L’intelligence artificielle dans le BTP : ce qu’un artisan doit comprendre avant de se lancer

Dans le bâtiment, le mot intelligence artificielle recouvre des outils très différents : certains rédigent un brouillon à partir d’une consigne, d’autres repèrent des éléments dans une image, et d’autres encore classent des données selon des régularités. Comprendre cette différence aide à choisir une tâche raisonnable et à garder la décision métier entre vos mains.

Un logiciel qui utilise de l’IA ne connaît pas votre chantier comme vous le connaissez. Il peut aider à organiser une information, mais une cote, un prix, une règle de sécurité ou une promesse au client doit être vérifiée par une personne compétente. Pour voir des usages concrets déjà cadrés, consultez notre guide des usages de l’IA pour les artisans du BTP.

Ce que signifie « IA » dans un outil de travail

L’expression intelligence artificielle désigne une famille de techniques, pas une capacité générale à raisonner comme un professionnel du bâtiment. Dans une application, le mot peut désigner un modèle de langage, un système de reconnaissance d’image, un moteur de classement ou un assistant qui combine plusieurs services. La fonction affichée dans le menu ne suffit donc pas à savoir ce que le système fait des données ni comment il produit sa réponse.

Un modèle génératif produit une suite de mots ou d’autres contenus à partir d’une entrée et du contexte disponible. Il peut reformuler une note de visite, proposer une trame de compte rendu ou extraire des points à vérifier dans un document. Sa réponse peut être fluide tout en étant incomplète ou fausse. Il ne faut donc pas confondre une formulation convaincante avec une validation technique.

La vision par ordinateur traite des images ou des vidéos pour détecter, classer ou comparer des éléments. Un usage peut consister à retrouver des photos par chantier ou à préclasser des clichés pour préparer un rapport. Une photo ne permet pas toujours de déterminer l’origine d’un désordre, sa gravité ou la conformité d’un ouvrage. L’éclairage, l’angle, la résolution et les éléments cachés limitent l’interprétation.

Les modèles prédictifs utilisent des données historiques pour estimer une valeur ou une catégorie. Leur qualité dépend du volume, de la représentativité et de la stabilité des données. Un outil qui classe des demandes selon leur urgence ne connaît pas automatiquement vos engagements contractuels, les contraintes de sécurité ni les exceptions que vous gérez sur le terrain.

Quel type d’IA correspond à quelle tâche ?

Le bon choix dépend de la forme de l’information et de la décision attendue, pas du fait qu’un outil soit présenté comme « intelligent ». Le tableau donne des pistes de cadrage, pas une garantie de résultat.

Besoin observé	Fonction possible	Contrôle à prévoir
Mettre en forme une note vocale de visite	Génération ou transcription puis rédaction	Comparer les mesures, références et réserves au vocal original
Retrouver les photos d’un chantier	Classement ou recherche visuelle	Vérifier le chantier, la date et le contexte avant partage
Préparer une première version de devis	Génération à partir d’informations structurées	Valider les quantités, prix, marges, mentions et conditions
Repérer une anomalie dans des factures	Extraction ou détection de valeurs atypiques	Vérifier la pièce source et les règles comptables applicables
Estimer un risque de retard	Modèle prédictif alimenté par un historique	Traiter l’estimation comme une alerte et confirmer avec le conducteur

Si votre problème consiste surtout à faire circuler une information entre deux logiciels, une automatisation classique peut suffire. Elle applique des règles explicites et prévisibles : lorsqu’un devis passe à un statut donné, elle crée une tâche ou notifie une personne. Ajouter un modèle génératif n’est utile que si une étape exige de comprendre ou de produire un contenu non structuré. Notre page sur l’automatisation des processus aide à distinguer ces besoins.

Un exemple de bout en bout : le compte rendu après visite

Un compte rendu assisté par IA commence par un besoin précis : transformer des notes en document lisible sans modifier les constats ni inventer les informations manquantes. La consigne doit nommer les rubriques, demander de conserver les mesures telles qu’elles ont été dites et prévoir la mention « à confirmer » quand une donnée manque.

Le professionnel dicte ou saisit uniquement les éléments qu’il est autorisé à transmettre au service choisi. Il peut demander une première version comprenant les constats, les points à confirmer, les décisions réellement prises et les prochaines actions. La sortie est ensuite comparée aux notes d’origine. Les dimensions, quantités, références produits, réserves et engagements de délai sont contrôlés en priorité.

Cette étape de contrôle n’est pas une formalité. Une transcription peut confondre des nombres, omettre une négation ou attribuer une phrase au mauvais intervenant. Si une personne est identifiable dans l’enregistrement, le traitement doit aussi être examiné au regard des règles applicables aux données personnelles. Le document final doit rester dans le système métier autorisé, avec une personne clairement responsable de son envoi.

Un premier essai peut utiliser un exemple fictif ou rendu non identifiable. Évitez d’envoyer un véritable dossier client à un service grand public avant d’avoir examiné ses conditions, les accès, la conservation et le rôle du fournisseur. La CNIL rassemble des repères destinés aux TPE et PME sur l’usage de l’IA générative et les données personnelles.

Les limites à connaître avant d’automatiser une tâche de chantier

Une IA ne remplace pas les documents contractuels, les règles professionnelles, la notice fabricant ou la visite d’un professionnel. Si elle résume un CCTP, une facture ou un échange client, elle peut omettre une exception importante. Gardez la référence du document d’origine et vérifiez chaque point qui a une conséquence sur le prix, le délai, la conformité ou la sécurité.

La qualité d’une sortie varie également selon les informations disponibles. Une demande courte et ambiguë donne souvent un brouillon qui demande beaucoup de corrections. Avant de tester, définissez les champs indispensables : nature des travaux, dimensions confirmées, contraintes relevées, hypothèses, pièces manquantes et personne chargée de valider.

Les photographies de chantier peuvent contenir un visage, une plaque, une adresse, un plan ou une information confidentielle. Limitez ce qui est partagé à la finalité du traitement, retirez les éléments inutiles et vérifiez les conditions du fournisseur. Un hébergement en France ne répond pas, à lui seul, à toutes les questions de sécurité, de sous-traitance et de conformité. La CNIL rappelle les précautions pratiques pour les TPE et PME.

Enfin, l’IA n’est pas nécessaire dans chaque étape. Quand une règle simple et stable suffit, un formulaire bien conçu, une bibliothèque de prix tenue à jour ou une notification automatique peut être plus fiable et plus facile à maintenir. La technologie doit résoudre une friction identifiée, sans créer une nouvelle validation plus coûteuse que le travail initial.

Un premier test qui reste maîtrisable

Un essai utile se déroule sur une tâche à faible conséquence, avec un résultat que vous savez contrôler. Écrivez le processus actuel en quelques lignes : ce qui déclenche le travail, les documents nécessaires, les étapes manuelles, le livrable final et la personne qui l’approuve. Choisissez ensuite un indicateur observable, par exemple le temps de préparation ou le nombre de corrections nécessaires.

Délimitez le pilote à une personne, un type de dossier et une durée de revue. Préparez plusieurs cas représentatifs, dont un cas incomplet, puis faites effectuer le même travail avec et sans l’outil. Ne mesurez pas seulement la vitesse de génération : comptez aussi la préparation des données, les corrections, les validations et le rangement du document.

Avant tout usage réel, vérifiez que l’équipe sait reconnaître une réponse incertaine, arrêter le traitement et signaler un problème. Si le test ne réduit pas l’effort total ou si les erreurs sont difficiles à repérer, resserrez la tâche ou abandonnez le pilote. Une décision de ne pas automatiser est un résultat valable.

Sources

• CNIL, TPE-PME : intelligence artificielle et données personnelles : ressources de la CNIL et fiches pratiques élaborées avec France Num pour les petites entreprises.
• CNIL, utiliser l’IA générative dans les TPE et PME : repères pour examiner les usages et précautions avant le déploiement.
• France Num, l’intelligence artificielle dans l’artisanat : impacts et cas d’usage : exemples d’applications de l’IA dans différents métiers artisanaux, dont le bâtiment.