cas d’application de l’IA tirés d’autres secteurs

Avec l’apprentissage automatique, le Natural Language Processing (le traitement de la langue naturelle) et la robotique, l’IA réunit plusieurs technologies et cas pratiques qui sont déjà appliqués dans d’autres secteurs et qui, à l’avenir, pourraient être utiles dans le secteur de la construction.

Algorithmes pour optimiser les trajets

Les entreprises de transport font déjà appel à l’IA pour optimiser les trajets. Cette technologie va par ailleurs encore être améliorée : à l’avenir, les calculs gagneront en précision et pourront tenir compte de divers facteurs comme le prix de l’essence. Une telle technologie pourrait donc être intégrée directement à la planification de projet pour la construction et calculer les trajets optimaux sur la base de projets semblables.

Optimisation de la logistique dans le commerce de détail

L’IA a déjà eu un fort impact positif dans le commerce de détail en réduisant les temps morts de production, en minimisant les stocks excédentaires et en améliorant la prévisibilité en matière de livraisons. La modularisation et la préfabrication jouant un rôle de plus en plus important dans la construction, cette technologie pourrait être utilisée directement pour les chantiers.

 

 

 


Bibliographie

Gartner (2020). « 2 Megatrends Dominate the Gartner Hype Cycle for Artificial Intelligence »

https://www.gartner.com/smarterwithgartner/2-megatrends-dominate-the-gartner-hype-cycle-for-artificial-intelligence-2020/

 

J. Bughin et al. (2017). « Artificial Intelligence – The Next Digital Frontier ? » McKinsey Global Institute Discussion Paper

 

B. Buchanan (2006). « A (very) brief history of artificial intelligence », AI Magazine Volume 26 Number 4

 

McKinsey (2020). « The state of AI in 2020 », McKinsey.com

https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/global-survey-the-state-of-ai-in-2020

 

N. Joshi (2019). « 7 Types of Artificial Intelligence », Forbes.com

https://www.forbes.com/sites/cognitiveworld/2019/06/19/7-types-of-artificial-intelligence/

 

K. Johnson (2019). « AI Index 2019 assesses global AI research, investment, and impact », In reference to the AI Index Annual Report 2019

https://venturebeat.com/2019/12/11/ai-index-2019-assesses-global-ai-research-investment-and-impact/

 

https://www.britannica.com/biography/Marvin-Lee-Minsky

 

https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf

 

https://codebots.com/artificial-intelligence/the-3-types-of-ai-is-the-third-even-possible

 

https://research.aimultiple.com/artificial-general-intelligence-singularity-timing/

 

N. Josi (2019). « How Far Are We From Achieving Artificial General Intelligence ? » Forbes.com

https://www.forbes.com/sites/cognitiveworld/2019/06/10/how-far-are-we-from-achieving-artificial-general-intelligence/?sh=151014c46dc4

 

J. Blanco et al. (2018). « Artificial intelligence : Construction technology’s next frontier », McKinsey.com

https://www.mckinsey.com/business-functions/operations/our-insights/artificial-intelligence-construction-technologys-next-frontier

 

S. Rao (2019). « The Benefits of AI In Construction », Constructible/Trimble

https://constructible.trimble.com/construction-industry/the-benefits-of-ai-in-construction

 

D. Chen (2019). « Big Data, Little Drones : How UAVs are Changing the World of AI », Skycatch.com

https://blog.skycatch.com/big-data-little-drones-how-uavs-are-changing-the-world-of-ai

 

https://www.globenewswire.com/news-release/2019/07/23/1886563/0/en/Artificial-Intelligence-AI-in-Construction-Market-to-Reach-USD-4-51-Billion-By-2026-Reports-And-Data.html

 

https://www.planradar.com/ch/ki-im-bauwesen/

A propos de l'auteur

pic

Moritz Lüscher

Responsable numérisation

[email protected]

Partager l'article