Explainable Machine Learning for Early-Stage Construction Duration Prediction Using Limited Project Information

Tout projet de construction commence par une question difficile à résoudre sans boule de cristal : combien de temps faudra-t-il pour construire ? Avant que les plans ne soient entièrement dessinés, avant que les matériaux ne soient commandés et avant que la première pelle ne touche le sol, les entrepreneurs et les clients doivent décider d'un calendrier. Cette décision dicte le budget, le calendrier des travailleurs et le risque financier pour toutes les parties impliquées. Traditionnellement, répondre à cette question nécessitait des calculs d'ingénierie détaillés et une décomposition de chaque tâche, des informations qui n'existent tout simplement pas lors des premières étapes de la planification. Cela crée une situation difficile où le besoin d'un calendrier est à son maximum précisément au moment où les données disponibles pour en créer un sont à leur minimum.

Pour résoudre ce problème, les chercheurs se sont tournés vers l'apprentissage automatique (machine learning), une branche de l'informatique où les programmes apprennent à trouver des modèles dans les données plutôt qu'à suivre des règles rigides et préétablies. Dans le contexte de la construction, ces programmes peuvent examiner des projets historiques et apprendre comment certains facteurs, comme le coût ou le type de bâtiment, sont liés à la durée des travaux. Cependant, de nombreuses tentatives précédentes reposaient sur des données qui ne sont disponibles qu'une fois le projet déjà lancé, telles que le nombre exact d'étages ou les conditions spécifiques du site. Cela limite leur utilité pour les décisions très précoces qui sont pourtant les plus cruciales. Une nouvelle étude menée par Mehmet Sena Kaşka et Işık Ateş Kıral répond à cette lacune en construisant un système qui prédit la durée de la construction en utilisant uniquement les informations de base disponibles au tout début d'un projet.

Les chercheurs ont rassemblé des données provenant de 209 projets de construction achevés pour entraîner leur système. Ils ont délibérément choisi d'ignorer les détails complexes qui ne sont pas encore connus lors de la phase de planification. Au lieu de cela, ils ont fourni à l'ordinateur quatre informations simples : le coût estimé du projet, si le propriétaire est une entité publique ou une entreprise privée, le type général de bâtiment ou d'infrastructure, et la localisation géographique. Le jeu de données comprenait une grande variété de structures, allant des maisons résidentielles et des bureaux commerciaux aux usines, aux ports et aux lignes de transmission d'eau, situés dans différentes régions, notamment le Moyen-Orient, l'Afrique du Nord, l'Asie du Sud et la Communauté des États indépendants. En utilisant un ensemble de projets aussi diversifié, l'équipe visait à créer un modèle capable de gérer la réalité complexe de l'industrie de la construction, plutôt qu'une simple tranche étroite de celle-ci.

Pour donner du sens à ces données, l'équipe a testé plusieurs types différents d'algorithmes d'apprentissage automatique. Ils ont comparé des modèles connus sous les noms de Random Forest, Extra Trees, Réseaux de neurones artificiels et XGBoost. Il s'agit de différentes approches mathématiques pour trouver des modèles, chacune ayant sa propre façon de traiter l'information. Les chercheurs ont veillé à ne pas s'appuyer sur un seul test pour déclarer un vainqueur. Au lieu de cela, ils ont répété le mélange des données et testé les modèles de différentes manières pour s'assurer que les résultats étaient stables et n'étaient pas seulement le fruit d'un coup de chance lié à la répartition des données. Ces tests rigoureux ont révélé que, bien que certains modèles performent bien lors d'un test unique, ils étaient sensibles aux changements dans les données. Le modèle XGBoost, qui utilise une technique consistant à construire de nombreux petits arbres de décision et à les combiner, s'est avéré être le performeur le plus constant à travers ces tests répétés.

Le modèle final sélectionné par les chercheurs, XGBoost, a atteint un niveau de précision suggérant qu'il a capturé des modèles significatifs dans les données. Lorsqu'il a été testé sur un ensemble spécifique de projets qu'il n'avait pas encore vus, les prédictions du modèle s'écartaient en moyenne d'environ 175 jours. Bien que cela puisse sembler être une marge d'erreur importante, les projets de l'étude allaient d'une durée aussi courte que 92 jours à une durée allant jusqu'à 2 760 jours, avec une médiane de 669 jours. Dans le contexte d'une planification initiale, où aucun calendrier détaillé n'existe encore, ce niveau de précision offre un point de départ précieux. Le modèle ne s'est pas contenté de fournir un chiffre ; les chercheurs ont également utilisé des outils pour expliquer comment le modèle était parvenu à ses conclusions, garantissant que les résultats ne soient pas un mystère de type « boîte noire ».

L'analyse de la logique du modèle a révélé que le coût estimé d'un projet était le facteur le plus important pour prédire sa durée. À mesure que le coût augmentait, la durée prédite augmentait généralement, ce qui concorde avec l'intuition selon laquelle les projets plus vastes et plus coûteux ont tendance à durer plus longtemps. Cependant, le modèle a également appris que le coût seul ne raconte pas toute l'histoire. La localisation géographique et le fait que le projet soit public ou privé influençaient également le calendrier. Par exemple, à des niveaux de coût similaires, les projets dans certaines régions étaient prédits plus longs que dans d'autres. Le type de projet importait également, les projets d'infrastructure et de port présentant des modèles de durée différents par rapport aux usines ou aux bâtiments commerciaux, bien que ces facteurs soient moins influents que le coût.

Malgré ces résultats prometteurs, les auteurs veillent à définir les limites de leur travail. Ils soulignent que cet outil n'est pas un remplacement pour un calendrier de construction détaillé, lequel est créé plus tard dans le processus lorsque tous les plans spécifiques sont connus. Le modèle est conçu comme une aide préliminaire, un moyen de comparer un calendrier proposé par rapport aux données historiques ou de signaler des risques potentiels avant qu'une offre ne soit soumise. Les chercheurs notent également que la performance du modèle est liée aux données spécifiques sur lesquelles il a été entraîné. Comme le jeu de données ne contenait que 209 projets et était inégalement réparti entre les différents types et localisations, le modèle pourrait se comporter différemment s'il était appliqué à un pays totalement nouveau ou à une condition de marché différente. L'étude stipule explicitement que le modèle doit être testé sur de nouvelles données externes avant de pouvoir être considéré comme fiable pour des décisions critiques du monde réel.

En fin de compte, cette recherche démontre que même avec des informations très limitées, il est possible de faire des suppositions éclairées sur les délais de construction. En se concentrant sur les quelques variables connues au tout début d'un projet, l'équipe a créé un cadre qui aide les décideurs à naviguer dans l'incertitude de la phase de planification initiale. L'étude montre que, bien qu'un ordinateur ne puisse pas prédire l'avenir avec une certitude parfaite, il peut apprendre du passé pour fournir une estimation raisonnable qui est meilleure qu'une simple supposition. Cette approche offre un moyen pratique d'apporter des perspectives fondées sur les données aux étapes les plus précoces de la construction, aidant à gérer les attentes et à planifier les ressources avant que la première brique ne soit posée.