Wizzcad Blog » Smart building » Comment mieux piloter vos ouvrages grâce à la Data Science ?

La Data Science au service de vos ouvrages

4 août 2020
par Cyril Perrin

Suivez toute l’actualité de la construction et du digital

Data Science : Prendre de meilleures décisions par l'analyse prédictive et l'interprétation des données

Dans cet article et 5^ème opus de vision d’expert, nous interrogeons cette fois Nicole KOZAH, Doctorante en Data Science – Business & Organisation chez WIZZCAD. Nous reviendrons sur l’importance de l’analyse des données pour faciliter la prise de décision. Nous verrons également comment les algorithmes permettent d’automatiser certains process et d’intégrer, au fur et à mesure, l’IA dans le secteur de la construction.

WIZZCAD : Comment la Data Science peut permettre de mieux piloter les bâtiments ?

Nicole : Avec WIZZCAD, nous mettons en place la stratégie pour intégrer l’intelligence artificielle sur un projet d’exploitation/maintenance d’un bâtiment. Nous avons bien défini la marche à suivre sur le plan stratégique en découpant le projet en plusieurs étapes. Cela va être un processus itératif, partant de la collecte et de l’analyse des données, jusqu’à l’interprétation des résultats.

Chez WIZZCAD, j’agis sur l’intégration des data driven solutions à travers la solution pour permettre un meilleur pilotage des données.

Comment favoriser la prise de décision des propriétaires et autres MOA ?

Je pense que la réalisation des tableaux de bord est essentielle pour réaliser des projets d’exploitation et de maintenance de bâtiments. C’est grâce aux dashboards et à leur interprétation graphique que les MOA pourront prendre de meilleures décisions. En effet, de plus en plus de propriétaires de m² souhaitent réaliser de la maintenance prédictive pour réduire le risque de pannes de leurs équipements. Ils pourront ainsi minimiser les coûts de maintenance et améliorer la productivité des mainteneurs sur le terrain.

As-tu un exemple concret à nous présenter ?

Concernant l’aspect énergétique, nous pouvons avoir accès aux données historiques de la consommation en énergie d’un bâtiment. D’après ces données, on peut faire un dashboard afin d’évaluer comment la répartition de la consommation énergétique est faite et voir les différentes statistiques, les ratios de consommation et pouvoir mieux les gérer et réguler d’après ces dashboards.

Comment peut-on diminuer la consommation en énergie d'un bâtiment ?

En analysant ces dashboards et en observant les statistiques de ces consommations, nous pouvons évaluer le pourcentage de déperdition énergétique et réguler la consommation en conséquence, en informant les acteurs concernés.

Comment fais-tu pour réaliser l'interprétation des données ?

Il s’agit de l’intégration d’un projet d’intelligence artificielle et plus précisément où l’on introduit la maintenance prédictive. C’est l’intégration du machine learning correspondant à la prédiction. Certains algorithmes sont vraiment complexes et ne sont pas toujours explicables. Il faut se focaliser sur les algorithmes qui peuvent être interprétés pour pouvoir expliquer efficacement les résultats et le communiquer ensuite aux différentes parties-prenantes pour pouvoir prendre les meilleures décisions.

Comment imagines-tu le futur de la construction digitalisée à travers la data ?

Dans la recherche, on se base sur des journaux scientifiques pour évaluer l’état de l’art de la maintenance prédictive. Selon le Cabinet d’étude McKinsey, le secteur de la construction a enregistré à peine 1% l’année dernière dans la digitalisation et la mise en application de l’intelligence artificielle. Pour cela, il est possible d’approfondir davantage ce domaine, explorer les données plus efficacement et aller plus loin.

Dans les modèles que tu crées, comment élabores-tu les algorithmes ?

Quand on va collecter les données, on va développer les algorithmes qui correspondent aux besoins des clients. Après le développement de ces algorithmes, nous allons pouvoir expliquer les résultats et à chaque fois, on va réaliser des interviews avec les parties prenantes pour obtenir des feedbacks de ces prototypes pour faire l’évaluation et améliorer l’algorithme. A chaque fois que l’on ajoute les données, on va améliorer l’algorithme. C’est un processus itératif qui s’améliore à chaque ajout de données.

Quel(s) lien(s) fais-tu entre les IoT et les tableaux de bord de la BI (business intelligence) ?

Bien que les deux soient reliés, ce sont des concepts à distinguer. On peut faire l’une sans faire l’autre. La BI est une phase primordiale pour pouvoir visualiser et explorer les données pour en retirer des connaissances (hidden paterns). Tu dois passer au début dans cette partie pour la réalisation des dashboards. Ensuite, il faut récupérer les données en temps réel grâce aux capteurs IoT.

Peut-on faire le lien avec la solution SaaS WIZZCAD qui capte les données en temps réel ?

Oui, avec WIZZCAD et ses collaborateurs, on va réussir à capter ces données grâce aux IoT qui vont directement remonter sur l’application pour intégrer la maintenance prédictive et fournir des tableaux de bord qui permettront aux responsables du projet de prendre des décisions en s’appuyant sur des chiffres concrets et fiables.

Quels sont les enjeux de l'IA pour faire évoluer le secteur de la construction

Aujourd’hui, l’intelligence artificielle est en pleine apogée. La recherche est toujours présente dans ce domaine. On observe toujours de nouveaux résultats et des mises à jour sur la connaissance scientifique. Beaucoup de découvertes restent encore à faire dans les prochaines années. L’IA va permettre de faire de l’analyse prédictive en intégrant des data drivens solutions. Cela consiste à analyser les données, à étudier la faisabilité des cas d’utilisation de l’IA à travers différents scénarii et à évaluer les données collectées pour faire de la maintenance prédictive.

La réalité mixte est également un enjeu majeur car elle permet de combiner réel et artificiel où les objets physiques et numériques coexistent et interagissent en temps réel. Aujourd’hui, la recherche opérationnelle continue de jouer un rôle important dans les travaux de simulation et d’optimisation des process.

Enfin, il est également important de mentionner la réglementation RGPD qui doit être mise en application pour assurer la sécurisation des données. La fiabilité des serveurs est également une variable à prendre en compte pour éviter les fuites des données comme c’est arrivé pour certains acteurs. Avec WIZZCAD, nous prenons très au sérieux la question de la sécurisation des données. La solution est hébergée sur des serveurs français qui offrent une protection optimale aux utilisateurs.

Nicole, en quoi consiste ta mission en Data Science chez WIZZCAD ?

Aujourd’hui, je réalise ma thèse sur la mise en application des connaissances scientifiques dans le milieu de l’entreprise. Autrement dit, c’est l’application de la prédiction activée par l’IA dans le secteur de la construction suivant un processus d’interprétabilité avancée. Je vais étudier comment l’apprentissage automatique et algorithmique sont perçus par ceux qui les utilisent pour faciliter leur prise de décisions. De nouveaux concepts émergent tels que l’adoption et l’interprétation du Machine Learning. Ils vont être exploités afin de mesurer les risques et d’identifier les attentes liées à ces algorithmes.

Quelles sont les qualités primordiales, selon toi, pour réussir dans la Data Science ?

Je pense qu’il est primordial d’avoir une curiosité scientifique. La curiosité scientifique, c’est cette capacité à récolter beaucoup de détails, à poser beaucoup de questions, de pouvoir communiquer et comprendre les différentes relations entre les différents services pour pouvoir l’intégrer dans le domaine de la data science. Il s’agit de bien comprendre le métier et les différents besoins des collaborateurs entre les services pour répondre au plus près de leurs besoins.

Quelles sont les prochaines étapes pour la poursuite de ta thèse ?

On a réalisé l’état de l’art de l’intelligence artificielle et les différentes stratégies de l’application de la prédiction. La prochaine étape consistera à collecter des données pour pouvoir expérimenter l’algorithme correspondant qui pourra être amélioré par l’association de prototypes, interviews, feedbacks des utilisateurs.