Quatre freins à l'IA dans le bâtiment : trois auxquels nous répondons, un auquel nous ne répondons pas

L'Observatoire des métiers du BTP a publié une étude sur l'intégration de l'intelligence artificielle dans la filière, réalisée par le cabinet Plein Sens. Elle identifie précisément ce qui bloque. Voici, frein par frein, ce que nous faisons — et où nous nous arrêtons.

Moins d'une entreprise du bâtiment sur dix utilise aujourd'hui des outils d'IA. Le chiffre est souvent commenté comme un retard culturel. L'étude dit autre chose, et c'est plus intéressant : les blocages sont structurels, identifiables, et ils tiennent bien plus aux conditions d'intégration qu'à la technologie elle-même.

Autant l'annoncer franchement : cet article est un article de positionnement. Nous avons construit notre offre autour de ces constats — et pour l'essentiel, avant de les lire. Le diagnostic du travail réel avant tout choix d'outil, l'accompagnement au poste plutôt qu'en salle, l'abonnement adossé aux gains mesurables. L'étude ne nous a pas inspirés, elle nous a confirmés. C'est une différence qui se vérifie, et nous préférons qu'elle se vérifie.

Frein 1 — Personne ne traduit les besoins métier en solutions

C'est le constat central de l'étude, et le plus juste. Il manque dans les petites structures une fonction d'interface entre les métiers et la technologie : quelqu'un capable de transformer un problème opérationnel concret en solution utilisable.

Sans cette fonction, la diffusion se fait par bricolage. Une ou deux personnes curieuses testent dans leur coin, obtiennent des résultats intéressants, et rien ne se structure. Le jour où elles changent de poste, tout disparaît.

Ce que nous faisons. Nous commençons systématiquement par l'analyse du travail réel, avant toute question d'outil. On regarde ce qui circule, ce qui se ressaisit deux fois, ce qui se perd. On en tire une liste de tâches avec leur fréquence et ce qui coince — un document d'une ou deux pages, souvent utile indépendamment de toute IA.

La formation commence par un point que la plupart des offres sautent : comprendre ce qu'est réellement une IA générative. Pas la plomberie technique — la nature de la chose. Un système qui produit du texte vraisemblable à partir de régularités statistiques, sans savoir, sans intention, et sans jamais vérifier ce qu'il avance.

Ce n'est pas de la culture générale. C'est ce qui permet à une personne de comprendre pourquoi l'outil invente une référence de chantier avec exactement le même aplomb qu'il en cite une vraie — et donc de savoir à quel moment se méfier. Un utilisateur qui a compris ça devient autonome. Un utilisateur qui croit parler à une machine qui sait restera dépendant de quelqu'un d'autre pour vérifier à sa place.

Démystifier désamorce aussi les deux réactions qui bloquent l'adoption, et qui sont symétriques : la peur du remplacement et la confiance aveugle. Les deux reposent sur la même erreur — prêter à ces outils une compréhension qu'ils n'ont pas.

Le reste de la formation n'est pas un catalogue. Elle porte sur vos dossiers, avec votre vocabulaire, sur les usages identifiés à l'étape précédente. Puis nous accompagnons les personnes à leur poste, sur leurs vrais dossiers, dans leurs conditions de travail. Ce format correspond à ce que la réglementation appelle une action de formation en situation de travail — et il est nettement plus efficace, pour ce type de compétence, qu'une journée en salle où tout le monde repart motivé et où rien ne change trois semaines plus tard.

C'est cette fonction d'interface que nous occupons, temporairement, jusqu'à ce que quelqu'un chez vous puisse la tenir.

Frein 2 — Les systèmes ne se parlent pas

L'étude relaie une plainte récurrente des entreprises : un temps considérable passé à faire circuler l'information entre des outils qui ne communiquent pas. Devis d'un côté, facturation de l'autre, suivi de chantier ailleurs, comptabilité encore ailleurs. Chaque passerelle est manuelle, chaque passage manuel est une source d'erreur.

Poser une IA par-dessus ce paysage ne règle rien. Ça déplace la double saisie.

Ce que nous faisons. Nous développons. C'est ce qui nous distingue d'un organisme de formation : quand un usage identifié suppose que deux systèmes se parlent, nous construisons la connexion au lieu de constater le problème. Récupérer les données là où elles sont, les envoyer où elles doivent aller, sans ressaisie.

Et nous le disons quand c'est la vraie priorité. Il arrive régulièrement que la conclusion d'un diagnostic soit : votre problème n'est pas un problème d'IA, c'est un problème de circulation d'information. C'est un autre chantier, parfois moins cher, et il doit passer avant.

Frein 3 — Le retour sur investissement n'est pas démontré, et le risque est pour vous

L'étude est nette sur ce point : les fournisseurs ne fournissent pas d'éléments de retour sur investissement. On vous vend une licence, une promesse et une démo. Si ça ne produit rien, vous avez payé quand même.

Pour une entreprise de dix ou vingt personnes, c'est une raison suffisante de ne rien faire. Et c'est une décision rationnelle, pas de la frilosité.

Ce que nous faisons. Nous proposons un modèle abonnement, construit pour que le coût mensuel reste en dessous du gain mesurable côté client. Le critère de mesure est défini avec vous avant de commencer, à l'étape du diagnostic : le temps de traitement d'une tâche précise, pas un ressenti de satisfaction.

Et l'abonnement reste résiliable. Un abonnement dont on ne peut pas sortir n'en est pas un — c'est le contraire d'un partage de risque.

Concrètement : si le gain n'est pas au rendez-vous, l'abonnement n'a pas lieu d'être, et nous le disons avant que vous ayez à le constater. Le risque de l'échec, c'est nous qui le portons. C'est la seule façon honnête de vendre une technologie dont personne ne peut garantir le résultat à l'avance.

Frein 4 — Celui auquel nous ne répondons pas

L'étude soulève un problème d'explicabilité : ces systèmes produisent des réponses plausibles sans exposer leur raisonnement. Dans un secteur où la conformité, la solidité des ouvrages et la responsabilité décennale sont centrales, c'est un obstacle réel.

Nous ne le levons pas. C'est d'ailleurs pour cette raison que nous insistons autant sur la démystification en formation : on ne corrige pas le défaut d'explicabilité d'un modèle, mais on peut former quelqu'un à ne jamais lui accorder une confiance qu'il n'a pas méritée. Ça réduit le risque. Ça ne l'annule pas.

En résumé

Sur les trois premiers freins — l'absence d'ingénierie d'usage, le cloisonnement des systèmes, l'incertitude sur le retour sur investissement — nous avons construit une réponse : diagnostic du travail réel, formation sur mesure et accompagnement au poste, développement et interopérabilité, modèle économique qui déplace le risque de votre côté vers le nôtre.

Ce que l'étude décrit comme des freins, nous l'avons traité comme un cahier des charges. Pas par flair de marché : parce que nous venons du bâtiment, et que ces blocages, nous les avons vécus de l'intérieur avant de les lire dans un rapport. Une offre qui commence par l'analyse du travail, qui forme au poste, qui développe les connexions manquantes et qui fait porter le risque au prestataire n'est pas une originalité commerciale. C'est ce que la situation appelait — et nous assumons de l'avoir construit avant que le secteur ne mette des mots dessus.

Si vous dirigez une entreprise du bâtiment et que ces constats vous parlent, le premier échange consiste simplement à regarder votre situation. Il ne coûte rien et il se conclut parfois par : ce n'est pas le moment.

Source : Observatoire des métiers du BTP, étude sur la perception et l'intégration des outils d'intelligence artificielle dans les entreprises du BTP, réalisée par le cabinet Plein Sens.

YDiPN — formation à l'IA et développement d'outils sur mesure pour les TPE et PME du bâtiment. Montélimar, Drôme-Ardèche.