Études de Cas

Un cabinet d'ingénierie structurelle de taille moyenne soumissionne pour un immeuble de bureaux de hauteur moyenne. Les marges sont minces et le client est sensible aux coûts. Un ingénieur junior suggère de passer le système latéral dans un outil de conception générative pour explorer les options de contreventement.

L'équipe formule le problème structurel en contraintes (charges, limites du code, trame de poteaux) et objectifs (minimiser le tonnage d'acier, préserver la constructibilité). L'outil renvoie des dizaines de configurations. Certaines réduisent nettement le matériau ; d'autres sont élégantes mais impraticables à fabriquer. Les ingénieurs en présélectionnent trois et vérifient chacune à la main.

L'IA a élargi l'espace des options bien au-delà de ce que l'équipe aurait dessiné à la main — mais la valeur est venue d'ingénieurs qui ont bien posé le problème et vérifié le résultat. L'outil propose ; les professionnels agréés décident. Les économies de matériau sur des systèmes structurels répétitifs se cumulent sur tout le projet.

Atelier Verde est un studio de design d'intérieur boutique inventé, de six personnes. Sa fondatrice décide de reconstruire tout le front-end de la pratique autour de l'IA : rendus de concept, sourcing de matériaux, moodboards et premiers brouillons de propositions passent par des outils d'IA avant qu'un humain n'y touche.

Le délai sur les concepts initiaux passe de jours à heures. Le studio démarche plus de prospects et gagne plus de contrats. Mais deux problèmes émergent : les designers juniors cessent de développer leur propre instinct visuel, et certains clients trouvent les premiers concepts 'interchangeables' — l'IA gravite vers les valeurs par défaut à la mode.

L'IA peut transformer le débit, mais la vitesse sans jugement cultivé est fragile. Les studios qui prospèrent utilisent l'IA pour la vélocité tout en protégeant délibérément l'artisanat humain — le goût, l'originalité et l'œil en développement du designer — que les clients paient réellement.

Une expérience de pensée délibérément extrême : imaginez un immeuble de hauteur moyenne construit par un chantier presque entièrement autonome. L'IA planifie chaque tâche, des robots posent chaque composant, la vision par ordinateur suit chaque tolérance et un jumeau numérique se met à jour en temps réel. Une équipe réduite d'humains supervise depuis une roulotte.

Dans le fantasme, la productivité et la précision s'envolent et les accidents sur site approchent zéro. Mais creusez : qui est responsable quand un système autonome commet une erreur structurelle à 3 h du matin ? Qu'advient-il des métiers et de la voie d'apprentissage qui produit les maîtres bâtisseurs ? Quels nouveaux modes de défaillance apparaissent quand le jumeau numérique et la réalité divergent en silence ?

Les scénarios extrêmes sont utiles précisément parce qu'ils brisent nos hypothèses. Poussées à la limite, les questions difficiles sur l'IA dans la construction se révèlent non techniques — elles portent sur la responsabilité, le travail, la reddition de comptes et ce que nous sommes prêts à cesser de comprendre nous-mêmes.