Pourquoi l'IA déçoit les bureaux d'études thermiques
Cet été, Théo Vasquez-Herbert, fondateur de Levier., a interrogé dix dirigeants de bureaux d'études thermiques d'Auvergne-Rhône-Alpes. Un seul fait tourner un outil d'IA au quotidien. Ce qu'il a fait différemment, chacun peut le reproduire.
Chaque mois, un bureau d’études de la région reçoit un volume considérable de factures d’énergie. Il faut les pointer une à une : vérifier, site par site, que le montant facturé correspond au prix prévu au contrat. Un chargé d’études y était affecté à plein temps. Un coût que le dirigeant qualifie d’« énorme ».
Puis un jeune collaborateur du cabinet a construit un module d’IA. Les factures passent au scanner. L’outil lit l’adresse, la référence du site et le détail, remplit un tableau, compare chaque montant au prix cible et signale celles qui sont à vérifier. Le chargé d’études ne contrôle plus que ces factures-là. La tâche qui l’occupait à plein temps ne lui prend plus que 20 % de son temps. Les 80 % restants sont partis sur des missions à plus forte valeur.
J’ai rencontré ce dirigeant cet été, au cours d’une enquête auprès de dix bureaux d’études thermiques de la région.
Un cabinet sur dix
Ce cabinet est une exception. Sur les dix que j’ai interrogés, quatre n’utilisent pas l’IA du tout. Trois posent des questions à ChatGPT de temps en temps, chacun dans son coin, sans méthode partagée. Deux en ont un usage régulier et organisé. Un seul fait tourner un outil au quotidien : celui des factures.
La plupart des neuf autres ont pourtant essayé. Des licences ChatGPT prises pour l’équipe, puis sous-exploitées. Copilot, testé sur la saisie des questionnaires d’audit : « Le traitement des questionnaires, ça marchait pas du tout. » Des formations, jugées « trop généralistes ». À chaque fois, la conclusion est la même : sur notre métier, ça ne marche pas.
Les dirigeants eux-mêmes surestiment souvent ce qui se passe dans leurs équipes. L’un d’eux me l’a avoué en cours d’entretien : « Je pensais qu’ils s’étaient plus approprié l’IA que ce que c’est en pratique. »
Pourquoi ça bloque : on lâche l’IA sans dossier
Imaginez un jeune ingénieur brillant, tout juste sorti d’école, qui arrive lundi matin. Vous ne lui demandez pas un CCTP de trente pages dans l’heure. Vous lui donnez un dossier comparable, la trame du cabinet, les pièces des affaires précédentes. Vous lui montrez où sont les pièges. Vous relisez sa première version.
Avec l’IA, la plupart des cabinets font l’inverse. Une question tapée en une ligne, aucun document, aucun format attendu. L’outil répond quelque chose de plausible et d’inutilisable. L’ingénieur reprend tout, perd du temps, et conclut que l’IA ne connaît pas son métier. Il a raison : personne ne le lui a appris.
« Une IA qu’on ne nourrit pas répond comme un jeune ingénieur qu’on n’a pas briefé : avec aplomb, et à côté. »
Le cabinet aux factures a fait l’inverse, sans être spécialiste de l’IA. Il a choisi une seule tâche, répétitive, à fort volume, dont le gain se mesure. Et il a dit à l’outil exactement quoi lire sur chaque facture et à quel prix le comparer.
Ma position : un dossier avant un outil
Ce n’est pas le même cabinet : j’ai fait le test moi-même sur une tâche de la même famille, la compilation de factures énergétiques, avec les vraies données d’un autre bureau d’études qui me les avait confiées.
Premier essai, sans rien préparer. Le résultat sortait dans un format incompatible avec les tableaux du bureau d’études. Les cas particuliers, comme les remboursements et les factures négatives, étaient mal traités. Exactement le genre d’échec qui fait conclure que ça ne marche pas.
J’ai ensuite monté un projet dans Claude, l’assistant d’Anthropic (ChatGPT propose l’équivalent). Un projet est un espace de travail où l’on dépose une fois pour toutes les documents que l’IA relit avant chaque demande. J’y ai mis ce qu’un ingénieur expérimenté transmettrait à un nouvel arrivant :
- une procédure pas à pas ;
- des factures de référence annotées, qui montrent où lire chaque information ;
- la liste des pièges et des cas limites ;
- la liste des contrôles que chaque chiffre doit passer ;
- le fichier de sortie attendu, au format exact du bureau d’études ;
- un court programme qui met les résultats en forme dans ce format.
Avant, la compilation prenait en moyenne 3 h 30 de temps ingénieur, mesurées. Aujourd’hui, elle se fait en trois glisser-déposer de cinq secondes et une minute de copier-coller.
L’outil était le même que celui qui avait échoué au premier essai. Seul ce qu’il savait a changé. Et l’essentiel du travail a consisté à écrire ce qu’un thermicien sait déjà : où lire, ce qui piège, ce qu’il faut vérifier. Aucun éditeur de logiciel ne possède ce savoir. Vous, si.
Je recommande donc cet ordre. D’abord une tâche, une seule, choisie parce qu’elle revient souvent et qu’on sait chiffrer son temps. Ensuite le dossier qui l’accompagne, écrit par celui qui la maîtrise. Enfin la mesure, avant et après. Le développement d’un outil sur mesure, comme celui des factures, vient quand la tâche est stable et que le volume le justifie. Pas avant.
Côté calendrier, quand un bureau d’études me confie ce travail, il faut compter 30 à 45 jours entre la commande et le moment où son équipe est opérationnelle sur l’outil.
Le même raisonnement vaut, je crois, pour la douleur que neuf cabinets sur dix m’ont décrite : la rédaction des CCTP et des rapports. « On fait un petit peu du Lego avec Word », m’a dit l’un d’eux. Les blocs existent déjà dans vos dossiers. Il manque la notice qui explique à l’IA lesquels choisir et comment les adapter. Je n’ai pas encore la mesure sur ce cas : c’est mon prochain test.
Une page, une tâche
L’IA générique continuera de décevoir les bureaux d’études tant qu’on lui confiera des tâches que personne ne lui a expliquées. Le seul cabinet qui gagne a suivi une règle simple : une tâche, un dossier, une mesure.
Alors je vous pose la question que je pose désormais à chaque dirigeant. Quelle tâche votre meilleur ingénieur pourrait-il expliquer en une page, que personne n’a jamais pris le temps d’écrire ? Écrivez cette page. Vous saurez très vite si l’IA vise juste.
Théo Vasquez-Herbert est ingénieur thermicien, ancien dirigeant de bureau d’études et fondateur de Levier., cabinet qui accompagne les bureaux d’études thermiques dans l’intégration de l’IA.
Levier. et Creastory Conseil, éditeur de ce site, interviennent ensemble auprès de bureaux d’études. Cette chronique n’est pas rémunérée.
Sources
Réagir à cette chronique
Pour en discuter avec Théo Vasquez-Herbert ou lui soumettre un cas, passez par le site de Levier.
Écrire à ThéoÀ lire ensuite