OnsiteIQ a créé une plateforme de renseignement sur les chantiers, alimentée par Ultralytics YOLO11, qui exécute des modèles de segmentation sur des chantiers filmés à 360 degrés afin de détecter en temps réel l’avancement des travaux, les risques pour la sécurité et les problèmes opérationnels, réduisant ainsi les retards de projet de 20 %.
Dans le secteur de la construction, les lacunes en matière d’information coûtent cher. Lorsqu’un projet prend du retard, il peut falloir des semaines pour en déterminer la cause, attribuer les responsabilités et convenir d’une solution entre les propriétaires, les promoteurs et les sous-traitants. Pendant ce temps, les retards s’accumulent, les budgets s’érodent et les revenus diminuent. Pour un hôtel dont la livraison est retardée de deux mois, le manque à gagner peut représenter une part importante du retour sur investissement initialement prévu.
Le problème fondamental est le manque de visibilité. Les projets de construction mobilisent des dizaines de corps de métier qui travaillent simultanément sur des sites vastes et complexes. Sans registre fiable et continu de ce qui a été réalisé, à quel moment et par qui, il est difficile de régler rapidement les litiges et de prévoir avec précision l’avancement des travaux.
OnsiteIQ a été créée pour combler cette lacune. L’entreprise déploie un réseau de spécialistes de la capture sur des chantiers en activité, où ils documentent 100 % de chaque site à l’aide de caméras à 360 degrés, selon une fréquence hebdomadaire, bimensuelle ou quotidienne, en fonction du projet.
Ces images sont ensuite transformées en images géolocalisées et traitées par un pipeline d’IA propriétaire qui détecte l’avancement des travaux, signale les risques pour la sécurité et fait ressortir des informations opérationnelles, le tout grâce à Ultralytics YOLO11.
Apporter le renseignement sur les chantiers à chaque site de construction#
OnsiteIQ fournit des services de renseignement sur les chantiers aux propriétaires et aux promoteurs immobiliers. À ce jour, OnsiteIQ a suivi plus de 3 000 projets dans plus de 200 villes des États-Unis et du Canada, représentant plus de 34 milliards de dollars de nouvelles constructions. Sa plateforme permet aux équipes projet de comprendre ce qui se passe sur un chantier presque en temps réel, sans avoir à s’y rendre. Une équipe chargée d’un projet de développement d’un million de pieds carrés peut examiner l’ensemble du site en une seule journée de travail et consulter des informations générées par l’IA sur l’avancement, par étage, par corps de métier et par zone.
La plateforme repose sur une proposition de valeur simple : veiller à ce que les capitaux investis produisent les résultats escomptés, dans les délais et le respect du budget. Les retards de construction ont un impact financier direct. Si un hôtel est livré avec deux mois de retard, les recettes perdues sur les chambres pendant cette période réduisent directement le retour sur investissement du projet. OnsiteIQ donne aux équipes projet la visibilité nécessaire pour détecter tôt les problèmes de séquencement. Elles peuvent, par exemple, constater que la pose des cloisons sèches avance plus vite que prévu et avertir les corps de métier de l’électricité et de la plomberie afin qu’ils suivent le rythme, avant que ces problèmes n’entraînent des retards plus importants.
Au-delà du suivi de l’avancement, la plateforme prend également en charge la surveillance de la sécurité et des risques. La détection des extincteurs, des alarmes incendie, des infiltrations d’eau et d’autres conditions sur le chantier offre aux équipes projet un niveau de supervision supplémentaire qui nécessiterait autrement des rondes d’inspection en personne dédiées.
La difficulté de suivre l’avancement sur un chantier en constante évolution#
Les chantiers sont des environnements dynamiques. Un même espace peut avoir un aspect totalement différent à chaque phase du projet, de l’excavation et de la structure jusqu’aux travaux de gros œuvre des lots techniques, à la pose des cloisons sèches et aux finitions intérieures. Pour suivre ce qui est terminé et ce qui ne l’est pas, il faut un système capable de comprendre l’état visuel d’un site simultanément à toutes ces étapes.
Les approches manuelles, comme les visites de chantier, les rapports d’avancement et l’envoi de photos, demandent souvent beaucoup de travail, manquent de cohérence et sont difficiles à déployer à grande échelle sur des projets complexes ou de grande envergure.
Pour OnsiteIQ, le défi consistait à créer un système de détection capable d’identifier avec précision des classes propres à la construction dans des centaines de milliers d’images par projet, malgré des conditions très variables selon le site, l’éclairage et la phase des travaux. Le système devait traiter rapidement de grands volumes d’images en arrière-plan, être suffisamment précis pour appuyer les décisions financières et opérationnelles et rester assez flexible pour s’adapter à l’élargissement continu de l’ontologie des classes détectables de l’entreprise.
Comment OnsiteIQ utilise Ultralytics YOLO11#
Le pipeline d’IA d’OnsiteIQ repose sur la segmentation avec Ultralytics YOLO11, appliquée à chaque image capturée sur un chantier. Le système utilise comme base pour l’entraînement des modèles et la détection une ontologie propriétaire, c’est-à-dire un système structuré de classes de construction créé et tenu à jour par OnsiteIQ. Comme l’explique le chef de produit principal Rammohan Adabala, cette ontologie permet d’obtenir des détections exploitables pour la prise de décision : les classes sont définies selon l’état autant que selon l’objet, de sorte que le système distingue les cloisons sèches posées de celles qui ont été jointoyées ou peintes. Cette distinction permet de regrouper les détections au niveau de l’image pour obtenir des données d’avancement sur lesquelles un propriétaire peut agir.
Le pipeline fonctionne en deux étapes :
• Détection au niveau de l’image. Chaque image à 360 degrés capturée sur un chantier est traitée par le modèle de segmentation YOLO11, qui détecte et classe les éléments de construction présents dans l’image. L’ontologie couvre de nombreuses classes, représentatives de toutes les phases de construction, depuis les structures en béton brut et les travaux de gros œuvre des lots techniques jusqu’aux cloisons sèches non peintes, aux surfaces finies et aux appareils installés. La détection d’un réfrigérateur ou d’un four, par exemple, indique au système qu’un logement résidentiel ou une unité hôtelière est en phase de finition.
• Regroupement en informations exploitables. Les détections réalisées sur chaque image sont regroupées dans l’ensemble des données du projet afin de produire des indicateurs d’avancement par étage et par corps de métier. Ces indicateurs alimentent les fonctions de suivi de l’avancement, d’analyse des calendriers, d’analyse des risques et les tableaux de bord de sécurité de la plateforme, consultables directement par les propriétaires, les promoteurs et les chefs de projet.
La segmentation fournit à OnsiteIQ des informations spatiales plus riches que la seule détection par boîte englobante. À mesure que son ontologie s’élargit, OnsiteIQ développe également une architecture d’ensemble qui combine un modèle de segmentation et un classificateur, afin d’améliorer plus efficacement la précision sur un nombre croissant de classes qu’avec un modèle unique.
Fig. 1 La plateforme OnsiteIQ en action, tirant parti d’Ultralytics YOLO11.
Pourquoi choisir Ultralytics YOLO11 ?#
OnsiteIQ a choisi Ultralytics YOLO11 pour l’association de la précision de détection, de la flexibilité de l’entraînement et de la facilité avec laquelle l’équipe pouvait créer ses propres jeux de données propriétaires et les faire évoluer. Selon l’ingénieur principal Evgeny Nuger, la possibilité de démarrer rapidement — en créant un jeu de données, en lançant l’entraînement et en améliorant les résultats par itérations — était nettement plus rapide que de créer une infrastructure personnalisée à partir de zéro. C’était l’une des principales raisons qui ont poussé l’équipe à adopter Ultralytics.
Comme les données d’entraînement d’OnsiteIQ sont propriétaires, capturées directement sur des chantiers en activité et annotées selon l’ontologie propre à l’entreprise, l’équipe gère sa propre infrastructure sur AWS et utilise le package Python Ultralytics pour entraîner les modèles et les maintenir à jour. Cette approche permet à OnsiteIQ de garder le contrôle total de ses données tout en profitant des performances et de la fiabilité de la famille de modèles YOLO.
La flexibilité de l’architecture YOLO a également été importante à mesure que le cas d’usage d’OnsiteIQ évoluait. Partie d’un seul modèle de segmentation, l’équipe développe maintenant une approche par ensemble à mesure que l’ontologie s’élargit. Cette évolution naturelle est prise en charge par le cadre YOLO sans qu’il soit nécessaire de modifier en profondeur le pipeline sous-jacent.
L’impact du renseignement sur les chantiers à grande échelle#
OnsiteIQ a mené des études d’impact auprès de ses clients afin de quantifier les améliorations opérationnelles résultant du déploiement de sa plateforme. Plusieurs indicateurs récurrents se dégagent de ces études :
• Règlement des litiges 3 fois plus rapide. 81 % des utilisateurs ont signalé un règlement plus rapide des litiges, avec une réduction moyenne par 3 du délai de résolution et des cas jusqu’à 7 fois plus rapides selon la phase et la complexité du projet. Grâce à un historique visuel continu et géolocalisé de chaque zone du site, les parties prenantes peuvent rapidement déterminer où et quand un problème est survenu, ce qui réduit le temps consacré aux échanges successifs entre les corps de métier.
• Économies de 25 000 à 400 000 dollars sur les dépassements de coûts. Les clients ont déclaré avoir évité entre 25 000 et 400 000 dollars de dépassements de coûts par projet en détectant les problèmes de séquencement et les risques avant qu’ils ne s’aggravent.
• Réduction de 20 % des retards de projet. Étant donné que la majorité des projets de construction se terminent en retard, une réduction de 20 % des retards améliore sensiblement la prévisibilité des livraisons et la concrétisation des revenus.
• Amélioration de 24 % de la prévisibilité des livraisons. 78 % des utilisateurs ont signalé une meilleure prévisibilité de la livraison des projets, avec une amélioration moyenne de 24 %, ce qui donne aux propriétaires et aux promoteurs une base plus fiable pour leur planification financière et leurs rapports aux parties prenantes.
Dans l’ensemble, la plateforme constitue également un registre patrimonial à long terme. Une fois la construction terminée, les gestionnaires d’installations peuvent utiliser les images d’OnsiteIQ pour voir ce qui se trouve derrière les murs, localiser les canalisations ou examiner des problèmes dans le bâtiment, sans devoir procéder par conjectures ni entreprendre de travaux exploratoires perturbateurs.
Une visibilité continue tout au long du cycle de vie du projet#
OnsiteIQ s’attaque à un problème d’information fondamental dans le secteur de la construction. Les grands projets mobilisent des capitaux importants, exigent une coordination complexe entre plusieurs corps de métier et sont fortement exposés aux pertes financières dues aux retards. En associant la capture à 360 degrés à un pipeline d’IA fondé sur Ultralytics YOLO11, OnsiteIQ donne aux équipes projet la visibilité nécessaire pour respecter les échéances, du premier jour d’excavation jusqu’à la remise des clés et au-delà.
Les résultats sont mesurables : les litiges sont réglés trois fois plus rapidement, les retards diminuent d’un cinquième et des centaines de milliers de dollars de dépassements de coûts sont évités par projet. À mesure que l’ontologie d’OnsiteIQ s’enrichit et que son architecture de modèles en ensemble évolue, Ultralytics YOLO reste au cœur d’une plateforme conçue pour apporter un renseignement fiable et continu à chaque chantier.
Tu t’intéresses à la vision par IA dans la construction et les infrastructures ? Découvre nos options de licence pour intégrer des solutions de vision par ordinateur à tes projets. Consulte notre dépôt GitHub et rejoins notre communauté.
