Nous entendons beaucoup parler du BIM (Building Information Modeling) à l'ère de la transition numérique du bâtiment. Ce BIM, qui n'est autre qu'une base de données du bâtiment, permet de concevoir numériquement et collectivement un projet immobilier à travers des logiciels dédiés puis d'appuyer une exploitation numérique augmentée des actifs. Cependant, le BIM n'est qu'une petite partie de l'intelligence artificielle applicable à nos projets et à nos villes.
En effet, le data mining offre bien plus de perspectives dans un monde où l'intelligence artificielle prend chaque jour un peu plus de place. Il s'agit bien là de développer des algorithmes permettant d'analyser les données numériques de nos villes afin de les rendre plus agréables et fonctionnelles. Ce fameux eldorado de la smart city vers laquelle chaque métropole veut tendre.
La data pour concevoir
À des fins de programmation de projets, de nombreuses data anonymisées sont récupérables gratuitement sur le web ou par acquisition de données. Les data relatives à la consommation et aux usages urbains sont essentielles à la compréhension même des fonctionnements de nos villes. Ainsi, les attentes en termes d'usages et de gestion des bâtiments peuvent être comprises en amont du développement de projets pour mieux y répondre.
Dans ce contexte, il ne s'agit plus de solliciter un concepteur pour qu'il propose une idée de projet par son analyse personnelle d'une situation mais bien de s'appuyer en amont sur l'analyse de données existantes pour faire évoluer une situation urbaine puis briefer un concepteur par la suite. Nous pouvons dire en ce sens que le data mining apporte davantage de rationnel et d'objectivité dans la conception de la ville. Il faut savoir qu'il permet surtout d'analyser des situations que nous n'aurions jamais pu analyser précédemment. En ce sens, il s'agit d'une vraie opportunité de compréhension de situations passées et présentes puis de prédiction de situations futures. Tout réside en notre capacité à initier les bonnes études de programmation avant de solliciter des concepteurs. Ainsi, leurs projets seront drivés par des données fondées et réalistes.
Par exemple, une étude de projection de flux sur un centre commercial peut permettre d'arbitrer sur la rationalité des propositions de merchandising initiées par des brokers. Des data existent sur le flux généré par certaines enseignes en fonction de leur surface et de leur attractivité que nous pouvons recouper à d'autres données de flux pour déterminer l'emplacement idéal de chaque preneur.
La data pour exploiter
Aujourd'hui, les données récupérables sur l'actif immobilier sont à la fois les data techniques des équipements installés dans les bâtiments ; mais aussi les data d'exploitation des bâtiments eux-mêmes. À travers la maquette numérique BIM d'un actif immobilier, nous pouvons utiliser le géoréférencement de tous les éléments qui se trouvent dans chacun des espaces. Ainsi, sont géoréférencés aussi bien des ouvrages de bâtiment et équipements techniques utiles à la maintenance, que des mobiliers, capteurs et autres objets connectés (30 milliards en 2020 d'après IDC) utiles à l'usage des utilisateurs du bâtiment.
À travers la maquette numérique BIM, des visites virtuelles en temps réel peuvent être développées pour visualiser plus facilement l'information à travers ces data du bâtiment, toutes liées sur la maquette. Par exemple, les capteurs permettent d'identifier un problème de fonctionnement d'un équipement, puis cette information se trouve visible au sein de la maquette numérique. Le gestionnaire peut ainsi réagir plus rapidement en croisant plusieurs data géoréférencées au sein de la maquette numérique de son actif. Des start-up telles que Horus ou PrismaBIM ont ainsi savamment développé des passerelles entre différentes data du bâtiment pour faciliter l'exploitation et la remontée d'informations au sein des maquettes numériques BIM. La prise de décision est ainsi bien plus rapide et le service augmenté grâce au data mining avec le concours de ces croisements de bases de données.
La data pour du service
L'essence même du smart building est bien d'arriver à joindre l'utile à l'agréable à travers des outils capitalisant sur le digital et facilitant l'usage quotidien des occupants. Ainsi, le data mining est aussi la capacité à connecter ces différentes bases de données entre elles et à améliorer en ce sens les services et les usages de chaque espace d'un bâtiment. Le croisement de données permet de développer de nouvelles formes de services aux utilisateurs, qu'ils soient occupants ou gestionnaires.
Le bâtiment devient ainsi une plate-forme de services géoréférencés dans les espaces et utilisant la 3D et le BIM pour améliorer l'accès et la visualisation de l'information. Par exemple, les capteurs permettent d'identifier la disponibilité d'une salle de réunion sans avoir besoin d'être sur place et pallient au problème des salles réservées non utilisées. Ou encore, un café se prépare automatiquement au créneau de la réservation d'une salle de réunion. Ou bien les commerçants du quartier sont alertés des besoins précis des collaborateurs d'une entreprise à proximité via une marketplace connectée aux demandes en temps réel.
Vous l'aurez compris, le data mining offre ainsi un champ immense pour développer des outils facilitateurs utilisant le croisement de différentes bases de données. Dans un secteur immobilier en profondes mutations, ce nouveau standard de services entraîne nécessairement des réflexions sur la valorisation des espaces en capitalisant sur les services qui y sont proposés, notamment par les bailleurs.
À l'heure du plan de transition numérique du bâtiment, le "building to service" devient la nouvelle norme immobilière. Néanmoins, Orange Labs indiquait bien lors du Maddy Keynote de ce début d'année que l'intelligence artificielle et les algorithmes avaient encore leurs limites. En effet, le principe même du machine learning est de se baser sur le passé pour prendre des décisions sur le futur. Si nous avions toujours eu ce fonctionnement, aucune grande innovation n'aurait vu le jour.
Malgré tous ces progrès et l'appui que le data mining peut apporter au développement de la smart city, le cerveau humain et sa créativité restent une ressource indispensable et inépuisable dans la conception de nos villes. L'enjeu serait donc de savoir limiter le data mining à ce qui est vraiment nécessaire et d'en faire ainsi un nouvel allié pour stimuler toujours plus la créativité de nos développeurs et concepteurs.
