IA sur les chantiers : guide pratique pour les professionnels

L’intelligence artificielle appliquée aux chantiers automatise le contrôle de la sécurité, le suivi de l’avancement et la planification des ressources. Ce n’est pas une promesse pour l’avenir : des entreprises de construction italiennes l’utilisent déjà pour réduire les retards, détecter les risques avant qu’ils ne deviennent des accidents et maîtriser les coûts et les matériaux.

Pour commencer dès maintenant, trois actions concrètes :

• Identifier un cas d’usage prioritaire avec un objectif mesurable : réduire les presque-accidents, raccourcir les délais de livraison ou améliorer le contrôle qualité sur un ouvrage précis.
• Rassembler les données disponibles : flux vidéo existants, plannings historiques, procès-verbaux de sécurité et données des capteurs environnementaux déjà installés.
• Lancer un projet pilote (POC) de 6 à 12 semaines sur un seul chantier ou processus, avec des KPI définis avant le démarrage.

Un conseil : ne commencez pas par la technologie. Partez des données dont vous disposez déjà et d’un problème qui vous coûte de l’argent ou provoque des accidents. Un modèle entraîné sur des données génériques produit des alertes non pertinentes ; un modèle calibré sur vos chantiers fonctionne réellement.

Pour la gouvernance, gardez trois références à portée de main dès la phase de cadrage : le RGPD pour le traitement des données des travailleurs, les lignes directrices de l’INAIL sur la sécurité des chantiers et des plateformes comme Edil-up pour la gestion centralisée des projets et le suivi de l’avancement. Le BIM reste le point d’intégration naturel de toute solution de planification prédictive.

Sommaire

• Qu’est-ce que l’IA appliquée aux chantiers et quels composants implique-t-elle ?
• Où l’IA apporte-t-elle une valeur concrète : les cas d’usage sur chantier
• Quels bénéfices concrets attendre de l’IA sur chantier ?
• Comment mettre en œuvre l’IA sur chantier : étapes, délais et coûts
• Comment fonctionne l’architecture technologique d’un système d’IA sur chantier ?
• Preuves d’efficacité : ce que montrent les données et comment Edil-up accompagne l’adoption
• Réglementation et protection de la vie privée pour l’IA sur les chantiers en Italie : RGPD, vidéosurveillance et INAIL
• Quels risques et limites faut-il connaître avant d’adopter l’IA sur chantier ?
• Points clés
• La première approche que nous recommandons : le point de vue d’Edil-up
• Edil-up : la plateforme pour gérer le chantier pendant l’adoption de l’IA
• Sources utiles et références réglementaires pour aller plus loin

Qu’est-ce que l’IA appliquée aux chantiers et quels composants implique-t-elle ?

L’intelligence artificielle pour les chantiers n’est pas un logiciel qui remplace le chef de chantier. Il s’agit d’un ensemble de technologies qui analysent les données en temps réel, reconnaissent des schémas et génèrent des alertes ou des prévisions sur lesquelles l’équipe humaine prend les décisions. La différence avec l’automatisation traditionnelle est la suivante : un système automatique applique des règles fixes ; un système d’IA apprend à partir des données et améliore ses prévisions au fil du temps.

Les composants technologiques pertinents pour un chantier sont les suivants :

• Vision par ordinateur : caméras reliées à des modèles de reconnaissance visuelle qui détectent le non-port des EPI, les comportements à risque et l’avancement physique des travaux.
• Capteurs IoT : dispositifs mesurant la température, l’humidité, les vibrations, les gaz, ainsi que la position des travailleurs et des engins. Ils génèrent le flux de données sur lequel travaillent les modèles de machine learning.
• Edge computing : traitement local, sur l’appareil ou une passerelle du chantier, pour les applications nécessitant une réponse en quelques millisecondes (alertes de sécurité en temps réel) ou lorsque la connectivité est instable.
• Cloud et machine learning : entraînement des modèles, analyse de grands volumes de données historiques, ordonnancement prédictif et reporting centralisé.
• BIM 4D et jumeau numérique : intégration de la maquette numérique du bâtiment avec des données temporelles et issues des capteurs afin de comparer l’avancement prévu et réel.
• API et intégrations ERP : connexion entre la plateforme d’IA et les logiciels de gestion de l’entreprise pour synchroniser les commandes de matériaux, les ressources humaines et les plannings.

Edge ou cloud : comment choisir ? Si l’application exige une latence inférieure à une seconde (détection des chutes, alertes EPI) ou si le chantier dispose d’une connectivité limitée, le traitement doit être effectué en edge. Pour l’analyse prédictive de données historiques, le reporting ou l’entraînement de nouveaux modèles, le cloud est le choix naturel.

Quatre termes à connaître pour dialoguer avec les fournisseurs sans perdre pied : POC (projet pilote à durée définie pour valider la solution), modèle entraîné (algorithme calibré sur des données réelles), inférence (application du modèle à de nouvelles données en production) et jeu de données étiqueté (données annotées manuellement servant à entraîner le modèle à reconnaître des situations spécifiques).

Où l’IA apporte-t-elle une valeur concrète : les cas d’usage sur chantier

Les cas d’usage ne manquent pas. L’enjeu est de choisir celui qui correspond à votre réalité, et non de tout adopter en même temps.

Sécurité et surveillance par vision par ordinateur. Des caméras reliées à des modèles de deep learning détectent automatiquement l’absence de casque, de harnais ou de gilet haute visibilité, et signalent les comportements à risque comme l’accès à des zones interdites. La plateforme nesea Build Safety AI normalise et corrèle les données environnementales, spatiales et comportementales afin de construire un modèle dynamique du risque, faisant passer la gestion de la sécurité d’une approche réactive à une approche prédictive. Données requises : flux vidéo en temps réel et plans du chantier.

Suivi de l’avancement avec le BIM 4D. Des photos et vidéos périodiques sont comparées au modèle BIM afin de calculer l’écart entre l’avancement prévu et réel. Le résultat opérationnel est un rapport hebdomadaire indiquant le pourcentage d’achèvement par zone et une estimation automatique du retard.

Ordonnancement prédictif. Les algorithmes analysent les historiques météorologiques, d’approvisionnement et de performance des sous-traitants pour générer des plannings précis et réduire les retards. Données requises : au moins 12 à 24 mois d’historique sur des chantiers similaires.

Maintenance prédictive. Des capteurs vibratoires et thermiques installés sur les engins lourds (grues, excavatrices, bétonnières) détectent les anomalies avant la panne. La maintenance est planifiée au moment le moins critique pour le chantier, plutôt qu’après l’arrêt de la machine.

Inventaire et traçabilité des matériaux. Des lecteurs RFID, des étiquettes QR et la vision par ordinateur surveillent l’entrée, la sortie et l’emplacement des matériaux sur le chantier. On réduit le gaspillage lié aux commandes excessives et on évite les arrêts dus au manque de composants.

Inspections par drones. Les drones réalisent des inspections thermiques et structurelles répétables sur les façades, les toitures et les zones difficiles d’accès, en produisant des orthophotos et des modèles 3D actualisés. Les durées d’inspection sont considérablement réduites par rapport à la méthode manuelle.

Formation et traduction multilingue. Des avatars numériques et des outils de traduction technique hors ligne facilitent la formation des travailleurs étrangers directement sur le chantier, avec des contenus adaptés à leur rôle et à leur langue. Une solution utile pour les chantiers constitués d’équipes internationales.

Pour les petites entreprises, le point de départ le plus efficace est la sécurité (vision par ordinateur appliquée aux EPI) ou le suivi de l’avancement : les données sont souvent déjà disponibles et le ROI est mesurable en quelques semaines. Les grandes entreprises qui gèrent plusieurs chantiers simultanément tirent le meilleur parti de l’ordonnancement prédictif et de la maintenance prédictive sur leurs flottes d’engins.

Quels bénéfices concrets attendre de l’IA sur chantier ?

Les bénéfices se mesurent selon cinq dimensions. Toutes ne se manifestent pas dès le premier POC, mais elles sont toutes accessibles avec suffisamment de données et une gouvernance adaptée.

• Sécurité : réduction des accidents grâce à la détection précoce des comportements à risque et des conditions environnementales dangereuses, avant la survenue de l’événement.
• Délais de livraison : la gestion centralisée des projets associée à des outils numériques peut réduire les délais de livraison jusqu’à 20 %, selon les données d’Edil-up.
• Qualité d’exécution : la comparaison automatique entre l’avancement réel et le modèle BIM détecte les écarts avant qu’ils n’exigent des reprises coûteuses.
• Optimisation des matériaux : une traçabilité précise réduit les commandes excessives et le gaspillage, avec un effet direct sur les coûts d’approvisionnement.
• Durabilité : la numérisation des processus de construction réduit les déchets matériels et l’impact environnemental global du chantier.

Chiffre clé : la gestion centralisée et numérisée des projets peut réduire les délais de livraison jusqu’à 20 % (source : Edil-up).

Les résultats varient sensiblement selon trois facteurs : la qualité et la quantité des données disponibles, l’échelle du chantier (un ouvrage employant 50 travailleurs et un autre 500 ont des besoins différents) et la gouvernance du projet, c’est-à-dire la personne responsable des données, des alertes et des décisions. Un POC bien structuré sur un chantier réel est le moyen le plus fiable d’estimer le ROI propre à votre activité.

Comment mettre en œuvre l’IA sur chantier : étapes, délais et coûts

Un projet d’IA sur chantier ne s’achète pas comme un logiciel de gestion. Il exige une phase de découverte, de collecte de données, d’entraînement et de test avant le passage en production. Voici la séquence opérationnelle.

1. Définir l’objectif mesurable. Première question : quel problème souhaite-t-on résoudre et comment mesurera-t-on la réussite ? Exemples : réduire les presque-accidents de 30 % en six mois, diminuer de deux semaines le retard moyen de livraison ou éliminer les arrêts imprévus des machines.

2. Cartographier les données existantes. Inventorier les flux vidéo actifs, les plannings historiques, les procès-verbaux de sécurité et les données des capteurs. Plus les données étiquetées sont nombreuses, meilleur sera le modèle.

3. Définir la gouvernance. Qui gère les données ? Qui valide les alertes ? Qui décide d’intervenir ? Sans gouvernance, même le meilleur modèle produit des alertes ignorées.

4. Choisir le partenaire technologique. Évaluer son expérience dans le secteur de la construction, sa capacité à s’intégrer au BIM et aux logiciels de gestion existants, son accompagnement après déploiement et sa conformité au RGPD.

5. Lancer le POC. Calendrier indicatif pour un projet pilote sur un chantier :

• Phase de découverte et de cadrage : 2 à 4 semaines
• Collecte et nettoyage des données : 2 à 6 semaines
• Entraînement et test du modèle : 4 à 8 semaines
• Déploiement pilote et validation : 4 à 8 semaines

Total : 12 à 26 semaines, selon la complexité du cas d’usage et la qualité des données disponibles.

6. Mesurer et décider du déploiement. Comparer les KPI avant et après le POC. Si les résultats sont positifs, planifier l’extension à d’autres chantiers avec un plan de montée en charge.

Concernant les coûts, les principaux facteurs sont les capteurs et le matériel (caméras, IoT, drones), la connectivité, les licences logicielles, l’intégration au BIM et à l’ERP ainsi que la formation du personnel. Un POC portant sur un seul cas d’usage a des coûts très différents d’un déploiement sur dix chantiers ; demander des devis détaillés à plusieurs fournisseurs est la bonne méthode pour estimer l’investissement réel.

Un conseil : impliquez le responsable du service de prévention et de protection (RSPP) ainsi que les chefs d’équipe dès la phase de cadrage. Ce sont eux qui valident les alertes sur le terrain et peuvent signaler les faux positifs. Leur implication réduit les résistances et améliore la qualité des données étiquetées.

Comment fonctionne l’architecture technologique d’un système d’IA sur chantier ?

Un système d’IA pour les chantiers n’est pas un produit unique : c’est une architecture de composants qui communiquent entre eux. La connaître aide à poser les bonnes questions aux fournisseurs et à éviter des intégrations coûteuses par la suite.

Les principaux composants sont les suivants :

• Capteurs et objets connectés portables : mesurent les paramètres environnementaux (gaz, température, bruit) et physiologiques (fréquence cardiaque, position GPS du travailleur).
• Caméras de vision par ordinateur : alimentent les modèles de reconnaissance visuelle pour la sécurité et le suivi de l’avancement.
• Drones : recueillent des données visuelles et thermiques sur des zones étendues ou difficiles d’accès.
• Appareils edge et passerelles : traitent localement les données pour les applications à faible latence, puis les filtrent et les compressent avant leur envoi dans le cloud.
• Cloud ML et data lake : stockent les données historiques, entraînent les modèles et hébergent le reporting centralisé.
• API BIM/4D : relient la maquette numérique du bâtiment aux données opérationnelles en temps réel. Graphisoft Archicad, par exemple, intègre des fonctionnalités d’IA directement dans le workflow BIM pour accompagner la conception et la vérification.
• Intégration ERP/logiciel de gestion : synchronise les commandes de matériaux, les ressources humaines et les plannings avec les données produites par le système d’IA.

Exigences minimales de qualité des données. Les modèles de vision par ordinateur exigent des images d’au moins 1080p avec un bon éclairage ; les modèles d’ordonnancement prédictif ont besoin d’au moins 12 mois d’historique sur des chantiers comparables. Des données insuffisantes ou non étiquetées produisent des modèles peu fiables.

Gouvernance des données. Définir dès le départ qui peut accéder aux données, pendant combien de temps elles sont conservées, comment les données personnelles des travailleurs sont anonymisées et quels accords de traitement des données (DPA) sont signés avec les fournisseurs. Ces choix influencent à la fois la conformité au RGPD et la qualité du modèle dans le temps.

Preuves d’efficacité : ce que montrent les données et comment Edil-up accompagne l’adoption

Les preuves les plus solides proviennent d’applications concrètes, et non de promesses marketing. Trois exemples opérationnels :

• Sécurité prédictive : la plateforme nesea Build Safety AI montre comment l’intégration de l’IoT, de la vision par ordinateur et du jumeau numérique permet de détecter automatiquement les EPI et de construire un modèle dynamique du risque, en passant d’une gestion réactive des incidents à une gestion prédictive.
• Analyse des plans d’exécution et suivi des EPI : des solutions comme celles décrites par AMS Web montrent comment l’IA peut automatiser l’analyse des plans d’exécution, accompagner la formation multilingue et surveiller le port des équipements de protection, avec des effets mesurables sur les délais et la qualité.
• Ordonnancement et chaîne d’approvisionnement : les algorithmes d’ordonnancement prédictif analysent les historiques météorologiques, d’approvisionnement et de sous-traitance afin de réduire les retards, avec des résultats vérifiables sur les chantiers ayant adopté ces solutions.

Edil-up accompagne cette phase d’adoption grâce à des outils de gestion documentaire, de suivi de l’avancement et de communication entre entreprises. La gestion centralisée des projets associée aux outils numériques de la plateforme peut réduire les délais de livraison jusqu’à 20 %. La plateforme facilite également la recherche de compétences spécialisées pour un POC grâce à sa marketplace de professionnels et d’entreprises du secteur.

Réglementation et protection de la vie privée pour l’IA sur les chantiers en Italie : RGPD, vidéosurveillance et INAIL

Introduire des caméras, des capteurs et l’analyse de données sur un chantier signifie traiter les données personnelles des travailleurs. En Italie, cela déclenche des obligations précises qui doivent être gérées avant la mise en service du premier système.

Points réglementaires essentiels :

• Le RGPD (règlement UE 2016/679) exige une base juridique pour le traitement des données des travailleurs. Pour la sécurité au travail, cette base est souvent l’obligation légale (art. 6, lett. c) ou l’intérêt légitime, mais elle doit être documentée au cas par cas.
• Les travailleurs doivent recevoir une information claire sur les données collectées, leur finalité et leur durée de conservation.
• Le traitement doit être inscrit dans le registre des activités de traitement de l’entreprise.
• Pour les traitements à haut risque (profilage des comportements, surveillance systématique), une analyse d’impact relative à la protection des données (DPIA) est obligatoire.

Vidéosurveillance sur chantier. L’installation de caméras à des fins de sécurité au travail est régie par l’art. 4 du Statut des travailleurs (L. 300/1970), qui exige un accord syndical ou, à défaut, une autorisation de l’Inspection du travail. La finalité de sécurité (prévention des accidents, détection des EPI) est distincte du contrôle de l’activité professionnelle : les systèmes d’IA doivent être configurés pour la première, et non pour le second. L’INAIL et le ministère du Travail proposent des lignes directrices actualisées sur ces obligations.

Indications pratiques pour le POC :

1. Rédiger l’information spécifique relative à la vie privée du chantier avant le lancement.
2. Vérifier si une DPIA est nécessaire et, le cas échéant, l’achever avant le déploiement.
3. Signer un accord de traitement des données (DPA) avec chaque fournisseur technologique.
4. Configurer les systèmes pour anonymiser les données lorsque cela est possible (par exemple, floutage automatique des visages dans les flux vidéo qui ne servent pas à l’identification).
5. Définir une politique de conservation : les données opérationnelles ne doivent pas être conservées plus longtemps que nécessaire pour la finalité déclarée.

Des outils comme edilizia.live intègrent une recherche sémantique dans les réglementations nationales et régionales, notamment le DPR 380/2001, les NTC 2018 et le D.Lgs. 81/08, et peuvent aider à vérifier les exigences réglementaires pendant le cadrage.

Quels risques et limites faut-il connaître avant d’adopter l’IA sur chantier ?

L’IA sur chantier fonctionne, mais elle n’est pas infaillible. Connaître ses limites évite les attentes irréalistes et les mauvaises décisions.

Limites techniques :

• Les modèles de vision par ordinateur perdent en performance en cas de faible luminosité, de poussière intense ou de brouillard. Un système entraîné sur des chantiers dans des conditions standard peut produire de nombreux faux positifs dans des environnements poussiéreux ou soumis à un éclairage artificiel variable.
• Les modèles de machine learning exigent une quantité suffisante de données étiquetées. Sans jeu de données représentatif de vos chantiers, les prévisions sont peu fiables. La personnalisation du modèle à partir des données de l’entreprise est le facteur qui contribue le plus à réduire les faux positifs.
• Les performances se dégradent au fil du temps si le modèle n’est pas réentraîné périodiquement sur de nouvelles données.

Risques opérationnels :

• Fatigue liée aux alertes : trop d’alertes entraînent une accoutumance. Les travailleurs et les responsables cessent de réagir. Les seuils d’alerte doivent être soigneusement calibrés et adaptés au fil du temps.
• Surcharge informationnelle : un système qui produit des rapports sur tout n’aide à décider de rien. Mieux vaut quelques KPI clairs que des tableaux de bord surchargés.
• Responsabilité décisionnelle : l’IA signale, mais la décision reste humaine. Définir qui est responsable de chaque type d’alerte est un préalable organisationnel, et non technique.

Bonnes pratiques :

• Tester le système dans des situations réelles avant la mise en production, y compris par mauvais temps et pendant les équipes de nuit.
• Impliquer les opérateurs dans la validation des alertes : ce sont eux qui savent si un signal est pertinent.
• Prévoir des sessions de réentraînement du modèle tous les 6 à 12 mois, ou après des changements importants sur le chantier.
• Documenter les modèles utilisés : version, données d’entraînement et seuils configurés. Cette transparence est utile pour la gouvernance interne comme pour d’éventuels contrôles réglementaires.

Points clés

L’IA pour les chantiers ne produit des résultats mesurables que lorsqu’elle part d’un problème concret, que des données suffisantes sont disponibles et que la gouvernance est gérée dès le début.

La première approche que nous recommandons : le point de vue d’Edil-up

Je vois souvent la même erreur : les entreprises de construction s’intéressent à l’intelligence artificielle en recherchant « la plateforme d’IA pour les chantiers », comme s’il s’agissait d’un produit prêt à l’emploi. Ce n’est pas le cas. Il s’agit d’un parcours qui commence par une question simple : quel est le problème qui me coûte le plus cher en temps, en argent ou en sécurité ?

La réponse détermine tout le reste : quelles données collecter, quel modèle entraîner et quelle intégration construire. Les entreprises qui obtiennent des résultats concrets ne sont pas forcément celles qui disposent du budget le plus important. Ce sont celles qui ont défini un objectif mesurable avant de signer le moindre contrat avec un fournisseur technologique.

La deuxième erreur consiste à sous-estimer la phase de gouvernance. Un système d’IA qui génère des alertes non gérées, ou qui collecte des données sans politique de conservation, crée plus de problèmes qu’il n’en résout. Impliquer le RSPP, les chefs d’équipe et le responsable informatique dès le cadrage n’est pas un détail organisationnel : c’est la condition pour que le modèle reçoive des données de qualité et que les alertes soient prises au sérieux.

Edil-up accompagne ce parcours en mettant à disposition des outils de suivi de l’avancement, de gestion documentaire et de communication entre entreprises. La plateforme est également un point d’accès pour trouver des partenaires et compétences spécialisées utiles à un projet d’IA : techniciens, formateurs et intégrateurs. Il n’est pas nécessaire de tout construire de zéro.

Edil-up : la plateforme pour gérer le chantier pendant l’adoption de l’IA

Les entreprises qui envisagent d’adopter l’intelligence artificielle sur chantier ont besoin d’une base numérique solide avant même de choisir le modèle d’IA. Sans données organisées, sans communication fluide entre les entreprises concernées et sans suivi centralisé de l’avancement, tout système d’IA repose sur des fondations fragiles.

Edil-up répond précisément à ce besoin : gestion documentaire, suivi de l’avancement des projets, communication directe entre entreprises et accès à un réseau de professionnels du secteur. La numérisation du chantier avec Edil-up réduit les délais de livraison jusqu’à 20 % et génère des économies environnementales mesurables, avec un arbre planté pour chaque abonnement actif. Pour celles et ceux qui souhaitent commencer à structurer les données du chantier et construire la base d’un POC d’IA, l’étape concrète consiste à découvrir les formules disponibles ou à contacter directement l’équipe. Découvrez les formules sur edil-up.com/pricing ou écrivez à edil-up.com/contatti pour échanger directement.

Sources utiles et références réglementaires pour aller plus loin

Références réglementaires italiennes :

• RGPD (règlement UE 2016/679) : texte officiel et lignes directrices du Garante per la protezione dei dati personali sur la vidéosurveillance et le traitement des données des travailleurs.
• D.Lgs. 81/2008 (texte unique sur la sécurité) : obligations de l’employeur et du RSPP, y compris les dispositions relatives à la surveillance et à la prévention.
• L. 300/1970, art. 4 (Statut des travailleurs) : encadre l’installation de dispositifs audiovisuels et autres outils de contrôle à distance.
• INAIL : publie des lignes directrices et des documents techniques sur la sécurité des chantiers, notamment des recommandations sur les technologies de suivi.
• Ministère du Travail et des Politiques sociales : circulaires et mesures relatives au contrôle à distance et aux accords syndicaux concernant la vidéosurveillance.

Ressources techniques et approfondissements :

1. nesea Build Safety AI : plateforme de sécurité prédictive intégrant IoT, vision par ordinateur et jumeau numérique pour les chantiers.
2. AMS Web : IA pour la construction : panorama des fonctionnalités d’IA appliquées à la formation, à l’analyse des plans d’exécution et au suivi des EPI.
3. ProntoProfessionista : IA sur les chantiers : article consacré à l’ordonnancement prédictif, à la chaîne d’approvisionnement et à la prévention des risques.
4. Graphisoft AI Solutions : intégration de l’IA dans le workflow BIM avec Archicad.
5. edilizia.live : assistant IA pour les professionnels de la construction avec recherche sémantique dans les réglementations nationales et régionales.
6. Drone-flyview : inspections industrielles par drones : guide technique sur l’intégration des drones aux inspections structurelles et au suivi de l’avancement.

Pages Edil-up pertinentes :

• Numérisation du secteur de la construction : valeur stratégique de la numérisation et initiatives de durabilité.
• Gestion centralisée des projets : comment la centralisation réduit les délais de livraison jusqu’à 20 %.
• Outils numériques pour les chantiers : panorama des outils numériques pour une gestion plus efficace.
• Contacter Edil-up : pour demander des informations ou échanger au sujet de votre projet.

Comment utiliser ces sources dans le projet. Avant de lancer le POC, vérifier auprès du Garante Privacy et de l’Inspection du travail territorialement compétente s’il existe des contraintes régionales spécifiques concernant la vidéosurveillance sur chantier. Les réglementations régionales peuvent ajouter des exigences au cadre national, notamment pour les chantiers publics ou les zones protégées.

À lire également

• Planning des travaux : guide pratique pour les professionnels de la construction
• Comment créer un réseau de contacts dans le secteur de la construction – Edil-up – La construction durable de demain
• La numérisation du secteur de la construction : comment préparer l’avenir – Edil-up – La construction durable de demain
• Les avantages d’une gestion centralisée des projets – Edil-up – La construction durable de demain