Outils numériques et IA pour la construction

Bases en mathématiques appliquées incluant algèbre linéaire, statistiques et optimisation, notions de programmation en Python, connaissances générales en construction et en physique du bâtiment.

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.

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.