L'IA pour le suivi du pourcentage d'avancement : remplacer les rapports de progression manuels

Demandez à trois surintendants différents d'estimer le pourcentage d'avancement d'une installation mécanique brute, et vous obtiendrez trois chiffres différents. L'un évalue visuellement les conduits installés et dit 65 %. Un autre compte les pièces avec l'installation brute terminée et dit 58 %. Un troisième vérifie par rapport aux heures de main-d'œuvre prévues et dit 71 %. Tous les trois essaient de répondre à la même question, et aucun d'entre eux ne dispose d'une méthode à la fois cohérente et précise.

Le problème des rapports de progression manuels

Les rapports de pourcentage d'avancement déterminent tout en aval dans la gestion de projets de construction. Ils conditionnent les calculs de valeur acquise, les demandes de paiement d'avancement, les prévisions de calendrier et la planification des ressources. Lorsque les chiffres de pourcentage d'avancement sont inexacts, chaque décision en aval repose sur des données erronées.

Une recherche du Construction Industry Institute a révélé que les estimations manuelles de pourcentage d'avancement sur les projets de construction actifs s'écartent de la progression réelle de 12 à 15 points de pourcentage en moyenne. Le biais tend presque toujours vers une surévaluation de la progression. Les surintendants, souvent inconsciemment, rapportent des pourcentages d'achèvement plus élevés que la réalité parce qu'ils sont optimistes quant au rattrapage des retards mineurs et parce qu'une progression inférieure aux attentes déclenche des conversations inconfortables avec les maîtres d'ouvrage et les chefs de projet.

Cette surévaluation s'accumule. Un projet qui rapporte systématiquement 5 % de progression de plus que la réalité sur 6 mois creuse un écart entre le statut déclaré et le statut réel qui finit par se manifester sous forme de surprise de calendrier ou de coût. Au moment où l'écart devient indéniable, les options de rattrapage sont limitées et coûteuses.

Comment l'IA mesure la progression

Le suivi de progression par IA utilise de multiples sources de données pour calculer le pourcentage d'avancement sans s'appuyer sur des estimations humaines subjectives. Les approches les plus courantes incluent l'analyse photo par vision par ordinateur, la comparaison de nuages de points 3D issus de scans laser ou de photogrammétrie, les données de capteurs IoT des systèmes installés et le suivi des matériaux à partir des registres de livraison et d'installation.

Le suivi de progression basé sur les photos est le plus accessible. Les surintendants ou les photographes de chantier prennent des photos structurées selon un calendrier régulier, en suivant des parcours photo définis à travers le bâtiment. Les algorithmes de vision par ordinateur comparent ces photos au modèle de conception et aux photos précédentes pour identifier ce qui a été installé depuis la dernière capture.

Une plateforme spécialisée dans le suivi de progression basé sur les photos a testé sa précision sur 85 projets de construction commerciale. Le pourcentage d'avancement calculé par leur IA se situait en moyenne à 3,2 points de pourcentage de la progression réelle mesurée par des relevés physiques détaillés. Les rapports manuels des surintendants sur les mêmes projets présentaient un écart moyen de 11,8 points de pourcentage par rapport aux relevés physiques.

Le scan 3D pour une précision accrue

Le scan laser et la photogrammétrie offrent une précision supérieure aux méthodes basées sur les photos, mais nécessitent plus d'équipement et de temps de traitement. Un scan laser hebdomadaire d'un étage en construction peut être comparé au modèle BIM pour identifier exactement quels éléments ont été installés, partiellement installés ou pas encore commencés.

L'IA compare le nuage de points du scan au modèle de conception et calcule les pourcentages d'installation pour chaque système du bâtiment. Charpente métallique achevée à 94 %, conduits mécaniques à 67 %, conduits électriques à 52 %. Ces chiffres sont basés sur des mesures physiques plutôt que sur des estimations, ce qui les rend plus défendables lors de litiges sur les paiements d'avancement et plus fiables pour les prévisions de calendrier.

Le compromis réside dans le coût et l'effort. Le scan laser hebdomadaire sur un grand projet nécessite soit un technicien de scan dédié, soit un contrat de service, coûtant généralement entre 2 000 et 5 000 $ par scan selon la taille du projet. Pour les projets de plus de 20 millions de dollars, ce coût est facilement justifié par la précision améliorée du suivi de progression et ses effets en aval sur la gestion de la trésorerie.

Intégration des données matériaux et main-d'œuvre

Le suivi de progression par IA devient plus précis lorsqu'il combine les données visuelles avec les registres de matériaux et de main-d'œuvre. Si le journal de livraison indique que 80 % des conduits spécifiés ont été livrés sur le chantier, et que l'analyse photo montre que 60 % semblent être installés, le système peut en déduire que 20 % sont sur site mais pas encore installés. Cela donne à l'équipe projet une image plus nuancée que chaque source de données prise isolément.

Le suivi des heures de main-d'œuvre fournit un autre point de calibration. Si le sous-traitant mécanique a consommé 70 % de ses heures de main-d'œuvre budgétées mais que l'analyse visuelle montre 55 % de progression d'installation, la productivité est inférieure au plan et l'activité risque de dépasser son budget de main-d'œuvre. Cette identification précoce permet d'intervenir avant que le dépassement ne devienne sévère.

Les entrepreneurs qui adoptent le suivi de projet de construction basé sur l'IA constatent que c'est l'intégration de multiples sources de données qui rend les rapports de progression fiables. Aucune source unique n'est parfaite, mais la convergence des données visuelles, matériaux et main-d'œuvre crée une image de progression nettement plus précise que toute méthode manuelle.

Impact sur les demandes de paiement

Les demandes de paiement d'avancement sont l'un des aspects les plus conflictuels de la gestion de projets de construction. Les sous-traitants veulent facturer autant de travaux achevés que possible pour maintenir leur trésorerie. Les entrepreneurs généraux veulent s'assurer qu'ils ne surpaient pas par rapport à la progression réelle. Les maîtres d'ouvrage veulent l'assurance que la progression déclarée justifie le paiement demandé.

Les données de progression vérifiées par IA fournissent un point de référence neutre pour ces discussions. Lorsque la demande de paiement indique 72 % d'avancement et que la progression mesurée par l'IA montre 68 %, l'écart de 4 points est suffisamment faible pour refléter des différences légitimes de méthodologie de mesure. Lorsque la demande de paiement indique 72 % et que l'IA montre 54 %, il y a un écart significatif qui justifie une discussion avant l'approbation du paiement.

Plusieurs entrepreneurs généraux rapportent que le suivi de progression par IA a réduit les litiges sur les demandes de paiement de 30 à 40 % parce que les deux parties travaillent à partir de données plus objectives. Le surintendant conserve un rôle dans l'interprétation des chiffres et la prise en compte des travaux que l'IA pourrait ne pas entièrement capturer, comme les activités de test et de mise en service qui ne sont pas visuellement apparentes. Mais la mesure de référence est plus fiable.

Mise en œuvre pratique

Le point d'entrée le plus simple pour le suivi de progression par IA est la documentation photo structurée. De nombreux entrepreneurs prennent déjà des photos quotidiennes à des fins de documentation. Ajouter de la structure à ces photos — des parcours définis, des angles cohérents et des calendriers réguliers — les rend exploitables pour l'analyse par IA avec un effort supplémentaire minimal.

Les approches plus avancées, le scan laser et l'intégration de capteurs IoT, sont pertinentes pour les projets plus importants où le coût est proportionnel à la valeur du projet et où l'amélioration de la précision a un impact financier significatif. Un aménagement locatif de 5 millions de dollars ne justifie probablement pas un scan laser hebdomadaire. Un hôpital de 100 millions de dollars le justifie presque certainement.

La transition du suivi de progression manuel au suivi assisté par IA nécessite également un changement culturel. Les surintendants qui ont passé leur carrière à estimer la progression sur la base de leur expérience et de leur jugement doivent faire confiance aux mesures basées sur les données et apprendre à travailler à leurs côtés. Les mises en œuvre les plus réussies présentent l'IA comme un outil qui soutient le jugement du surintendant plutôt qu'un outil qui le remplace. Le surintendant fournit toujours le contexte et l'interprétation. L'IA fournit la base de mesure.