IA dans le BTP : les données avant l'outil
Quand un projet d'IA bloque dans le BTP, le problème vient souvent des données et des processus. Les vérifications à faire avant d'investir.
Dans la plupart des projets IA des entreprises de construction, l'état des données et des processus décide si la mise en production tient. Avant d'investir dans un outil, la vraie question est : est-ce que ce processus, aujourd'hui, tourne avec des données suffisamment cohérentes pour qu'une machine puisse les lire ?
Dans l'étude 2026 de l'Observatoire des métiers du BTP, moins de 10 % des 621 entreprises interrogées déclaraient utiliser des technologies liées à l'IA. Ce chiffre décrit cet échantillon, composé principalement de TPE et PME du bâtiment en France. Les outils sont largement accessibles et leurs démonstrations dans le navigateur sont souvent impressionnantes. En production, la qualité des données reprend immédiatement le dessus.
Pourquoi autant de projets s'arrêtent avant de produire quoi que ce soit
En 2024, BCG a interrogé 1 000 dirigeants et cadres supérieurs dans 59 pays. Selon leur évaluation, 74 % des entreprises représentées n'avaient pas encore démontré de valeur tangible à partir de l'IA. BCG rattache environ 70 % des difficultés de mise en œuvre aux personnes et aux processus, 20 % à la technologie et 10 % aux algorithmes. Ces proportions décrivent une grille d'allocation des efforts et les difficultés rapportées, pas une mesure comptable universelle.
Le BTP retrouve ce schéma dans une enquête plus ciblée. Dans AI for Contractors, l'étude de Dodge Construction Network et CMiC, 26 % des 235 entrepreneurs généraux et spécialisés interrogés aux États-Unis jugeaient élevée la qualité actuelle de leurs données pour l'IA. La fiabilité des résultats figurait parmi les préoccupations de 57 % des répondants. Ces données nord-américaines mesurent des perceptions de professionnels, avec un contexte différent de celui de la Grande Région. Elles donnent un signal utile sur l'état des données, sans établir la performance d'un outil précis.
L'état des documents et des données du quotidien constitue le frein principal.
Ce que ça donne concrètement sur le terrain
L'automatisation amplifie le fonctionnement actuel d'un processus. Elle accélère un processus déjà maîtrisé et multiplie les corrections lorsque les entrées restent instables.
Deux situations illustrent ce mécanisme.
Le devis récurrent. Un chargé d'affaires sort dix devis par semaine vers le même type de client. Il a un modèle depuis trois ans. Ses prix sont au même endroit. Sa description de poste est standard. L'IA prépare le brouillon en quelques minutes, il vérifie les chiffres. Une heure de travail devient vingt minutes. Ça tient parce que les entrées sont prévisibles.
Le compte rendu de chantier. Un conducteur de travaux essaie de dicter son CR dans son téléphone. En théorie, l'IA transcrit et structure. En pratique : chaque chef de chantier a ses propres abréviations, ses propres codes de lot. Les réunions de certains chantiers se tiennent en français, d'autres en allemand, parfois les deux dans le même document. Tant que l'entrée reste aussi variable, l'IA produit un texte qu'on met plus de temps à corriger qu'à écrire soi-même. Avec une structure stable, l'outil fonctionne bien. Ici, la variabilité des entrées bloque le résultat.
L'état des données en amont explique l'écart entre les deux cas.
Le profil de la Grande Région
Dans les PME de la Grande Région, cette réalité a une forme particulière. Les équipes travaillent souvent en français et en allemand selon le chantier, les sous-traitants viennent de plusieurs pays, et les petites structures n'ont pas d'IT dédiée pour poser des conventions de nommage ou centraliser les documents. Chaque bureau a développé ses habitudes bien avant que les outils IA existent.
Une enquête américaine de McKinsey publiée en 2025 illustre aussi l'écart de visibilité. Parmi les dirigeants interrogés, 4 % estimaient que leurs salariés utilisaient l'IA générative pour plus de 30 % de leurs tâches quotidiennes. Dans une enquête séparée auprès des salariés, 13 % déclaraient eux-mêmes ce niveau d'usage. Le premier chiffre est une estimation managériale et le second une auto-déclaration des salariés. La comparaison ne mesure ni le temps réellement gagné ni un écart propre au BTP. Elle justifie surtout un inventaire interne des usages avant de décider où intervenir.
Comment repérer les processus prêts
Avant d'évaluer un outil, un diagnostic simple. Si vous reconnaissez plusieurs de ces situations, recherchez l'obstacle dans l'organisation des données.
Signes d'une base de données trop instable :
- Vos plans et devis sont répartis entre quatre systèmes différents (mails, clés USB, SharePoint, classeurs papier), sans qu'aucun soit la référence officielle.
- Chaque collaborateur nomme ses fichiers à sa façon. Il n'existe pas de convention partagée.
- Il n'y a pas de modèle standard pour les documents qui reviennent régulièrement : devis récurrents, comptes rendus de chantier, offres de prix.
- Retrouver un document de l'année passée nécessite d'appeler quelqu'un.
Un working paper disponible sur SSRN rapporte un essai randomisé mené auprès de 515 jeunes entreprises dans un programme d'accélération. Le groupe traité a vu des exemples concrets montrant comment des entreprises comparables avaient réorganisé certaines activités autour de l'IA, en complément de ressources et de formations. Sur la période étudiée, ces entreprises ont déclaré 1,9 fois le chiffre d'affaires du groupe témoin. Ce résultat concerne des startups accompagnées et reste issu d'un document de travail. Il fournit une hypothèse sur l'utilité d'exemples comparables, sans prédire le revenu d'une PME du BTP.
Faut-il tout réorganiser avant de commencer ?
Commencez avec les processus déjà suffisamment cohérents. Beaucoup de projets se perdent dans l'attente de la perfection.
L'objectif est d'identifier un ou deux processus qui disposent déjà de données suffisamment cohérentes pour un premier pilote réaliste. Un devis récurrent avec un modèle existant. Un compte rendu de chantier sur une structure déjà utilisée. Le tri de mails entrants selon des catégories fixes.
Ces processus existent dans presque toutes les entreprises BTP et se prêtent à un démarrage progressif. Dans certains cas, une meilleure organisation du processus existant suffit, sans IA. Cette étape protège le budget pilote en lui donnant un terrain qui tient. Même des données bien rangées doivent ensuite être accessibles à l'outil au moment où il répond, un sujet à part entière.
Ce qu'un regard extérieur apporte dans ce contexte
Dans le BTP, l'examen utile commence par les processus existants : quelles tâches reviennent chaque semaine, quelles données ces tâches utilisent, dans quel état ces données arrivent.
À partir de là, on sait lesquels de vos processus ont déjà ce qu'il faut pour un premier pilote fiable, lesquels nécessitent un peu de préparation, et pour lesquels l'IA ne change rien à ce stade.
Nos exemples d'IA dans la construction montrent comment ce tri se traduit sur des usages concrets du chantier et du bureau.
La dernière catégorie existe dans toutes les organisations. La mentionner protège le budget consacré aux pilotes.
Chez LDS, nous développons Auroplan, un logiciel de gestion dédié au secteur de la construction. Ce contexte nous donne un regard de l'intérieur sur l'endroit exact où la donnée se perd dans les bureaux et les petites entreprises BTP, et sur où elle est déjà suffisamment propre pour qu'un pilote tienne.
Questions fréquentes
Faut-il tout réorganiser avant de commencer avec l'IA ?
Commencez par identifier un ou deux processus qui disposent déjà de données suffisamment cohérentes pour un premier pilote réaliste. Le reste peut suivre progressivement.
Par quel processus une PME de construction devrait-elle commencer avec l'IA ?
Par celui qui a les entrées les plus prévisibles et un résultat clairement défini : un devis récurrent sur la base d'un modèle existant, un compte rendu de chantier sur une structure déjà utilisée, ou le tri de mails entrants selon des catégories fixes. La variabilité dans les entrées est l'ennemi d'un bon premier pilote.
L'IA peut-elle aider à organiser des données déjà dispersées ?
Partiellement. L'IA peut classer et extraire des données à partir de documents de base lisibles et cohérents. Sur des données fragmentées ou hétérogènes, elle produit des résultats dont la correction prend plus de temps que le traitement manuel. L'organisation de base reste un travail humain.
Qu'est-ce qu'un audit IA apporte concrètement à une entreprise du BTP ?
Un audit identifie quels processus dans votre organisation ont les données et la structure nécessaires pour un premier pilote fiable, lesquels nécessitent d'abord un travail préparatoire, et lesquels ne bénéficient tout simplement pas de l'IA à ce stade.
Quel processus dans votre bureau tourne déjà avec des données assez cohérentes pour être un bon point de départ ? La réponse dépend de chaque organisation. L'identifier sur votre activité réelle, c'est précisément ce que fait un audit. Un premier échange de trente minutes suffit pour voir par où commencer.