Rechercher

Intégration des exigences non-structurées au BIM par Intelligence Artificielle :offre de thèse

OFFRE / Thèse de Doctorat CIFRE – 3 ans Entreprise partenaire : CSTB / www.cstb.fr Laboratoire de Recherche : LISPEN / lispen.ensam.eu, institut Carnot ARTS, Arts et Métiers campus d’Aix-en-Provence Directeur de thèse : Professeur Philippe VERON Contact: Philippe.Veron@ensam.eu Encadrants industriels : Nicolas PASTORELLY, Nicolas BUS Lieu de rattachement : CSTB Sophia-Antipolis TITLE: Intégration des exigences non-structurées au BIM par Intelligence Artificielle CONTEXTE Le BIM (Building Information Model) améliore la fluidité des échanges entre acteurs d’un même projet de construction. Il permet à chacun de consulter un état actualisé et centralisé du projet. Néanmoins certain documents - non-structurés – contractuellement ou règlementairement obligatoires restent les réceptacles prépondérants pour certain type d’informations au dépend de la démarche BIM. Le CCTP (Cahier des Clauses Techniques Particulières), par exemple, décrit les exigences fonctionnelles des composants du bâtiment à construire. Ces informations sont rarement saisies dans la maquette. SUJET L’objectif de cette thèse et de proposer des méthodes, modèle et outils permettant d’exploiter les sources d’informations non-structurées. Il s’agira d’identifier, de qualifier, d’extraire et de modéliser les exigences exprimées dans des documents écrits en langage naturel. La chaîne de traitement sera automatique ou semi-automatique avec apprentissage 1

lorsqu’une interprétation experte est requise. La finalité étant de pouvoir confronter ces exigences (contextuelles au projet ou technico-règlementaires) avec les modèles tel que conçus (as designed). Dans le domaine de la construction, les documents sont multiples, aussi bien à l’échelle du bâtiment : Avis Techniques, Document Techniques Unifiés, Cahier des Clauses Techniques, Code de la Construction qu’à l’échelle urbaine : Plan Local d’Urbanisme, Label eco-quartier, Autorisation de Permis de Construire, Règles d’Aménagement. Cette étude interrogera notamment l’état de l’art des sous-disciplines d’intelligence artificielle apparentées au « Traitement Automatique du Langage Naturel » et au « Data Meaning » (pour le volet extraction / qualification), au « Linked Data » (pour le volet modélisation) ainsi du « Machine Learning » (pour le volet apprentissage).. RESULTATS ATTENDUS Méthodes, modèle et outils pour la conformité de projets de construction au regard d’exigences à partir de sources de données non-structurées PROFIL CANDIDAT Le/la candidat(e) doit avoir des bases solides en ingénierie des connaissances et en traitement du langage naturel. Des compétences en développement Java et/ou Python. Il/elle devra montrer un intérêt pour le domaine du BIM (Building Information Modeling) et des connaissances de base dans ce domaine. Un bon niveau en Français et en Anglais est nécessaire. CANDIDATURE

  • Un CV + une lettre de motivation

  • Les relevés de notes de votre cursus de master et/ou ingénieur

  • Les avis et coordonnées de deux personnes référentes Envoyez vos candidatures par courriel à MM. Philippe VERON philippe.veron@ensam.eu et Nicolas BUS nicolas.bus@cstb.fr et Nicolas PASTORELLY Nicolas.PASTORELLY@cstb.fr

2

296 vues