Les modèles d’IA générative savent lire un plan, résumer une note de calcul ou proposer une valeur plausible. Il est tentant de leur demander directement : « ce pylône supporte-t-il une antenne de plus ? ». C’est précisément ce que nous ne faisons pas. Chez TriDyme, l’IA ne calcule pas la structure. Elle prépare les données, déclenche le moteur de calcul validé et contrôle le résultat.
Un calcul de structure engage une responsabilité
Une note de calcul n’est pas un avis. Elle justifie qu’un ouvrage résiste aux charges prévues par les normes, et elle engage la responsabilité de l’ingénieur qui la signe. Elle doit donc être :
- reproductible : les mêmes données d’entrée donnent toujours le même résultat ;
- vérifiable : un bureau de contrôle doit pouvoir refaire le calcul et retrouver les mêmes valeurs ;
- conforme : aux Eurocodes et à leurs annexes nationales, par exemple l’EN 1993-3-1 pour les pylônes.
Un modèle de langage n’a aucune de ces propriétés. Sa réponse peut varier d’une exécution à l’autre, il peut produire un chiffre convaincant mais faux, et il ne sait pas expliquer de façon contrôlable comment il l’a obtenu.
C’est pourquoi les calculs de la plateforme sont faits par un moteur déterministe, dont les calculs ont été validés par un bureau de contrôle. Les livrables qui en sortent engagent une responsabilité d’ingénierie et sont couverts en assurance.
Ce que fait l’IA : tout ce qui entoure le calcul
Dans un dossier d’ingénierie, le calcul lui-même représente une petite partie du temps. Le reste, c’est trouver, lire, rapprocher et vérifier les données. C’est là que l’IA est utile.
Avant le calcul, elle prépare les données. Elle lit les documents d’archives (notes de calcul, DOE, plans), en extrait les données techniques, les rapproche des équipements relevés et signale les écarts. Chaque valeur proposée porte sa source : le document et la page.
Elle déclenche le moteur. Une fois les données d’entrée validées, le calcul est lancé par le moteur de calcul validé, sur un site ou sur des milliers.
Après le calcul, elle contrôle et explique. Quand un modèle n’est pas conforme à ses documents, un agent le confronte au dernier DOE et à la dernière note de calcul, identifie ce qui pose problème et propose les données d’entrée à corriger, jamais une valeur calculée.
Un humain dans la boucle, à chaque étape engageante
Les propositions de l’IA ne modifient pas directement les données de référence. Elles sont déposées sur une branche, comme une proposition de modification de code : un ingénieur relit l’écart, puis fusionne ou rejette. Chaque décision est journalisée : qui a validé, quand, sur quelles données, avec quel résultat de calcul.
Ce fonctionnement a deux avantages :
- l’ingénieur garde la maîtrise de ce qui part dans une note de calcul ;
- le travail fastidieux de collecte et de rapprochement est automatisé, ce qui permet de traiter un parc entier plutôt qu’un dossier à la fois.
La bonne répartition des rôles
| Étape | Qui la réalise |
|---|---|
| Lire et structurer les documents | L’IA, avec un niveau de confiance par donnée |
| Rapprocher documents et équipements réels | L’IA, chaque écart étant sourcé |
| Valider les données d’entrée | Un ingénieur |
| Calculer | Le moteur déterministe validé |
| Contrôler la cohérence du résultat | L’IA, puis l’ingénieur |
| Signer le livrable | Un ingénieur |
À retenir
- Un calcul de structure doit être reproductible, vérifiable et conforme : c’est le rôle d’un moteur déterministe, pas d’un modèle de langage.
- L’IA apporte son efficacité là où le temps se perd réellement : lire, rapprocher et contrôler les données.
- Chaque proposition de l’IA est sourcée, relue et validée par un ingénieur avant d’être utilisée.
Envie de voir comment cela fonctionne sur vos données ? Découvrez la plateforme et nos agents IA, ou parlez à un expert.
