Aller au contenu

Préférences et cookies

Afin d’améliorer votre expérience sur notre site et de réaliser des statistiques de visites, nous utilisons des cookies. Rien n’est déposé sans votre accord, et le refus n’enlève l’accès à aucun contenu. Ce choix peut être modifié à tout moment.

Gérer les traceursVos données

Personnaliser

ArticleDonnées & IA

Socotec teste la GenAI et la computer vision pour ses plans techniques

Pour moderniser la gestion des plans, Socotec s'est associé à IBM et SQLI pour trouver une solution mêlant computer vision et IA générative. Une initiative qui a démarré par un hackathon et devrait se poursuivre par une thèse sur le sujet.

La rédaction

En matière de data et d’IA, Socotec mène plusieurs initiatives comme l’indique Raphaël Leclerc, directeur data et IA au sein du spécialiste de la maîtrise des risques et du conseil technique pour le bâti (mur, toit, plafond). « Nous avons 5 axes stratégiques dans ces domaines. Le premier concerne l’inspection augmentée avec l’IA, car 60% de notre métier c’est d’envoyé des gens sur le terrain pour inspecter. Le second porte sur l’IoT et la data, le troisième vise les assistants de GenAI, le quatrième pousse la robotique. Et le dernier cible l’extraction d’informations à partir de plans et de documents techniques », explique le dirigeant.

Un domaine clé pour Socotec, car « le plan, c’est l’outil de travail numéro un de notre métier ». Le souci est que ce sujet « a très peu évolué » et nous avions besoin de changer ce processus », glisse Raphaël Leclerc. Avec IBM et SQLI, une réflexion s’est mise en place sur l’impact de l’IA sur le processus de gestion des plans techniques. Si le projet est basé sur le long terme, Socotec a voulu expérimenter « mais de manière modeste au départ », reconnaît le responsable. Il s’est focalisé sur un thème particulier, l'analyse de la conformité des plans vis-à-vis de la conformité PMR (personne à mobilité réduite).

Un hackathon pour une solution hybride

Dans ce cadre, le trio est rapidement tombé d’accord pour la mise en place d’un hackhaton. IBM a fourni la couche technologique. « Nous sommes partis sur la plateforme Watsonx pour tester une grande panoplie de modèles comme Mistral, Llama ou Granite. Chacun a été mis en concurrence au fur et à mesure pour savoir lequel était le plus adapté », souligne Mehdi Boulaymen ingénieur sur l’expérience client en IA chez IBM. Il ajoute, « nous avons même été sur la partie classique du machine learning avec des modèles de computer vision ». De son côté, SQLI a accueilli dans ses locaux pendant une journée le hackathon et a mis à disposition des équipes spécialisées en IA, « mais aussi des designers qui nous ont challengé en tant qu’utilisateur métier », glisse Guillaume Wattellier, responsable de la data et l’IA chez SQLI. Une approche importante selon lui, « car les techniciens arrivent rapidement à la limite sur le plan de l’imagination et de l’inventivité. Avec les designers, nous avons pu reconstruire la problématique ».

Sur les enseignements de ce retour d'expérience sur Big Data et IA 2025, Raphaël Leclerc a mis en avant deux points principaux. « Le premier point est qu’il y a un sujet et les technologies sont là et le second porte sur l’usage avec une approche hybride », observe le dirigeant. Sur ce dernier point, il précise, « sur notre cas, nous n’y arriverons pas en utilisant uniquement l’IA générative mais en la combinant avec du deep learning ». En l’espèce, les équipes ont commencé avec un modèle de reconnaissance d’images, Maverick 4, mais elles ont constaté des hallucinations, « sur un plan où il y avait quatre appartements, le modèle nous en indiqué sept », se souvient Mehdi Boulaymen. Pour résoudre ce problème, l’ingénieur réfléchit à du fine tuning « moins coûteux à faire sur du deep learning que sur des transformers ». Autre point qui joue en faveur d’outils de computer vision, « le besoin de récupérer les coordonnées exactes, pixel par pixel, pour être le plus déterministe possible. Or par essence, l’IA générative n’est pas déterministe », constate Mehdi Boulaymen. Pour illustrer cette observation, Raphaël Leclerc rappelle que dans le cadre d’un plan PMR plusieurs éléments sont analysés, « le plus basique avec la largeur de la porte. Un fauteuil, dans n’importe quel appartement PMR doit pouvoir tourner sur lui-même. Il faut prendre aussi en considération la position d’un interphone, les rampes d’accès Cela nécessite des analyses géométriques complexes ».

Un travail sur le long terme

Fort de ces différents enseignements, le directeur data et IA de Socotec estime nécessaire « d’aller plus loin sur l’approche deep learning ». Dans ce cadre, il a décidé de se tourner vers l’écosystème académique en « lançant une thèse avec l’Inria et Centrale Supélec pour valoriser des millions de plans ». Mais pendant les trois ans de la thèse, Socotec entend bien continué à travailler « sur des sous-ensembles de plan comme la conformité des garde-corps ou les places de parking », souligne Raphaël Leclerc. Pour lui, cette démarche « évite les effets tunnels et qu’entre-temps le projet peut mourir 100 fois avant qu’il arrive au bout ».

Il reste concentré sur l’objectif de ces différentes initiatives c’’est à dire « faciliter le travail du contrôleur technique ». Outre les aspects technologiques, il y a des questions sur le rapport homme-machine, souligne le responsable. « Un contrôleur technique a la responsabilité pénale de ses missions. Il faut donc déterminer ce qu’il délègue ou non à la machine » reconnait-il. Un temps d’acculturation sera donc nécessaire pour lever les doutes , « à nous de trouver les leviers pour rassurer », glisse-t-il en conclusion.

Newsletter

La Quotidienne LMI

Recevez chaque matin l’actualité IT de la rédaction.

Socotec teste la GenAI et la computer vision pour ses plans techniques