// Méthodes BIM · Intelligence artificielle
BIM et intelligence artificielle : et si notre premier problème de productivité n'était pas technologique ?
Published on 16 October 2026 · 14 min read · CADatWORK Learning
Archicad, Revit, Simplebim, CCTP, DPGF, quantitatifs, contrôle de maquettes… Les professionnels du bâtiment se tournent massivement vers l'intelligence artificielle pour automatiser leur production. Mais exploitent-ils réellement les possibilités des logiciels qu'ils utilisent déjà ?
Chez CADatWORK Learning, plusieurs demandes récentes de formation nous ont conduits à nous interroger sur cette tendance.
Nous avons également soumis cette réflexion à deux de nos formateurs : une architecte experte d'Archicad et un économiste de la construction utilisant Simplebim.
Leurs retours, issus de leurs pratiques professionnelles, confirment une intuition : l'IA peut considérablement améliorer notre productivité, mais elle ne remplace ni la maîtrise des outils, ni la compétence métier, ni la qualité des méthodes de travail.
Et parfois, vouloir aller directement au résultat grâce à l'IA nous fait oublier les étapes indispensables pour y parvenir.
1. Deux demandes de formation, un même besoin : produire plus efficacement
Premier cas : une agence Archicad souhaite automatiser ses documents techniques et financiers
Une agence d'architecture spécialisée dans la rénovation, l'extension et la construction de maisons individuelles nous contacte pour améliorer son organisation.
L'architecte utilise déjà Archicad pour concevoir et modéliser les projets.
Son associé souhaite exploiter les informations contenues dans les maquettes afin de prendre en charge les métrés, les estimatifs et une partie de la préparation des DPGF et CCTP.
La demande porte sur plusieurs objectifs :
Mettre en place des propriétés, classifications et nomenclatures adaptées.
Automatiser l'extraction des surfaces, volumes et quantités.
Structurer les informations nécessaires aux documents techniques.
Étudier l'utilisation de solutions d'intelligence artificielle pour accélérer la production documentaire.
Cette démarche est intéressante, car elle associe deux ambitions : mieux utiliser Archicad et intégrer progressivement l'IA.
Mais dans quel ordre faut-il procéder ?
Archicad dispose déjà de fonctionnalités avancées pour structurer les données et produire des nomenclatures. En complément, des outils de traitement IFC comme Simplebim permettent de transformer, enrichir et organiser les informations.
Une grande partie du travail préparatoire aux documents techniques peut donc être automatisée sans IA générative.
L'IA pourra ensuite intervenir pour faciliter la rédaction, les rapprochements documentaires ou certaines analyses.
Le premier gain de productivité ne viendra peut-être pas de l'intelligence artificielle, mais de la transformation d'une maquette de conception en véritable source d'informations métiers.
Deuxième cas : des utilisateurs Revit cherchent à supprimer les tâches répétitives
Une autre demande de formation concerne des utilisateurs de Revit.
Cette fois, les interrogations portent sur des dizaines d'opérations très concrètes : extraction des volumes de béton, calcul des déblais et remblais, automatisation des annotations, contrôles de dimensions, vérification des surfaces réglementaires, gestion des phases, collaboration et contrôle qualité.
Ces professionnels souhaitent également explorer des développements avancés pour traiter des nuages de points et automatiser certaines opérations de modélisation.
Cette demande révèle trois catégories de besoins.
La première concerne des fonctionnalités déjà présentes dans Revit, mais dont la maîtrise pourrait être améliorée : nomenclatures, relevés de matériaux, paramètres, filtres, gabarits de vues et phasage.
La deuxième nécessite des méthodes d'automatisation complémentaires, notamment avec Dynamo, des scripts, des outils de contrôle ou l'API Revit.
La troisième relève de développements spécialisés, éventuellement associés à des technologies d'intelligence artificielle.
Ces distinctions sont fondamentales.
Avant de chercher une réponse technologique nouvelle, il faut identifier ce que le logiciel sait déjà faire, ce qui nécessite une automatisation complémentaire et ce qui justifie réellement le recours à l'IA.
2. Le regard d'une architecte : « Le plus gros problème, c'est le manque de réflexion »
Nous avons partagé cette analyse avec Élisa, architecte et formatrice spécialisée dans Archicad.
Son retour met en lumière un phénomène particulièrement intéressant : la tentation de demander un résultat immédiat sans comprendre les étapes nécessaires pour l'obtenir.
Elle explique :
« Le plus gros problème que je vois, c'est le manque de réflexion. Vouloir avoir un résultat imminent. Si on réfléchit aux étapes intermédiaires, très souvent on peut tout faire sur nos logiciels habituels, et c'est juste la maîtrise du logiciel qui manque. »
Cette observation mérite qu'on s'y attarde.
Prenons l'exemple d'un architecte qui souhaite produire automatiquement un tableau de quantités.
Il pourrait demander à une IA de l'aider à reconstituer ce tableau à partir de différents documents.
Mais une autre démarche consiste à se demander :
Quelles informations sont nécessaires ? Où se trouvent-elles dans la maquette ? Comment sont-elles structurées ? Peut-on les extraire avec une nomenclature ? Quels paramètres faut-il compléter ? Comment rendre cette opération reproductible sur les prochains projets ?
Cette réflexion demande initialement un effort.
Mais elle permet de construire une méthode durable, maîtrisable et réutilisable.
C'est précisément ce qui distingue un simple gain de temps ponctuel d'une véritable amélioration de productivité.
L'IA fait gagner du temps, mais combien faut-il en consacrer à la vérification ?
Élisa souligne également une limite importante de l'IA générative :
« Quand je lui demande des choses dont j'ai des connaissances, je trouve que ça donne des mauvaises réponses avec des incohérences. »
Elle ajoute :
« C'est un outil qui nous fait gagner du temps, c'est évident, mais il faut passer une partie du temps gagné à relire/vérifier. »
Cette remarque soulève une question rarement mise au centre des promesses commerciales de l'intelligence artificielle.
Le gain de productivité doit être mesuré après vérification et correction, pas uniquement à la vitesse de génération du résultat.
Un document technique produit en quelques secondes n'est pas nécessairement un document exploitable.
S'il faut ensuite consacrer plusieurs heures à vérifier les informations, corriger les incohérences et compléter les éléments manquants, le gain réel peut être bien inférieur au gain apparent.
Dans certains cas, le travail de correction peut même dépasser le temps nécessaire à une production traditionnelle bien organisée.
Cela ne remet pas en cause l'intérêt de l'IA.
Cela rappelle simplement qu'un résultat rapide n'est pas automatiquement un résultat fiable.
3. Le regard d'un économiste : « On confond IA et automatisation. IA, ça fait tendance… »
Pascal, économiste de la construction et utilisateur expérimenté de Simplebim, partage largement cette analyse.
Son constat est particulièrement direct :
« On confond IA et automatisation. IA, ça fait tendance… On a l'impression que rien n'existait avant. »
Cette remarque résume une confusion devenue fréquente.
Les fonctionnalités d'automatisation ne sont pas apparues avec les modèles d'intelligence artificielle générative.
Depuis des années, les logiciels BIM permettent de calculer des quantités, d'appliquer des règles, de structurer des informations et de reproduire des traitements.
Les solutions spécialisées dans les données IFC permettent également d'automatiser des opérations complexes à partir de règles définies par les utilisateurs.
La nouveauté apportée par l'IA est ailleurs : elle facilite notamment l'interaction en langage naturel, l'interprétation de documents, certains rapprochements d'informations et l'assistance à des tâches moins facilement codifiables.
Mais les deux approches ne doivent pas être confondues.
Pourquoi les entreprises n'exploitent-elles pas davantage leurs outils ?
Pascal identifie trois explications possibles.
La résistance au changement. Il est confortable de reproduire les méthodes que l'on connaît, même lorsqu'elles ne sont plus les plus efficaces.
La tentation de la facilité. L'IA donne parfois l'impression qu'il suffit de formuler une demande pour obtenir un résultat, sans nécessairement comprendre comment celui-ci a été construit.
Le manque de temps. Les entreprises, absorbées par leur production quotidienne, reportent les investissements méthodologiques qui permettraient justement de gagner du temps.
Ce dernier point est particulièrement intéressant.
À force de ne pas prendre le temps d'améliorer les processus, certaines organisations accumulent un retard qui finit par devenir coûteux.
Elles continuent de ressaisir des informations, de refaire les mêmes tableaux, de contrôler manuellement les mêmes données et de multiplier les manipulations.
Puis elles espèrent que l'intelligence artificielle permettra de supprimer immédiatement ces difficultés.
Mais l'IA ne peut pas, à elle seule, compenser toutes les faiblesses d'une organisation.
4. Une expérience révélatrice : demander à l'IA de produire directement une DPGF
Pascal a voulu vérifier concrètement jusqu'où l'intelligence artificielle pouvait aller dans son propre métier d'économiste de la construction.
Il a réalisé une expérimentation particulièrement instructive.
Le principe était simple : partir d'une maquette BIM mal configurée et insuffisamment renseignée, puis demander à l'IA de produire directement une organisation par lots, des descriptifs et une DPGF.
Le résultat ?
« C'est du grand n'importe quoi. Même en retravaillant le sujet. »
Selon son retour d'expérience, les résultats étaient insuffisants et les reprises nécessaires trop importantes.
Pourquoi ?
Parce qu'une maquette mal renseignée ne contient pas nécessairement toutes les informations indispensables à une production économique fiable.
Et surtout, parce que l'établissement d'un descriptif ou d'une DPGF ne consiste pas simplement à associer automatiquement des objets à des lignes de tableau.
Un économiste mobilise son expérience pour déterminer les ouvrages à prévoir, les limites de prestations, les interfaces entre corps d'état, les éléments implicites et les spécificités du projet.
Une même paroi peut ainsi nécessiter plusieurs prescriptions relevant de différents lots.
Certaines prestations indispensables ne sont pas directement représentées dans la maquette.
D'autres nécessitent une interprétation du contexte technique.
Une IA ne peut pas déduire de manière fiable toutes les décisions métiers à partir d'informations absentes, incomplètes ou ambiguës.
Ce constat n'est pas une preuve que l'IA ne saura jamais le faire.
Il montre qu'aujourd'hui, dans ce type de situation, lui demander de produire directement un résultat final sans processus suffisamment structuré présente un risque important.
5. Quand l'IA fait perdre du temps au lieu d'en faire gagner
Pascal rapporte une seconde expérience, cette fois dans le cadre d'une mission professionnelle.
Un architecte avait utilisé ChatGPT pour produire lui-même des descriptifs techniques, avec l'idée de limiter le recours à un économiste.
Il a ensuite sollicité Pascal pour réaliser un quantitatif et examiner le travail.
Le constat a été particulièrement négatif.
Les descriptifs comportaient de nombreuses insuffisances et plusieurs articles étaient manquants.
Pascal explique avoir dû reprendre une grande partie du travail.
Sa conclusion est sans ambiguïté :
« Pour le coup, l'IA mal employée m'a fait perdre du temps. »
Cette expérience illustre une réalité souvent sous-estimée.
L'IA peut accélérer la production d'un document tout en augmentant le coût de sa fiabilisation.
Et plus le document nécessite une expertise métier, plus cette distinction devient importante.
Un CCTP ou une DPGF n'est pas un simple texte administratif.
Ces documents engagent des responsabilités techniques, économiques et contractuelles.
Une omission, une incohérence ou une mauvaise affectation d'ouvrage peut entraîner des conséquences importantes.
L'intelligence artificielle peut assister leur préparation, mais la compétence du professionnel demeure essentielle pour vérifier la pertinence des prescriptions.
6. Mais lorsque le processus est maîtrisé, l'IA change réellement la donne
Le témoignage de Pascal ne constitue pourtant pas un réquisitoire contre l'intelligence artificielle.
Bien au contraire.
C'est même probablement la partie la plus importante de son retour.
Il explique :
« Si on part d'un processus détaillé, clairement défini, avec ses données d'entrée et de sortie, étape par étape, l'IA dans ce cas est une vraie bombe. »
Il constate alors des gains de productivité très importants.
Cette observation permet de dépasser l'opposition artificielle entre les outils BIM traditionnels et l'intelligence artificielle.
Le véritable enjeu n'est pas de choisir entre les deux.
Il est de comprendre comment les associer intelligemment.
Prenons l'exemple d'une chaîne de production destinée à préparer une DPGF.
Étape 1 : produire des données fiables. Les logiciels de conception comme Archicad ou Revit servent à modéliser les ouvrages et à renseigner les informations nécessaires.
Étape 2 : structurer les données. Les propriétés, classifications et outils de traitement IFC, notamment Simplebim, permettent d'organiser, de compléter et de normaliser les informations.
Étape 3 : automatiser les extractions. Des nomenclatures, des règles et des traitements automatisés permettent de préparer les quantitatifs et de les répartir selon les besoins métiers.
Étape 4 : mobiliser l'IA là où elle apporte une valeur supplémentaire. Elle peut assister le rapprochement des quantités avec des bibliothèques documentaires, proposer des premières rédactions, identifier des incohérences potentielles et faciliter la synthèse.
Étape 5 : assurer la validation métier. L'économiste ou le professionnel compétent vérifie les ouvrages, les prescriptions, les quantités, les interfaces et les éventuelles omissions.
Cette organisation ne garantit pas automatiquement une DPGF parfaite.
Mais elle permet d'associer la reproductibilité des traitements classiques, la souplesse de l'intelligence artificielle et le jugement des professionnels.
L'IA devient alors un accélérateur d'un processus maîtrisé, plutôt qu'une tentative de remplacer un processus qui n'a jamais été correctement défini.
7. Le véritable enjeu : préserver et développer l'intelligence métier
Les retours d'Élisa et de Pascal soulèvent une question qui dépasse largement la technologie.
Que devient la compétence professionnelle si l'on prend l'habitude de demander un résultat sans comprendre les mécanismes qui permettent de l'obtenir ?
Dans les métiers de l'architecture, de l'ingénierie et de l'économie de la construction, l'expertise ne consiste pas uniquement à produire un document.
Elle consiste à savoir pourquoi une solution est pertinente, comment un ouvrage doit être décrit, quelles informations sont nécessaires et quelles conséquences peuvent découler d'une décision.
L'IA peut assister ces raisonnements.
Mais une dépendance excessive à des résultats non vérifiés risque d'affaiblir la capacité des professionnels à exercer leur jugement critique.
Ce risque est particulièrement important pour la formation des nouvelles générations.
Apprendre à utiliser une IA ne doit pas dispenser d'apprendre à concevoir, modéliser, quantifier, contrôler et prescrire.
Au contraire, plus les outils deviennent puissants, plus la capacité à comprendre, questionner et valider leurs résultats devient précieuse.
8. Une fracture de productivité pourrait se creuser entre les entreprises
Pascal soulève enfin une perspective particulièrement intéressante.
Selon lui, la période actuelle pourrait accentuer l'écart entre deux catégories d'organisations.
D'un côté, celles qui observent les évolutions de leur environnement, investissent dans les compétences, améliorent leurs processus et adoptent les technologies de manière réfléchie.
De l'autre, celles qui continuent à travailler selon leurs habitudes, reportent leurs transformations ou espèrent qu'un nouvel outil réalisera les tâches à leur place.
Cette analyse mérite d'être prise au sérieux.
Car les entreprises qui maîtrisent déjà leurs données, leurs méthodes et leurs automatisations disposent d'un avantage pour intégrer l'intelligence artificielle.
Elles peuvent identifier plus facilement les tâches pertinentes, évaluer les résultats et mesurer les gains.
À l'inverse, une organisation dont les données sont dispersées et les processus peu formalisés devra probablement consacrer davantage d'efforts à fiabiliser ses usages.
L'IA pourrait donc ne pas réduire automatiquement les écarts de productivité entre les entreprises. Elle pourrait aussi les accentuer.
La différence ne viendra pas seulement de l'accès aux technologies.
Elle viendra de la capacité à les intégrer dans une organisation cohérente.
9. Et si nous repensions notre manière de former les professionnels ?
Ces deux témoignages nous amènent à reconsidérer la manière dont les besoins de formation sont exprimés.
Lorsqu'un professionnel demande une formation à l'intelligence artificielle pour produire des CCTP, des DPGF ou analyser des maquettes, il exprime avant tout un objectif de productivité.
La demande technologique est un moyen envisagé pour atteindre cet objectif.
Mais est-ce nécessairement le meilleur ?
Chez CADatWORK Learning, nous pensons qu'une approche plus efficace consiste à partir du travail réel des équipes.
Avant de définir un programme de formation, il est pertinent de comprendre les opérations réalisées, les logiciels utilisés, les données disponibles et les difficultés rencontrées.
Cette analyse permet d'identifier quatre leviers complémentaires.
Mieux maîtriser les logiciels existants. Exploiter les fonctions avancées d'Archicad, de Revit et des autres outils de production.
Mieux organiser les données. Structurer les propriétés, les classifications, les nomenclatures et les informations IFC.
Mieux automatiser les processus. Déployer des traitements répétables, des scripts, des règles de contrôle et des outils complémentaires.
Mieux intégrer l'IA. L'utiliser pour les opérations où ses capacités apportent un gain réel, tout en définissant les modalités de vérification et de validation.
Cette démarche ne consiste pas à ralentir l'adoption de l'intelligence artificielle.
Elle consiste à en améliorer les conditions de réussite.
10. La productivité ne se mesure pas à la vitesse de production, mais à la qualité du résultat obtenu
C'est sans doute l'enseignement commun des retours de nos deux formateurs.
Produire un document en deux minutes n'a que peu d'intérêt si plusieurs heures sont nécessaires pour le corriger.
Automatiser un quantitatif n'est pas un progrès si les données utilisées sont erronées.
Générer un CCTP n'est pas une réussite si les prescriptions sont incomplètes ou incohérentes.
La véritable productivité doit intégrer l'ensemble du processus : préparation, production, vérification, correction et validation.
Elle doit également tenir compte de la reproductibilité du résultat.
Une méthode correctement construite, réutilisable sur plusieurs projets, peut générer davantage de valeur qu'un résultat spectaculaire obtenu une seule fois grâce à une requête d'IA.
L'objectif n'est donc pas de produire le plus vite possible.
Il est de produire juste, avec le moins d'efforts inutiles possible, et de pouvoir reproduire cette performance durablement.
Conclusion — Avant d'investir dans l'intelligence artificielle, investissons dans l'intelligence de nos méthodes
L'intelligence artificielle constitue une avancée majeure pour les métiers de l'architecture, de l'ingénierie et de la construction.
Son potentiel est considérable.
Les témoignages de nos formateurs le confirment d'ailleurs : lorsqu'elle intervient dans un processus bien défini, avec des données fiables et des objectifs précis, elle peut apporter des gains très importants.
Mais leurs expériences nous rappellent également trois réalités essentielles.
La première : nos logiciels disposent déjà de nombreuses fonctionnalités d'automatisation insuffisamment exploitées.
La deuxième : l'IA ne remplace pas la compétence métier, particulièrement lorsque les documents produits engagent des responsabilités techniques et économiques.
La troisième : la qualité des processus et des données conditionne largement la pertinence des résultats obtenus.
Les entreprises qui sauront associer maîtrise des logiciels, structuration des données, automatisation et intelligence artificielle disposeront d'un avantage déterminant.
La véritable transformation ne viendra donc pas d'un choix entre les technologies anciennes et nouvelles.
Elle viendra de leur complémentarité, au service de méthodes de travail intelligemment conçues.
Et si, finalement, la question à poser aux professionnels n'était plus :
« Quelle formation à l'IA souhaitez-vous suivre ? »
Mais plutôt :
« Quels sont les processus qui vous font perdre du temps aujourd'hui, et comment pouvons-nous les améliorer avec les outils les plus adaptés ? »
C'est peut-être par cette simple question que commence la véritable transformation numérique.
CADatWORK Learning — Formations et accompagnement à l'optimisation des processus BIM
Archicad • Revit • Simplebim • IFC • Automatisation • Exploitation des données • Intelligence artificielle
Nous accompagnons les professionnels de la construction dans l'amélioration de leurs méthodes de travail, à partir de leurs outils, de leurs projets et de leurs besoins réels.
Notre conviction : la technologie rend les gains de productivité possibles. La compétence métier et la qualité des méthodes les rendent fiables, durables et réellement créateurs de valeur.
Key takeaways
- Nos logiciels disposent déjà de nombreuses fonctionnalités d’automatisation insuffisamment exploitées.
- L’IA ne remplace ni la maîtrise des outils, ni la compétence métier, ni la validation des documents techniques.
- Des données fiables et un processus détaillé conditionnent la pertinence des résultats obtenus.
- La productivité se mesure sur l’ensemble du processus : préparation, production, vérification, correction et validation.
Go further
A project, a question?
Our interventions are built on your production context.
Contact us