Quand l’IA améliore la prévention des risques sur les chantiers

L'intelligence Artificielle se met au service du secteur du BTP pour optimiser le suivi de la prévention sécurité sur les chantiers

Malgré de très nombreux dispositifs et réglementations, la question de la sécurité reste à ce jour un sujet très sensible, en particulier sur les chantiers. En 2024, on recensait encore plus de 550 000 accidents du travail, dont près de 750 mortels. Le secteur du BTP à lui seul représente 15% de ces accidents du travail. Au-delà du coût humain absolument intolérable, on estime l’impact financier des accidents et des maladies professionnelles, associant coûts directs et indirects, à 5% du coût total d’un projet d’ouvrage bâti. Les maîtres d’ouvrages multiplient les initiatives pour parvenir à mieux protéger la sécurité des ouvriers sur leurs chantiers.

Ces dernières années, le développement accéléré de l’Intelligence Artificielle offre de nouveaux outils aux entreprises pour optimiser leurs dispositifs de prévention. 
 

Quels procédés d’IA sont suffisamment stables pour une application sur un chantier ?

Ce que l'on désigne par Intelligence Artificielle recouvre différentes réalités, plus ou moins complexes. Le Machine Learning est aujourd'hui l'une des démarches d'Intelligence Artificielle les plus fiables, sur laquelle sont basées les applications d'IA les plus répandues. Comme son nom l'indique, le principe est l'apprentissage par la machine, qui va être nourrie de bases de données caractérisées (il peut s'agir de toutes sortes de contenus : texte, images, sons…), afin de lui permettre de faire des prédictions lorsqu'ensuite on la confrontera à une situation similaire.

L'IA va ainsi par exemple être capable d'analyser et de comprendre des images de la même façon que le ferait un œil humain, repérant des motifs, des caractéristiques ou des objets et les comparant avec les éléments de la base de données sur laquelle elle a été entraînée. On parle alors de Computer Vision, qui va permettre de détecter, localiser ou encore quantifier des objets sur une image fixe ou un flux vidéo.

Cette analyse fine d'images va pouvoir être déclinée pour reconnaître des bruits, en effet l'algorithme va être nourri de sons, mais sous la forme de spectrogrammes, dont les images vont être comparées à celles que l'on souhaite analyser. 

Détecter les niveaux sonores trop élevés des chantiers

L’une des applications de l’IA pour améliorer la prévention des risques liés au chantier, est celle de la détection et caractérisation des sources de volumes sonores excessifs. Le bruit sur un chantier présente de nombreux problèmes, pour les ouvriers, le voisinage, mais aussi la biodiversité. Des dispositifs basés sur le Machine Learning permettent de suivre au plus près les sources sonores excessives, afin de les maîtriser. C’est le cas du projet AurélIA développé par SOCOTEC, dont l’algorithme a été nourri par près de 2 000 sons de chantiers différents.

• Mesure du niveau sonore, via des sonomètres disposés à des endroits stratégiques du chantier qui vont relever les niveaux sonores en continu
   
• Détection des seuils, enregistrement audio en cas de dépassement des volumes sonores prédéfinis
   
• Classification, analyse des audios enregistrés par l’algorithme d’IA afin de détecter la source du dépassement
   
• Alerting, envoi d’une alerte par mail ou SMS pour signaler quelle est la source du dépassement des volumes sonores autorisés, afin que des mesures puissent être prises

SOCOTEC vous accompagne dans le déploiement de solutions d'IA pour le secteur de la construction

A travers leur expérience du secteur de la construction et de l'IA, les experts de SOCOTEC disposent déjà de nombreux retours d'expérience qui leur permettent de vous accompagner dans la mise en œuvre d'une solution d'aide à la décision adaptée à votre projet et à vos objectifs. 

Les applications AurélIA et Epilog ont déjà fait leur preuve sur des projets d'envergure.

Les services de BlueTrust Monitoring vont permettre aux responsables du chantier de disposer d’une interface unique pour visualiser l’ensemble des données récoltées et aussi disposer d’un système d’alerte lorsqu’un seuil est dépassé ou qu’une situation dangereuse est repérée.