Outils numériques et IA pour la construction
Public Concerné
Bases en mathématiques appliquées incluant algèbre linéaire, statistiques et optimisation, notions de programmation en Python, connaissances générales en construction et en physique du bâtiment.
Objectifs pédagogiques
Présentation :
L'unité présente les environnements numériques du bâtiment et introduit les fondements scientifiques de l'intelligence artificielle appliquée à la construction.
Elle couvre les bases mathématiques de l'apprentissage automatique, les principes de programmation nécessaires à la manipulation de données et à la création de modèles, ainsi que les usages opérationnels de l'IA dans la conception, la modélisation, l'optimisation et l'évaluation environnementale des ouvrages.
L'objectif est de permettre aux auditeurs de comprendre les mécanismes internes des algorithmes, d'en maîtriser les conditions d'utilisation et d'intégrer ces outils dans des workflows BIM et numériques.
Objectifs pédagogiques :
Présenter les fondements scientifiques de l'intelligence artificielle et les relier aux problématiques du bâtiment, introduire les méthodes de programmation nécessaires à la manipulation de données et à la création de modèles, développer la capacité à analyser des jeux de données issus de maquettes numériques, de capteurs ou de simulations, comprendre les mécanismes internes des modèles d'apprentissage automatique, savoir évaluer leurs performances et leurs limites, et permettre la réalisation d'un prototype intégrant données, modèle et outil numérique.
L'unité présente les environnements numériques du bâtiment et introduit les fondements scientifiques de l'intelligence artificielle appliquée à la construction.
Elle couvre les bases mathématiques de l'apprentissage automatique, les principes de programmation nécessaires à la manipulation de données et à la création de modèles, ainsi que les usages opérationnels de l'IA dans la conception, la modélisation, l'optimisation et l'évaluation environnementale des ouvrages.
L'objectif est de permettre aux auditeurs de comprendre les mécanismes internes des algorithmes, d'en maîtriser les conditions d'utilisation et d'intégrer ces outils dans des workflows BIM et numériques.
Objectifs pédagogiques :
Présenter les fondements scientifiques de l'intelligence artificielle et les relier aux problématiques du bâtiment, introduire les méthodes de programmation nécessaires à la manipulation de données et à la création de modèles, développer la capacité à analyser des jeux de données issus de maquettes numériques, de capteurs ou de simulations, comprendre les mécanismes internes des modèles d'apprentissage automatique, savoir évaluer leurs performances et leurs limites, et permettre la réalisation d'un prototype intégrant données, modèle et outil numérique.
Capacité et compétences acquises
Comprendre les bases mathématiques de l'IA, notamment les notions de vecteurs, matrices, gradients, fonctions de coût, optimisation et régularisation.
Savoir programmer des scripts d'analyse de données en Python, structurer un pipeline d'apprentissage, préparer et nettoyer des données issues du bâtiment, entraîner et évaluer des modèles de régression, de classification ou de détection.
Comprendre les architectures de réseaux de neurones et leurs usages dans la construction.
Intégrer des modèles d'IA dans des workflows BIM, automatiser des contrôles de conformité, extraire des informations depuis des formats ouverts, et mobiliser des outils numériques pour l'évaluation environnementale.
Développer une approche critique de l'IA, incluant les questions de biais, de robustesse, d'interprétabilité et de responsabilité.
Savoir programmer des scripts d'analyse de données en Python, structurer un pipeline d'apprentissage, préparer et nettoyer des données issues du bâtiment, entraîner et évaluer des modèles de régression, de classification ou de détection.
Comprendre les architectures de réseaux de neurones et leurs usages dans la construction.
Intégrer des modèles d'IA dans des workflows BIM, automatiser des contrôles de conformité, extraire des informations depuis des formats ouverts, et mobiliser des outils numériques pour l'évaluation environnementale.
Développer une approche critique de l'IA, incluant les questions de biais, de robustesse, d'interprétabilité et de responsabilité.
Contenu de la formation
Contenu Introduction aux environnements numériques du bâtiment, structuration des données, formats d'échange et jumeaux numériques.
Bases scientifiques de l'intelligence artificielle incluant algèbre linéaire, statistiques, optimisation, fonctions de perte, descente de gradient et régularisation.
Programmation en Python appliquée à l'analyse de données du bâtiment, manipulation de données tabulaires et extraction d'informations depuis des maquettes numériques.
Apprentissage automatique supervisé et non supervisé, modèles linéaires, arbres de décision, réseaux de neurones, méthodes d'évaluation et validation croisée.
Usages de l'IA dans la construction incluant prédiction de performances, détection d'anomalies, classification d'objets BIM, automatisation de contrôles et optimisation multicritère.
Outils numériques pour l'évaluation environnementale, couplage entre ACV, BIM et modèles d'IA.
Projet appliqué intégrant données, modèle et maquette numérique, avec soutenance
Bases scientifiques de l'intelligence artificielle incluant algèbre linéaire, statistiques, optimisation, fonctions de perte, descente de gradient et régularisation.
Programmation en Python appliquée à l'analyse de données du bâtiment, manipulation de données tabulaires et extraction d'informations depuis des maquettes numériques.
Apprentissage automatique supervisé et non supervisé, modèles linéaires, arbres de décision, réseaux de neurones, méthodes d'évaluation et validation croisée.
Usages de l'IA dans la construction incluant prédiction de performances, détection d'anomalies, classification d'objets BIM, automatisation de contrôles et optimisation multicritère.
Outils numériques pour l'évaluation environnementale, couplage entre ACV, BIM et modèles d'IA.
Projet appliqué intégrant données, modèle et maquette numérique, avec soutenance
Description des modalités de validation
Première session : Contrôle continu, rendu de projet, soutenance orale, examen selon le choix de l'équipe pédagogique après validation par le responsable national de l'US
Seconde session : Selon le règlement spécifique de la formation en alternance
Seconde session : Selon le règlement spécifique de la formation en alternance
En alternance ou en formation continue en journée :
Merci de consulter directement le secrétariat pédagogique de votre formation pour obtenir le planning.
En formation « à la carte Hors Temps de Travail », en présentiel, à distance ou hybride :
Voir les dates, les lieux d'enseignement et les modalités d'inscription sur les sites internet des centres régionaux qui proposent cette formation.
