[Avis d'expert] Constructeurs et ingénieurs, la donnée est entre vos mains

• Twitter
• Facebook
• Linkedin
• Flipboard
• Email

À l’heure où d’autres industries sont de plus en plus matures vis-à-vis du big data, le secteur de la construction est en retrait. Mais ce retard révèle au final un atout non négligeable : un potentiel innovant plus vaste que jamais. Et, bonne nouvelle, les gains induits par la technologie commencent à dépasser les coûts pour déployer celle-ci.

Il est difficile de comprendre comment les entreprises de construction et ingénierie ont pu fonctionner sans "big data". Grâce à une amélioration du contrôle, de la transparence, de la prévention des risques et de responsabilité qu’il permet, c’est surprenant. Désormais, le secteur semble avide de données et les entreprises sont curieuses de connaître toutes les possibilités, telles que celles offertes par l’intelligence artificielle (IA) ou le machine learning (ML).

Cet engouement pour les solutions innovantes soulève des questions : les entreprises du bâtiment font-elles abstraction des données en leur possession ? Comment tirer profit de toutes ces données si convoitées ? Une telle quantité de données est-elle gérable ? L’accumulation de données est-elle pertinente ?

Ces données longtemps ignorées

De nombreux projets de construction ont vu le jour et abouti bien avant l’avènement de l’IA, du ML et même de la méthodologie BIM (Building information modelling). Il suffit pour s’en convaincre d’admirer les réalisations des Égyptiens, des Mésopotamiens ou encore des Aztèques.

De nombreuses entreprises disposent de données, mais elles n’en ont pas conscience ! Elles proviennent de projets antérieurs, souvent archivées dans des systèmes ou fichiers obsolètes. Cela n’est, bien sûr, pas considéré comme du "big data", car leur exploitation ne requiert pas l’intégration de systèmes disparates via de la business intelligence ou des plateformes d’IA. Cependant, la donnée, quel que soit le système utilisé, peut faire progresser une entreprise. Aussi imparfaite soit-elle, sa valeur ajoutée est bien réelle. Encore faut-il la décoder.

Capitaliser sur les données

La valorisation des données passe souvent par un processus en trois étapes :

1. Définir les objectifs et bien cibler les questions
   Il est vital de savoir ce que l’entreprise cherche vraiment : s’agit-il d'améliorer les processus ? De mieux planifier les performances ? L'explosion des coûts est-elle source d’inquiétude ? Chaque question doit être abordée séparément.
2. Identifier la donnée et l’analyser
   Une entreprise peut avoir besoin d’information sur le planning. Il faut pouvoir estimer la qualité du planning, sa pertinence, si les délais prévus étaient adéquats, s’il a dû être revu, etc. Au final, l’entreprise disposera de précieuses informations pour le futur.
3. Appliquer les résultats d’analyse aux projets en cours
   C’est essentiel pour envisager des améliorations. Par exemple, si l'analyse révèle que la pose de cloisons sèches par un sous-traitant spécifique a pris plus de 30% de temps que prévu, alors le projet suivant devra en tenir compte. Il faudra revoir soit le temps alloué, soit la méthode de pose des cloisons, ou encore changer de sous-traitant. 

C’est dans cette prise de recul que réside la valeur de la data.

Qu'en est-il de l'IA et du ML au regard de la prédiction ?

Une fois les données collectées, analysées et intégrées, elles peuvent être utilisées pour prédire de futurs résultats. Un algorithme d’IA peut prédire automatiquement les retards de planning pour la pose de futures cloisons sèches, à partir de l’historique des données. Il faut créer des modèles basés sur des caractéristiques précises (durée réelle, type du projet, écarts historiques d’activité, etc.).

La précision va s'améliorer avec le temps grâce à l'apprentissage permis par les données, anciennes et nouvelles. La prise de recul offre une meilleure vision et permet d’anticiper. Chacune de ces étapes peut être traitée de manière indépendante et vous n'avez pas forcément besoin de ML pour générer plus de visibilité. Et vous pouvez, pour cela, utiliser tout type d’outil d'analyse.

Qu'en est-il de la réalité augmentée (AR), de la réalité virtuelle (VR), et de l'internet des objets (IoT) ?

Ces technologies sont très utiles pour obtenir une connaissance approfondie en temps réel sur un projet, sur site et hors site. Cependant, il est à noter qu’elles doivent être utilisées sur l’ensemble du projet avant d’identifier la valeur de la data, sinon il n’est pas possible de mesurer l’apport des données. Il faut établir une base de référence.

L'intégration des nouvelles technologies ne consiste pas à créer des sources de données isolées. Elles doivent être intégrées et contextualisées dans un flux de données. Les innovations technologiques viennent s'ajouter aux données déjà disponibles, permettant à une entreprise de recueillir une vision plus riche et approfondie.

Par où commence l’aventure des données ?

Pour de nombreuses entreprises, l’aventure a déjà commencé. Il s’agit avant tout d’explorer les données à disposition et d’identifier ce que l’on a besoin d’analyser : il faut mettre sur pied une stratégie de données.

Avant d'envisager de recourir à la réalité augmentée, à la réalité virtuelle ou à l'IoT, une entreprise doit se demander si elle peut utiliser les données existantes. Si ce n’est pas le cas, cela s’ajoutera à la complexité de l’ensemble des informations déjà en sa possession. Quoi qu’il en soit, la clef est de développer une approche des données à partir de l’existant. La stratégie de la data ne peut faire l’économie d’un point de départ solide. Les idées suivront.

Karthik Venkatasubramanian, vice president of data and analytics chez Oracle Construction and Engineering

Les avis d'expert et tribunes sont publiés sous la responsabilité de leurs auteurs et n'engagent en rien la rédaction de L'Usine Nouvelle.