Vous êtes cordialement invités!

Présentation publique – Projet de thèse de Guy JOBIN  

Date : 30 septembre 2024

Heure :  9h30

Lien zoom: https://uqam.zoom.us/j/87229850803  

Programme : Doctorat en informatique cognitive, TELUQ  

Titre : Adaptation des facteurs clés et des algorithmes d'apprentissage automatique: de l'estimation conceptuelle à l'affectation des ressources, pour l'estimation déterministe des coûts de travaux.  

Résumé :

Cette recherche propose une étude approfondie dédiée à l'ajustement des facteurs déterminants et des algorithmes d'apprentissage machine appliqués lors de la phase de conception, visant à optimiser l'estimation détaillée des coûts des projets d'infrastructures civiles totalement développés.  Ce travail est ancré dans un contexte où l'industrie de la construction est confrontée à des défis majeurs, notamment des dépassements de coûts fréquents, attribuables à des estimations souvent imprécises due à divers facteurs comme la complexité des projets et le manque de données précises.  Le projet vise à développer un outil capable de générer les estimations détaillées des coûts de construction en utilisant l'historique des données des ressources de chantier et en excluant les coûts associés.  Cela permettrait une prédiction plus précise des ressources nécessaires pour chaque activité de chantier, ainsi qu'une meilleure gestion des coûts lors de la réalisation des travaux en utilisant les taux correspondants à chacune des ressources prédites. Trois questions de recherche guident cette étude: Quels sont les facteurs déterminants des activités de chantier qui peuvent être utilisés pour entraîner un algorithme de prédiction des ressources chantier?  Quelle est l'architecture optimale pour cet algorithme? Est-il possible de former l'algorithme à partir de l'historique des données d'un estimateur expérimenté et de reproduire ses compétences d'estimation? La méthodologie adoptée comprend un état de l'art systématique de la littérature pour identifier et de synthétiser les travaux précédents, l'utilisation des modèles d'apprentissage automatique pour le développement de l'algorithme, et une phase de test pour évaluer l'efficacité de l'algorithme dans la prédiction des coûts.  Le rapport souligne l'importance de cette recherche pour l'industrie de la construction, où une estimation précise des coûts est cruciale pour la réussite des projets.  Il propose également une fusion de l'expertise humaine et de l'intelligence artificielle pour améliorer les estimations de coûts, ce qui pourrait améliorer les pratiques actuelles en offrant une des estimations plus précises et fiables,  EN conclusion, ce travail de recherche présente un potentiel significatif pour bonifier les pratique d'estimation détaillée dans le domaine des infrastructures civiles, en proposant une approche innovante qui intègre les technologies de pointe en informatique cognitive et en apprentissage automatique.  

Jury :

Roger Villemaire (président du jury)

Stéphane Gagnon

Mounir A. Boukadoum

Daniel Lemire (directeur de recherche)

Dragos Vieru (codirecteur de recherche)