Temps de consultation CCTP réduit de 1h30 à 30 minutes (–66 %)
CONSTRUCTION – ENVIRONNEMENT – DÉCARBONATION
Extraction & structuration de documents
Comment l'IA transforme la lecture manuelle des CCTP en un enrichissement automatisé et fiable des DPGF, au service de l'Analyse de Cycle de Vie des bâtiments.
La problématique client
Dans le secteur de la construction, la réglementation environnementale impose désormais de réaliser une Analyse de Cycle de Vie (ACV) pour évaluer l'impact carbone d'un bâtiment tout au long de sa durée de vie, une exigence renforcée par la RE2020. Cette analyse suppose d'identifier précisément chaque matériau utilisé dans le projet, puis de l'associer à sa fiche EPD (Environmental Product Declaration) correspondante pour en connaître l'empreinte environnementale réelle.
Cependant, les informations présentes dans les DPGF (Décompositions du Prix Global et Forfaitaire) ne sont pas toujours suffisamment détaillées pour identifier précisément les matériaux et sélectionner les fiches EPD adaptées. Il est donc nécessaire de rechercher dans les CCTP (Cahiers des Clauses Techniques Particulières) les caractéristiques complémentaires sur les matériaux utilisés afin d'enrichir les données du DPGF et de choisir les fiches EPD les plus pertinentes. Ces informations étant dispersées dans des CCTP longs, techniques et propres à chaque projet, les équipes devaient consulter manuellement chaque document, matériau par matériau. Cette tâche particulièrement chronophage pouvait nécessiter jusqu'à 1 h 30 par appel d'offres et était susceptible de générer des erreurs. Cela augmentait le risque d'associer des fiches EPD inadaptées, pouvant affecter la fiabilité de l'ACV du bâtiment dans son ensemble.
La solution apportée
Développement d'un outil qui lit automatiquement les CCTP, identifie les matériaux mentionnés et les associe directement aux fiches EPD correspondantes pour enrichir les DPGF (Décomposition du Prix Global et Forfaitaire). Les équipes n'ont plus qu'à vérifier et valider un travail déjà structuré, au lieu de le réaliser depuis zéro.
Fonctionnement de l'outil
CCTP
Lecture automatique par l'IA
Identification et caractérisation des matériaux
Association aux fiches EPD
Enrichissement du DPGF
Validation par les équipes
Les expertises techniques utilisées
Solution Data & IA
Extraction automatique de données
RAG (Retrieval Augmented Generation)
LLM
Intégration via API
Les bénéfices pour le client
Précision d'extraction et d'enrichissement : ~90 %
Réduction significative du temps humain consacré à l'ACV bâtiment
Amélioration de la qualité et de la fiabilité de l'association (matching) EPD et DPGF
SYNTHÈSE
De la donnée dispersée à une ACV plus fiable
Processus manuel et chronophage
Extraction automatisée par l'IA
Données enrichies
Validation humaine
ACV plus fiable