Les chantiers de construction sont peut-être les « laboratoires » les plus dangereux du monde — des engins lourds rugissent, des centaines d’ouvriers s’affairent, l’environnement change en un instant. Comment assurer une cohabitation sécurisée entre les machines et les humains ? C’est le « dernier kilomètre » que l’IA physique doit parcourir pour passer du laboratoire au chantier. Le 16 juin 2026, Built Robotics, leader de l’IA physique dans la construction, et le laboratoire des systèmes autonomes sécurisés (xLAB) de l’École d’ingénierie de l’Université de Pennsylvanie ont annoncé le lancement d’une collaboration de recherche. L’objectif : entraîner des modèles d’IA à « perception surhumaine » à partir de données réelles de chantier, afin que les équipements de construction autonomes non seulement « voient » les humains, mais aussi « anticipent » leurs actions, redéfinissant ainsi les normes de sécurité du secteur.

Le « dernier kilomètre » de l’IA sur les chantiers

Le secteur de la construction est l’un des moins numérisés au monde et un domaine à haut risque d’accidents. Bien que les équipements de construction autonomes s’implantent de plus en plus sur les chantiers, un problème fondamental persiste : une IA parfaite en laboratoire « dysfonctionne » dès qu’elle est confrontée à la complexité réelle d’un chantier.

La complexité d’un chantier dépasse de loin tout terrain d’essai fermé : des centaines d’ouvriers travaillant simultanément, des étendues de plusieurs milliers d’hectares, des conditions d’éclairage changeantes, des mouvements soudains derrière des obstacles, des postures humaines non standard. Comme le souligne Rahul Mangharam, responsable du xLAB et professeur au département de génie électrique et des systèmes de Penn : « Le défi fondamental est de combler le fossé entre la validation en environnement contrôlé et la performance robuste en conditions opérationnelles. »

Les méthodes traditionnelles reposent sur des « essais en terrain clos et des simulations », mais ni l’une ni l’autre ne peut reproduire le chaos réel d’un chantier — c’est le principal goulot d’étranglement pour le déploiement à grande échelle de l’IA physique.

Une « perception surhumaine » alimentée par des données réelles de chantier

La collaboration entre Built Robotics et le xLAB repose sur trois piliers techniques :

Le premier « modèle de base du monde » pour la construction

Depuis sa création en 2016, Built Robotics a accumulé plus de 50 000 heures d’exploitation sur plus de 40 chantiers et achevé l’installation de projets solaires d’une capacité totale de plus de 3 GW. Dans le cadre de cette collaboration, Built utilisera cet immense ensemble de données opérationnelles réelles, associé à des robots de collecte de données spécialement conçus, pour construire le premier « modèle de base du monde » dédié au secteur de la construction — un cadre d’intelligence générale permettant aux machines de comprendre « comment les humains se déplacent, comment les machines fonctionnent et comment les accidents surviennent » sur un chantier.

Intégration profonde des modèles d’IA embarquée et des architectures de sécurité

La collaboration fusionnera le modèle propriétaire de détection de personnel par IA embarquée de Built Robotics avec les années de recherche du xLAB dans les systèmes autonomes critiques pour la sécurité. Le modèle de Built a été affiné sur des chantiers réels impliquant « des centaines d’employés et des milliers d’hectares » ; le xLAB se concentre sur l’intersection des méthodes formelles, de l’apprentissage automatique et des systèmes embarqués, spécialisé dans les architectures logicielles prouvablement sûres et hautement résilientes. Leur combinaison signifie que l’IA doit non seulement « détecter rapidement », mais aussi être « prouvablement sûre ».

Super-perception pilotée par les « cas limites »

L’un des objectifs centraux de la collaboration est de collecter et d’annoter systématiquement des « cas limites » — des situations rares sur un chantier mais potentiellement mortelles : postures anormales des ouvriers, apparitions soudaines derrière des obstacles, silhouettes sous un mauvais éclairage, comportements humains imprévisibles.

En entraînant les modèles d’IA avec ces données « contre-intuitives », le système développera une capacité de perception dépassant celle des humains — identifier des signaux de danger anormaux et fugaces que les humains pourraient négliger. Liam Osler, directeur de l’IA chez Built Robotics, déclare : « Nous partageons avec le xLAB la conviction fondamentale que l’IA physique doit d’abord garantir la sécurité ; elle a le potentiel d’établir de nouvelles normes de sécurité pour le secteur de la construction. »

Des chantiers solaires aux normes de sécurité de toute l’industrie

Phase 1 : Les « sentinelles IA » sur les chantiers solaires

Le projet pilote sera d’abord déployé sur des projets solaires à l’échelle des services publics. Le modèle de détection de personnel par IA embarquée de Built Robotics sera installé sur un robot de cartographie autonome pour collecter des données de capteurs haute fidélité sur des chantiers solaires réels. Ces données serviront à optimiser le modèle d’IA de Built et à l’étendre à d’autres plateformes de véhicules et scénarios de construction.

Phase intermédiaire : Couvrir tous les types d’équipements de construction

À mesure que le modèle évolue, ce système d’IA de sécurité pourrait passer du robot de cartographie à tous les types d’équipements de construction — bouteurs, excavatrices, grues — réalisant une boucle de sécurité pour la « cohabitation homme-machine » sur le chantier.

Phase à long terme : Établir une référence de sécurité pour toute l’industrie

Noah Ready-Campbell, PDG de Built Robotics, souligne que Built est membre du comité d’avenir de l’Association des fabricants d’équipements (AEM) des États-Unis. Il estime : « La sécurité est une marée qui soulève tous les bateaux. Si un accident survient, même s’il n’implique pas un robot de Built, il jette une ombre sur toute l’industrie. Nous avons donc la responsabilité d’aider l’ensemble du secteur à travailler en toute sécurité. »

Cela signifie que les résultats techniques de cette collaboration pourraient se transformer en normes de sécurité et en meilleures pratiques pour toute l’industrie, plutôt que de rester la propriété privée d’une seule entreprise.

Une étape clé pour la sécurisation de l’IA physique

Ce qui rend cette collaboration unique, c’est qu’il ne s’agit pas d’un simple transfert de technologie « entreprise + université », mais d’une recherche approfondie à double sens.

Pour Built Robotics : L’expertise académique du xLAB dans les systèmes critiques pour la sécurité fournit une caution théorique « sûre et fiable » pour le déploiement à grande échelle de Built.

Pour le xLAB : L’accès aux données réelles de chantier offert par Built permet à ses recherches de passer de la « simulation » à la « validation sur le terrain ».

Pour toute l’industrie : C’est la première pratique à grande échelle au monde qui introduit des méthodes formelles « prouvablement sûres » dans l’IA physique de la construction, ouvrant une nouvelle voie pour la certification réglementaire des équipements de construction autonomes.

Le PDG de Built Robotics, Ready-Campbell, lui-même ancien élève de Penn, confie que les travaux pionniers du professeur Vijay Kumar du laboratoire GRASP de Penn sur les quadrirotors et la coordination multi-robots ont profondément influencé la création de Built. Aujourd’hui, cette alliance entre un ancien élève et son alma mater transforme les chantiers de construction en « terrain d’examen ultime » pour la sécurisation de l’IA physique.

Lorsque l’IA pourra non seulement « voir » le danger, mais aussi « anticiper » le danger, le mythe de la sécurité sur les chantiers passera de la science-fiction à la réalité.