Les documents de construction ont de quoi intimider.
Pas parce qu’ils sont brouillons, mais parce qu’ils sont denses. Superposés. Remplis de règles tacites. Ils tiennent pour acquis que vous savez déjà comment les choses fonctionnent. Et si ce n’est pas le cas, ils ne ralentissent pas pour vous attendre.
J’ai vu des gens extrêmement brillants ouvrir un jeu de plans et se sentir aussitôt dépassés. Des architectes. Des ingénieurs. Des gestionnaires de projet. Même des équipes chevronnées hésitent avant de dire : « Oui, c’est logique. »
« Et cette hésitation est précisément la raison pour laquelle la construction est le plus grand défi documentaire de l’IA. »
Ces documents n’ont jamais été conçus pour s’expliquer
Les dessins de construction ne disent pas les choses clairement. Ils les sous-entendent.
Une ligne pointillée peut indiquer un élément en hauteur… ou à démolir… ou des travaux futurs — selon le contexte. Une étiquette peut renvoyer à un tableau trois feuilles plus loin. Une bulle de détail suppose que vous savez pourquoi il est important, pas seulement *ce qu’*il montre.
Les humains apprennent tout cela au fil des années. Parfois des décennies.
L’IA n’a pas ce luxe.
La plupart des types de documents vous donnent des indices. Les dessins de construction, eux, s’attendent à ce que vous arriviez avec votre propre compréhension — des matériaux, de l’ordonnancement, de la réglementation et de l’intention. Ils sont un langage visuel abrégé du jugement professionnel.
« Et ce jugement se lit entre les lignes. »
Pourquoi « simplement extraire les données » ne fonctionne pas
On me demande souvent : « L’IA ne peut pas tout simplement lire les dessins? »
La question semble raisonnable — jusqu’à ce qu’on y regarde de plus près.
Lire suppose du texte. Or, les dessins de construction sont surtout faits de relations.
Un mur n’est pas important parce que c’est un rectangle. Il est important par ce qu’il sépare, soutient, renferme ou avec quoi il entre en conflit. Une porte n’est pas qu’un objet : c’est une décision d’accès, une contrainte de sécurité, une incidence sur les coûts.
On peut extraire de la géométrie à longueur de journée et passer quand même à côté de l’essentiel.
C’est pourquoi les modèles d’IA génériques ont du mal ici. Ils voient des formes et des mots, mais pas le sens. Ils ne savent pas à quoi accorder de l’importance — et en construction, savoir ce qu’il ne faut pas ignorer, c’est tout.
Le vrai défi, c’est le contexte
Ce qui rend les documents de construction particulièrement difficiles, c’est que le contexte n’est pas universel.
Chaque firme dessine à sa façon. Chaque région suit ses propres conventions. Chaque discipline accorde la priorité à des signaux différents. Même deux projets d’une même équipe peuvent raconter des histoires très différentes.
En tant que chef de l’exploitation, c’est là que je vois la friction apparaître sur le plan opérationnel :
- Un manque d’alignement entre les équipes
- Des découvertes tardives qui n’auraient pas dû être des surprises
- D’interminables vérifications manuelles « juste pour être sûr »
- Un savoir qui disparaît à la fin d’un projet
Rien de tout cela n’arrive parce que les gens manquent de compétence. Cela arrive parce que les documents eux-mêmes voyagent mal.
Ils ont été conçus pour un moment précis — pas pour être réutilisés, analysés ou servir à apprendre.
Pourquoi ce problème vaut la peine d’être résolu
Les problèmes difficiles sont généralement ceux qui comptent.
Si l’IA parvient à vraiment comprendre les documents de construction — pas seulement à les analyser, mais à les interpréter —, tout ce qui en découle s’améliore. La coordination. La confiance. La rapidité. L’assurance.
Les dessins ne sont plus une épreuve à traverser : ils deviennent un véritable appui.
Et surtout, il ne s’agit pas de remplacer l’expertise. Il s’agit de la respecter. De la saisir. De la faire perdurer pour que les équipes n’aient pas à repartir de zéro chaque fois.
Un avenir plus humain pour le travail technique
Chez LignumAI, ce qui m’enthousiasme le plus, ce n’est pas la technologie en soi, mais ce qui se produit quand la friction disparaît.
Quand les gens passent moins de temps à revérifier et plus de temps à décider. Quand le savoir ne s’évapore pas d’un projet à l’autre. Quand les documents ressemblent moins à des obstacles qu’à des collaborateurs.
La construction est difficile. Les documents en sont le reflet.
Mais si nous pouvons apprendre aux machines à comprendre cette complexité — avec soin, avec respect et en tenant compte du contexte —, nous ne faisons pas que résoudre un problème technique.
« Nous allégeons un peu la charge de ceux qui la portent. »
Et ça, ça vaut la peine.
À propos de l’autrice : Tiffany est chef de l’exploitation de LignumAI. Elle s’attache à transformer les réalités complexes de la construction en systèmes clairs et utilisables — et à bâtir des produits qui respectent la façon dont les équipes travaillent réellement.