OnsiteIQ réduit les retards de projets de 20 % grâce à Ultralytics YOLO11
Découvre comment OnsiteIQ utilise Ultralytics YOLO11 pour surveiller les chantiers de construction, réduisant les retards de projets de 20 % et résolvant les litiges 3 fois plus rapidement.
Dans la construction, les lacunes en matière d'information coûtent cher. Lorsqu'un projet prend du retard, identifier la cause, attribuer les responsabilités et se mettre d'accord sur une solution entre propriétaires, promoteurs et sous-traitants peut prendre des semaines. Entre-temps, les retards s'accumulent, les budgets s'érodent et les revenus se perdent. Pour un hôtel dont l'ouverture est repoussée de deux mois, cet écart peut représenter une part importante du retour sur investissement initialement prévu.
Le problème fondamental est la visibilité. Les projets de construction impliquent des dizaines de corps de métier travaillant simultanément sur des sites vastes et complexes. Sans enregistrement fiable et continu de ce qui a été accompli, quand et par qui, les litiges sont difficiles à résoudre rapidement et l'avancement est difficile à prévoir avec précision.
OnsiteIQ a été conçu pour combler cet écart. L'entreprise déploie un réseau de spécialistes de la capture sur les chantiers de construction actifs, capturant 100 % de chaque site à l'aide de caméras à 360 degrés selon une fréquence hebdomadaire, bihebdomadaire ou quotidienne, selon le projet.
Ces images sont ensuite transformées en imagerie géolocalisée et traitées par un pipeline d'IA propriétaire qui détecte l'avancement des travaux, signale les risques de sécurité et fait ressortir des analyses opérationnelles, le tout alimenté par Ultralytics YOLO11.
Apporter l'intelligence de la construction à chaque chantier#
OnsiteIQ fournit une intelligence de construction aux propriétaires et aux promoteurs immobiliers. À ce jour, OnsiteIQ a surveillé plus de 3 000 projets répartis dans plus de 200 villes aux États-Unis et au Canada, couvrant plus de 34 milliards de dollars de nouveaux développements. Sa plateforme donne aux équipes de projet la capacité de comprendre ce qui se passe sur un chantier en temps quasi réel, sans avoir à y être physiquement présentes. Une équipe de projet gérant un développement d'un million de pieds carrés peut examiner l'ensemble du site en une seule journée de travail, avec des informations générées par l'IA sur l'avancement par étage, par corps de métier et par zone.
La plateforme est conçue autour d'une proposition de valeur simple : s'assurer que le capital déployé atteint le résultat escompté, dans les délais et le budget impartis. Les retards de construction ont un impact financier direct. Si un hôtel est livré avec deux mois de retard, la perte de revenus locatifs pour cette période grève directement le retour sur investissement du projet. OnsiteIQ offre aux équipes de projet la visibilité nécessaire pour repérer rapidement les problèmes de séquencement, par exemple en identifiant que la pose de cloisons sèches avance plus vite que prévu et en alertant les corps de métier de l'électricité et de la plomberie pour qu'ils maintiennent 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 de chantier offre aux équipes de projet un niveau de contrôle supplémentaire qui nécessiterait autrement des rondes d'inspection physiques dédiées.
Le défi du suivi de l'avancement sur un chantier en évolution#
Les chantiers de construction sont des environnements dynamiques. Le même espace a un aspect totalement différent à chaque phase d'un projet, de l'excavation et du gros œuvre jusqu'aux installations techniques de base, aux cloisons sèches et aux intérieurs finis. Le suivi de ce qui a été achevé et de ce qui ne l'a pas été nécessite un système capable de comprendre l'état visuel d'un site à travers toutes ces phases simultanément.
Les approches manuelles de ce problème, telles que les visites de chantier, les rapports d'avancement et la soumission de photos, demandent souvent beaucoup de travail, manquent de cohérence et sont difficiles à déployer à l'échelle pour des projets vastes ou complexes.
Pour OnsiteIQ, le défi consistait à construire un système de détection capable d'identifier avec précision des classes spécifiques à la construction sur des centaines de milliers d'images par projet, dans des conditions qui varient considérablement selon le site, l'éclairage et la phase. Le système devait être suffisamment rapide pour traiter de grands volumes d'images en arrière-plan, suffisamment précis pour étayer la prise de décision financière et opérationnelle, et suffisamment flexible pour s'élargir à mesure que l'ontologie des classes détectables de l'entreprise continuait de croître.
Comment OnsiteIQ utilise Ultralytics YOLO11#
Le pipeline d'IA d'OnsiteIQ est construit autour de la segmentation Ultralytics YOLO11, s'exécutant sur chaque image capturée sur un chantier. Le système utilise une ontologie propriétaire, un système de connaissances structuré de classes de construction construit et maintenu par OnsiteIQ, comme base pour l'entraînement du modèle et la détection. Comme le décrit le chef de produit principal Rammohan Adabala, c'est l'ontologie qui rend les détections exploitables pour la prise de décision : les classes sont définies par leur état autant que par leur objet, de sorte que le système distingue les cloisons sèches qui ont été posées de celles qui ont été jointoyées ou peintes. C'est cette distinction qui permet aux détections au niveau de l'image de s'agréger en un avancement sur lequel 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 passée par le modèle de segmentation YOLO11, qui détecte et classe les éléments de construction présents dans l'image. L'ontologie couvre un large éventail de classes à chaque phase de la construction, du gros œuvre en béton brut et des installations techniques de base 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'une unité résidentielle ou hôtelière a atteint le stade des finitions.
• Agrégation en informations. Les détections d'images individuelles sont agrégées sur l'ensemble du jeu de données d'un projet, produisant des mesures d'avancement par étage et par corps de métier. Ces mesures alimentent le suivi de l'avancement, l'analyse des planings, l'analyse des risques et les tableaux de bord de sécurité de la plateforme, qui sont présentés directement aux propriétaires, aux promoteurs et aux chefs de projet.
L'utilisation de la segmentation offre à OnsiteIQ des informations spatiales plus riches que la seule détection par boîte englobante. À mesure que l'ontologie de l'entreprise s'élargit, OnsiteIQ développe également une architecture d'ensemble qui combine un modèle de segmentation avec un classificateur, permettant au système d'améliorer la précision sur un ensemble de classes croissant plus efficacement qu'un modèle unique ne le permettrait.
Fig 1. La plateforme OnsiteIQ en action exploitant Ultralytics YOLO11.
Pourquoi choisir Ultralytics YOLO11 ?#
OnsiteIQ a choisi Ultralytics YOLO11 pour sa combinaison de précision de détection, de flexibilité d'entraînement et de facilité avec laquelle l'équipe pouvait construire et itérer sur ses propres jeux de données propriétaires. Selon l'ingénieur principal Evgeny Nuger, la capacité à démarrer rapidement, à constituer un jeu de données, à exécuter l'entraîneur et à itérer sur les résultats s'est avérée nettement plus rapide que de construire une infrastructure personnalisée à partir de zéro, et a été l'une des principales raisons pour lesquelles l'équipe s'est tournée vers Ultralytics.
Étant donné que les données d'entraînement d'OnsiteIQ sont propriétaires, capturées directement sur des chantiers actifs et étiquetées selon la propre ontologie de l'entreprise, l'équipe gère sa propre infrastructure sur AWS, en utilisant le paquet Python Ultralytics pour exécuter l'entraînement et maintenir les modèles à jour. Cette approche donne à OnsiteIQ un contrôle total sur ses données tout en bénéficiant des performances et de la fiabilité de la famille de modèles YOLO.
La flexibilité de l'architecture YOLO a également joué un rôle important à mesure que le cas d'usage d'OnsiteIQ a évolué. En partant d'un modèle de segmentation unique, l'équipe s'oriente désormais vers une approche d'ensemble à mesure que l'ontologie grandit, une progression naturelle que le framework YOLO prend en charge sans nécessiter de modification fondamentale du pipeline sous-jacent.
L'impact de l'intelligence de construction à grande échelle#
OnsiteIQ a mené des études d'impact avec ses clients pour quantifier les améliorations opérationnelles qui découlent du déploiement de sa plateforme. À travers ces études, plusieurs mesures cohérentes ont émergé :
• Résolution des litiges 3 fois plus rapide. 81 % des utilisateurs ont signalé une résolution des litiges plus rapide, avec une diminution moyenne du temps de résolution par 3 et des cas jusqu'à 7 fois plus rapides selon la phase et la complexité du projet. Grâce à un enregistrement visuel continu et géolocalisé de chaque zone du site, les parties prenantes peuvent rapidement identifier quand et où un problème est survenu, réduisant le temps passé en allers-retours entre les corps de métier.
• Économies de 25 000 $ à 400 000 $ sur les dépassements de coûts. Les clients ont signalé avoir évité entre 25 000 $ et 400 000 $ 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 projets. Étant donné que la majorité des projets de construction se terminent après la date prévue, une réduction de 20 % des retards représente une amélioration significative de la prévisibilité des livraisons et de la réalisation des revenus.
• Augmentation de 24 % de la prévisibilité des livraisons. 78 % des utilisateurs ont signalé une amélioration de la prévisibilité de la livraison des projets, avec une augmentation moyenne de 24 %, offrant aux propriétaires et aux promoteurs une base plus fiable pour la planification financière et le reporting aux parties prenantes.
Globalement, la plateforme sert également d'enregistrement d'actifs à long terme. Une fois la construction achevée, les gestionnaires d'installations peuvent utiliser l'imagerie d'OnsiteIQ pour comprendre ce qui se cache derrière les murs, localiser la tuyauterie ou enquêter sur des problèmes de bâtiment, sans conjectures ni travaux exploratoires perturbateurs.
Visibilité continue tout au long du cycle de vie du projet#
OnsiteIQ résout un problème d'information fondamental dans la construction. Les grands projets impliquent un capital important, une coordination complexe entre de multiples corps de métier et une forte exposition financière aux retards. En combinant la capture à 360 degrés avec un pipeline d'IA construit sur Ultralytics YOLO11, OnsiteIQ donne aux équipes de projet la visibilité dont elles ont besoin pour maintenir les projets sur la bonne voie, du premier jour de l'excavation jusqu'à la livraison et au-delà.
Les résultats sont mesurables : des litiges résolus trois fois plus rapidement, des retards réduits d'un cinquième et des centaines de milliers de dollars de dépassements de coûts évités par projet. Alors que l'ontologie d'OnsiteIQ continue de s'élargir et que son architecture de modèle d'ensemble se développe, Ultralytics YOLO reste au cœur d'une plateforme conçue pour apporter une intelligence fiable et continue à chaque chantier.
Curieux de connaître l'IA de vision pour la construction et l'infrastructure ? Découvrez nos options de licence pour apporter des solutions de vision par ordinateur à vos projets. Visitez notre répertoire GitHub et rejoignez notre communauté.
