BIM computationnel, des données vers l'IA

Les défis auxquels l'environnement bâti doit répondre sont de plus en plus nombreux. Entre contextes sociaux complexes, programmes économiques sous pression et nécessité de construire et d'habiter de manière performante et durable, les attentes qui reposent sur l'AECO (Architecture, Ingénierie, Construction et Opération) sont cruciales. Le BIM, ses processus et ses outils visent depuis de nombreuses années à soutenir ces pratiques exigeantes. Aujourd'hui, la multiplication des données accumulées et les avancées technologiques permettent des pratiques computationnelles de plus en plus avancées. Récemment, le succès rencontré par certains algorithmes d'Intelligence Artificielle comme ChatGPT ou MidJourney a démontré comment ces approches computationnelles pouvaient présenter des potentialités multiples sur des champs d'application toujours plus larges.Rarement interrogées de façon transversale, les évolutions du BIM et du computationnel portent pourtant de fortes potentialités pour l'industrie. Elles entraînent avec elles de multiples changements et répercussions du point de vue des pratiques, des organisations, des acteurs et de leurs missions, mais aussi : de la gouvernance des données, du green IT, des algorithmes et des biais de données. Les nouveaux rôles et nouvelles compétences, les nouveaux rapports à la simulation, à l'optimisation, à la conception en général, à l'automatisation, à l'industrialisation et à l'open source, sont autant d'enjeux à discuter dans l'évolution de ces pratiques BIM computationnelles. Sous un angle ouvert et multidisciplinaire, les textes rassemblés ici exposent diverses perspectives sur les pratiques actuelles du BIM. Les pratiques informationnelles de l'industrie de la construction y sont interrogées, chaque texte amenant une nouvelle perspective propre à ses auteurs sur le sujet. Thématiques de l'ouvrage Cette édition inclut les thématiques suivantes (sans y être restreinte) : BIM et pratiques computationnelles : design génératif, optimisation, form finding, intelligence artificielle, pratiques data-driven, BIM et sciences des données; BIM et collaboration, BIM et interopérabilité, données liées, dictionnaires de données ; Transition numérique, processus d'adoption, maturités BIM, nouvelles compétences et nouveaux rôles, nouvelles pratiques de projet, nouvelles organisations; BIM et durabilité : efficacité énergétique, empreinte carbone, Analyse du Cycle de Vie, économie circulaire ; BIM et open source ; Intégration du BIM dans le contexte urbain et dans le territoire : CIM, smart cities, interopérabilité avec les SIG ; Jumeau numérique, BIM et exploitation maintenance, IoT, Heritage BIM ; BIM et construction industrialisée, BIM sur chantier, BIM et préfabrication. Cet ouvrage interroge la grande diversité des recherches et points de vue autour du BIM et des outils numériques, au regard notamment des enjeux posés par ces nouvelles pratiques computationnelles.Ont contribué à l'ouvrage :

• Nihel ALLOUCHE (Université de Carthage)
• Joseph AZAR (Université de Franche-Comté)
• Samia BEN RAJEB (ULB Bruxelles)
• Selsebil BENELHAJ SGHAIER (Université de Bourgogne)
• Aurélie de BOISSIEU (Université de Liège)
• David CAMARAZO (Université de Bourgogne)
• Charlotte DAUTREMONT (Université de Liège)
• Sana DEBBECH (IRT Railenium)
• Mohamed-Anis GALLAS (Université de Mons)
• Annabelle GILLET (Université de Bourgogne)
• Thibaud HULIN (Université de Franche-Comté)
• Ahmed ISMAIL (ENSA de Grenoble, EPFL)
• Vasilina IVANOVA (Université de Mons)
• Mihaela JUGANARU (Mines Saint-Étienne - IMT)
• Sesil KOUTRA (Université de Mons)
• Younes LAMSAOUGAR (Université de Franche-Comté)
• Eric LECLERCQ (Université de Bourgogne)
• Maxime LEFRANÇOIS (Mines Saint-Étienne - IMT)
• Philippe MARIN (ENSA de Grenoble)
• Thamer MECHARNIA (Mines Saint-Étienne - IMT)
• Ana ROXIN (Université de Bourgogne)
• Léa SATTLER (ENSA de Paris la Villette)
• Gregorio SAURA LORENTE (Université de Mons)
• Aida SIALA (ENSA de Nancy)
• Federico TAJARIOL (Université de Franche-Comté)
• Antoine ZIMMERMANN (Mines Saint-Étienne - IMT)