Remarque : Cet article est écrit et publié en protugais et est une version traduite de l’original ici.
Partie 2 sur 3 « L’IA dans le secteur AEC : Diagnostic, guide et test. » La première partie a permis de déterminer pourquoi les initiatives d’IA dans le secteur AEC sont en perte de vitesse. La partie 3 présente un outil fonctionnel avec le protocole de contexte du modèle connecté à Revit.
La partie 1 a fait valoir que les difficultés liées à l’adoption de l’IA dans le secteur AEC sont structurelles et non motivationnelles. Cet article vous montre ce qu’il faut faire à ce sujet, avec quatre piliers qui correspondent au fonctionnement réel du segment AEC, plutôt qu’à la façon dont les playbooks SaaS supposent qu’il fonctionne. Les piliers sont le diagnostic de maturité par fonction, la mesure du ROI lié à la logique économique des projets, la conduite du changement conçue pour l’exécution en sous-traitance, et un parcours du prototype à la production qui ne dépend pas d’une équipe de développement interne.
Diagnostiquer la maturité par rôle, et non par entreprise
La plupart des modèles de maturité évaluent l’entreprise dans son ensemble. Ce cadrage est utile pour les présentations exécutives, mais pratiquement inutile à mettre en pratique. Les rôles au sein d’une entreprise AEC ont des formats de données différents, des frictions culturelles différentes et des profils de ROI différents. Les traiter comme un seul bloc aplanit les décisions qui devraient être prises au niveau du rôle.
Les données du rapport 2025 State of Design & Make suggèrent ce changement. Entre 2024 et 2025, la part des personnes interrogées qui se sont décrites comme étant « au milieu de l’effort » pour adopter l’IA est passée de 25 % à 31 %, tandis que celles qui ont déclaré être « proches de l’objectif » sont passées de 48 % à 31 % [Source : Autodesk State of Design & Make, 2025]. Les données sont globales, les rapports n’isolent pas cette mesure par segment, mais rien n’indique qu’AECO s’écarte du modèle standard. Les entreprises qui pensaient être proches de la maturité se sont rendu compte qu’elles étaient au milieu d’un processus plus long. Le graphique par fonction était plus déroutant que n’importe quelle moyenne ne le suggère.
Une lecture fonction par fonction permet un dépistage plus précis. La création d’un projet est principalement un travail isolé, lié à des fichiers et soumis aux limites des outils, tandis que la coordination est encore plus complexe, étant multidisciplinaire et lente en raison des cycles de révision qui impliquent des personnes qui ne partagent pas le même parc technologique. Les opérations de conception sont un problème différent, fortement centré sur la production et limité par le volume de demandes de révision et de soumissions. Chacun de ces rôles nécessite une première étape différente, ce qui explique pourquoi le fait de les traiter comme une seule initiative produit le résultat « nous avons acheté un outil et rien ne s’est passé » mentionné dans la partie 1.
Mesurer le ROI selon la logique économique de la conception AEC
Il n’existe aucune jeu de données claire du public sur les ROI spécifiques de l’IA pour le secteur AEC. L’étude de PwC menée auprès de 1 217 entreprises a révélé que les 20 % les plus performants en matière d’IA obtiennent des performances financières 7,2 fois supérieures à celles générées par l’IA par rapport aux autres [Source : Étude sur les performances de l’IA de PwC, 2025]. Ce chiffre provient de plusieurs secteurs de marché et provient d’un cabinet de conseil dont l’intérêt commercial est de renforcer l’urgence d’agir. Traitez donc la valeur 7,2x comme un signal sur l’écart entre les leaders et les autres, et non comme une référence pour le secteur AEC.
Un cadre plus utile pour le secteur AEC consiste à séparer trois catégories de ROI et à mesurer chacune selon ses propres critères.
Gain de temps lors de la création. Facile à mesurer en heures par livrable. La vraie force est dans l’agrégation, car les économies, multipliées par de nombreux utilisateurs qui gagnent quelques heures par semaine, deviennent significatives même au niveau de la direction. Le problème n’est pas l’ampleur, mais la conversion, car il n’est pas possible de savoir avec certitude si les heures gagnées deviennent une véritable productivité ou se dissipent dans d’autres tâches sans générer de valeur mesurable.
Gain de temps lors de la coordination. Elle reflète directement la logique économique du projet. Réduction des conflits, réduction des demandes de révision, cycles d’approbation plus rapides. Montant moyen lorsque le projet est important, parfois plus élevé. Le problème est l’attribution, car la plupart des entreprises ne conservent pas de mesures de comparaison, de sorte que même les équipes qui réalisent de réels gains de coordination ne peuvent souvent pas prouver que les gains proviennent de l’IA plutôt que d’une amélioration du travail lui-même.
Retouches évitées. Le rapport qualité-prix le plus élevé, le plus difficile à mesurer avec précision. L’argument de « si nous n’avions pas identifié cela, cela aurait coûté X » est difficile à prouver, mais l’ampleur compte.
Une entreprise qui mesure le temps de création uniquement au niveau du workflow constatera que l’IA a apporté des gains à un chiffre, tandis qu’une entreprise qui suit les trois catégories sur l’ensemble de son portefeuille de projets voit la vraie situation.
Gestion du changement pour un secteur qui sous-traite l’exécution
Le Wharton Blueprint for AI Agent Adoption identifie trois frictions psychologiques à l’adoption : la compétence perçue, la confiance et la délégation de contrôle. Les recherches montrent que les préoccupations en matière de contrôle représentent à elles seules 26 % de la décision d’adoption [Source : Wharton Blueprint for AI Agent Adoption, 2026]. Les gens ne délèguent pas à des systèmes qu’ils ne peuvent pas facilement réviser, mettre en pause ou rétablir.
Dans le secteur AEC, il y a une nuance supplémentaire. L’entreprise qui adopte l’IA n’est souvent pas celle qui fait le travail sur le terrain. Une agence d’architecture peut automatiser la détection des conflits dans Revit. Le sous-traitant qui lit les dessins révisés se trouve dans un autre parc technologique, avec d’autres incitations et mesures de performance. La gestion du changement est donc double : une fois au sein de l’entreprise qui l’adopte, une fois dans le passage à l’exécution.
Le gestionnaire BIM est exactement à ce point de jonction. Traité comme un filtre, il ralentit l’adoption. Considéré comme un juste milieu entre l’intention du concepteur et la couche d’exécution, il accélère l’adoption. Le cadre du State of AI Agents Report 2026 de Deloitte est simple : « la transformation de la main-d’œuvre déterminera qui gagne » [Source : Rapport sur l’état anthropique des agents d’IA, 2026, citant Deloitte]. Dans le secteur AEC, la transformation de la main-d’œuvre ne concerne pas seulement vos propres employés, mais aussi la façon dont le maillon suivant de la chaîne absorbe ce que l’IA vient de produire.
Le parcours du prototype à la production
Le guide dit : définissez un cas d’utilisation, financez un cycle de développement de 12 mois, évaluez les résultats et seulement ensuite évoluez. Peu d’entreprises du segment AEC en dehors du premier échelon ont la capacité informatique de soutenir ce cycle, et c’est pourquoi la prémisse du « déploiement de l’IA à l’échelle de l’entreprise » cache un retard de développement qui, dans la pratique, n’existe pas.
Ce qui a changé au cours de l’année écoulée, c’est à quel point le prototypage est devenu moins cher. Des frameworks tels que le Model Context Protocol permettent aux experts du domaine, y compris les gestionnaires de BIM, de créer des outils fonctionnels connectés aux logiciel actuels, sans passer par un cycle de développement traditionnel. L’équipe d’Accenture interrogée dans le cadre du rapport State of AI Agents Report 2026 d’Anthropic décrit le MCP comme un élément clé de l’infrastructure pour une communication dynamique et résiliente entre les agents [Source : Rapport sur l’état anthropique des agents d’IA, 2026]. En pratique, cela signifie que des outils qui nécessitaient autrefois des trimestres d’efforts informatiques peuvent maintenant être prototypés en quelques jours par la personne qui en a besoin.
Cela ne résout pas le déploiement à l’échelle de l’entreprise, mais plutôt le goulot d’étranglement identifié dans la partie 1 : la faible capacité informatique par entreprise. Un gestionnaire BIM capable de configurer un tableau de bord fonctionnel connecté à Revit en une semaine change la logique de coût du développement d’outils en interne.
Plus que la somme de ses parties
Les piliers mis en œuvre de manière isolée produisent des tableaux de bord. Les piliers mis en œuvre ensemble produisent de la capacité.
Une entreprise qui diagnostique la maturité par fonction mais n’ajuste jamais la façon dont elle mesure le ROI fera rapport des progrès sans voir le retour sur investissement. Une entreprise qui obtient la bonne mesure du ROI, mais ignore la transition vers le sous-traitant, verra les gains de création s’évaporer dans la couche d’exécution. Et les entreprises qui résolvent les deux, mais qui n’ont pas de chemin du prototype à la production, continuent de se heurter au mur de capacités informatiques dans des outils qui devraient prendre une semaine à terminer.
La partie 3 de cette série montre à quoi ressemble l’un de ces outils dans la pratique : un tableau de bord connecté à Revit, construit comme l’artefact de Claude à l’aide de MCP, qui suit l’évolution d’un modèle tout au long des cycles de révision. C’est une petite partie de l’écart de déploiement, mais cela montre la forme de ce que le playbook produit lorsque les piliers sont alignés.
Références
- Autodesk State of Design & Make 2025 — autodesk.com
- PwC, Étude sur les performances de l’IA 2025 — pwc.com
- Wharton, Le plan Wharton pour l’adoption des agents IA (2026) — knowledge.wharton.upenn.edu
- Anthropic, Le rapport 2026 sur l’état des agents d’IA — resources.anthropic.com
Pour ajouter un commentaire ici, vous devez être inscrit. Si vous êtes déjà inscrit, connectez-vous. Dans le cas contraire, inscrivez-vous puis connectez-vous.