Publié le 31 octobre 2026
La plupart des projets de construction produisent déjà la matière première nécessaire au suivi de l’avancement : photos de chantier, survols par drone, visites quotidiennes capturées au téléphone. Ce qui manque, c’est de transformer cette masse d’images en une réponse claire à la question que se pose un chef de projet chaque semaine : sommes-nous dans les temps, et sinon, où prend-on du retard exactement ?
Aujourd’hui, cette réponse vient généralement de quelqu’un qui parcourt le chantier, compare ce qu’il voit au planning en tête et remonte un pourcentage approximatif. Ce n’est pas faux à proprement parler, mais c’est lent, variable d’un conducteur de travaux à l’autre, et cela se fait à un rythme hebdomadaire alors que les photos sous-jacentes pourraient alimenter un suivi quotidien.
Ce que la vision par ordinateur apporte vraiment ici
L’objectif n’est pas de « regarder une photo et deviner à quel point le bâtiment est avancé ». Cette approche est trop vague pour être utile et trop vague pour être fiable. La vraie tâche, plus précise et plus mécanique, consiste à comparer des photos du même emplacement physique, prises à différents moments, à une liste définie de jalons d’avancement pour cet emplacement, puis à indiquer si chaque jalon semble terminé, en cours ou non démarré.
Les points de capture fixes comptent plus que les modèles sophistiqués
Le principal facteur de précision dans ce type de système n’est pas la sophistication du modèle — c’est la régularité de la capture. Un système qui compare des photos prises depuis le même emplacement de trépied ou le même point de passage de drone, avec un angle et une heure de la journée similaires, dépassera largement un modèle bien plus avancé qui essaie de recoller des photos prises depuis des points de vue aléatoires et incohérents. Avant d’investir dans la chaîne de vision, il vaut mieux investir dans un processus de capture photo simple et reproductible : les mêmes emplacements, les mêmes angles, à intervalles réguliers.
Les définitions des jalons doivent être concrètes
« Travaux de fondation » n’est pas un jalon qu’un système de vision peut vérifier à partir d’une photo. « Semelles coulées et durcies, armatures posées pour les murs » en est un. Le planning du projet doit être découpé en points de contrôle vérifiables visuellement — des éléments réellement visibles sur une photographie — avant qu’un système de vision ait quelque chose de concret à comparer. Ce travail de décomposition est généralement effectué une fois par type de projet puis réutilisé, au lieu d’être repris de zéro à chaque fois.
La détection des changements, pas la description de la scène
La version la plus fiable compare une photo actuelle à une photo précédente du même emplacement et cherche ce qui a changé, plutôt que d’essayer de décrire entièrement une image unique à partir de rien. Formuler le problème en « qu’est-ce qui est différent ici » plutôt qu’en « que contient toute cette photo » produit généralement un signal plus fiable et plus précis pour le suivi du planning.
Comment cela s’intègre aux outils de projet existants
Ce n’est pas un remplacement de votre logiciel de planification — c’est une entrée pour celui-ci. Le résultat de la chaîne de vision est une mise à jour structurée par jalon (terminé, en cours, non démarré, avec un niveau de confiance et la photo justificative), qui est injectée dans l’outil de planification ou de gestion de projet déjà utilisé par l’équipe, exactement comme le serait un rapport de visite de chantier, mais plus vite et de manière plus homogène. L’associer au travail plus large de développement en vision par ordinateur que nous réalisons signifie que la chaîne de capture et de détection est conçue autour de vos conditions de chantier et de votre structure de jalons spécifiques, et non d’un modèle générique.
Où cela casse
La météo et la lumière constituent le point de défaillance pratique le plus courant — une photo prise dans une forte ombre, sous la pluie ou à une heure très différente de l’image de référence peut réellement modifier ce qui est visible et produire une lecture erronée, d’où l’importance d’un score de confiance plutôt qu’une simple réponse oui/non. L’occultation vient en second — des matériaux, des équipements ou des échafaudages qui masquent la zone suivie afficheront « aucun avancement visible » alors qu’un vrai progrès a peut-être eu lieu juste derrière l’obstacle, et le système doit signaler cela comme incertain plutôt que l’annoncer comme un retard. Les travaux intérieurs sont plus difficiles que les travaux extérieurs pour la même raison qu’il est généralement plus compliqué de photographier à l’intérieur : un éclairage plus variable, davantage d’encombrement et des tâches parfois invisibles depuis un point de caméra fixe (par exemple un conduit passé dans un mur), ce qui impose une méthode de suivi différente, comme un reporting par checklist plutôt qu’une vérification visuelle.
Là où cela rapporte le plus vite
Cette approche est surtout utile sur les projets comportant de nombreuses unités répétitives nécessitant des vues d’avancement comparables — opérations multi-bâtiments, grandes structures uniques avec zones distinctes, ou tout projet où un conducteur de travaux consacre actuellement un temps réel chaque semaine à parcourir le site et à comparer manuellement. Les projets plus petits, ou ceux dont les travaux sont très variables et non répétitifs, ne génèrent souvent pas assez de volume pour justifier le coût de mise en place des jalons et des routines de capture.
Commencer
Le point de départ pratique n’est presque jamais le modèle de vision — c’est plutôt de s’accorder sur la liste des jalons et sur le processus de prise de photos pour votre type de projet précis. Une fois cela en place, le pipeline de détection est relativement simple à construire. Si vous suivez l’avancement d’un appel d’offres ou d’un chantier en cours et souhaitez définir concrètement à quoi cela ressemblerait pour votre site, notre travail en AI pour la construction et les appels d’offres couvre ce sujet directement, ou vous pouvez contacter l’équipe via notre page de contact.
Lié