ChatGPT peut-il faire un takeoff de construction? Ce que l'IA générique fait — et ce qu'elle ne peut pas faire
Un takeoff, c'est de la lecture de symboles, de la mesure à l'échelle, du comptage exhaustif sur des centaines de pages, et de la gestion d'addendas qui arrivent au mauvais moment. C'est un travail visuel, spatial et cumulatif — pas du traitement de texte. C'est exactement pourquoi ChatGPT accroche.
Ce que fait réellement un takeoff
Un takeoff, c'est de la lecture de symboles, de la mesure à l'échelle, du comptage exhaustif sur des centaines de pages, et de la gestion d'addendas qui arrivent au mauvais moment. C'est un travail visuel, spatial et cumulatif. Pas du traitement de texte.
Ce qui rend ce travail exigeant, c'est précisément ce qui le rend difficile à déléguer à un outil généraliste. Lire une légende propre à un architecte spécifique, maintenir un décompte cohérent à travers 200 feuillets, revenir sur un feuillet quand un addenda modifie une zone déjà traitée — ce sont des tâches qui demandent de la rigueur procédurale, pas de l'intelligence générale. C'est exactement pourquoi ChatGPT accroche là-dessus.
Pourquoi ChatGPT ne peut pas effectuer un takeoff
| Capacité | ChatGPT |
outil spécialisé
|
|---|---|---|
| Périphérie du travail d'estimation | ||
| Rédiger courriels et lettres de couverture Aux sous-traitants, aux clients, sur appel d'offres |
✓ |
✓ |
| Résumer un devis ou des spécifications Identifier clauses inhabituelles, exigences particulières |
✓ |
✓ |
| Conversions d'unités et formules de base Pieds carrés, mètres linéaires, calculs rapides |
✓ |
✓ |
| Cœur du takeoff | ||
| Lire la légende propre à un document S'adapter aux conventions de chaque architecte |
✕ |
✓ |
| Détecter les symboles sur plans techniques Électrique, mécanique, structural, architecture |
✕ |
✓ |
| Mesurer à l'échelle sur un plan calibré Facteur de conversion appliqué feuillet par feuillet |
✕ |
✓ |
| Traiter un jeu complet de 50 à 400+ feuillets Cohérence du décompte sur tout le volume |
✕ |
✓ |
| Quantités traçables par feuillet et par zone Chaque élément détecté est visible et validable |
✕ |
✓ |
| Fonctionner sur plans scannés ou basse résolution La réalité terrain, pas seulement des documents propres |
✕ |
✓ |
| Hébergement canadien — conforme Loi 25 Données de projets protégées, accès contrôlé |
✕ |
✓ |
Un modèle de langage traite les images comme des données visuelles génériques. Il peut décrire ce qu'il voit, parfois de façon impressionnante, mais il n'a pas été entraîné pour lire des symboles techniques avec la rigueur qu'exige un takeoff. Si vous lui soumettez un plan électrique et lui demandez de compter les prises de courant, il va vous donner un chiffre. Ce chiffre sera souvent approximatif, parfois erroné, et vous n'aurez aucun moyen fiable de valider sa méthode ou de savoir quels symboles ont été inclus ou exclus. Dans une soumission, des quantités non traçables représentent un risque financier direct.
D’ailleurs, il ne connaît pas la légende de vos plans. Chaque jeu a ses propres conventions, et certains architectes ont des systèmes de symboles qui leur sont entièrement propres. ChatGPT n'a pas le mécanisme pour s'adapter à un document particulier — il travaille avec ce qu'il connaît de façon générale, pas avec ce que votre légende définit spécifiquement. Un outil spécialisé, lui, apprend la légende du document et l'applique de façon cohérente d'un feuillet à l'autre.
Il ne mesure pas à l'échelle non plus. Calculer des mètres linéaires sur un plan, c'est lire l'échelle du document, appliquer un facteur de conversion, et maintenir cette cohérence sur chaque feuillet. C'est une opération géométrique sur un document calibré. Ce n'est pas ce pour quoi les modèles de langage sont construits.
Sans parler du fait qu’il ne tient pas le compte sur des centaines de pages. Un jeu de plans complet peut en contenir 50, 150, parfois plus de 400. Traiter chaque feuillet, rattacher chaque élément à la bonne zone ou au bon niveau, s'assurer qu'aucun élément n'est compté deux fois, c'est de la gestion de données structurées sur un volume important.
La différence entre un LLM et un outil entraîné sur des plans de construction
Un outil de takeoff spécialisé pour la construction fonctionne sur un principe différent. Il est entraîné spécifiquement à détecter des patterns visuels dans des documents techniques : symboles électriques, fenêtres, colonnes structurales, systèmes de mécanique.
La différence pratique, c'est la fiabilité et la traçabilité. Vous pouvez voir quels symboles ont été détectés, sur quels feuillets, avec quelle classification. Vous pouvez valider, vous pouvez corriger. C'est un outil qui travaille pour vous.
Cette traçabilité est essentielle dans un contexte professionnel. Une soumission repose sur des quantités défendables — devant un client, devant un sous-traitant, ou devant votre propre équipe si le projet roule moins bien que prévu.
Ce que ça implique pour les estimateurs qui évaluent des outils en ce moment
Un outil sérieux s'adapte à vos documents, pas l'inverse. Un outil construit pour la construction lit la légende de votre document spécifique et s'y adapte. Sur des plans d'architectes qui ont leurs propres conventions, c'est là que l'écart de performance devient concret.
La qualité des documents est aussi un test révélateur. Les plans scannés, les PDF de mauvaise résolution, les feuillets mal orientés — c'est la réalité du terrain. Un outil qui performe seulement sur des documents propres vous laissera tomber exactement au mauvais moment.
La traçabilité, elle, est ce qui vous protège professionnellement. Pouvoir voir exactement quels éléments ont été détectés, sur quel feuillet, avec quelle classification — c'est ce qui vous permet de valider, de corriger, et de défendre vos quantités. Sans ça, vous avez un chiffre sans méthode, ce qui n'a pas plus de valeur qu'une estimation faite à l’aveuglette.
Finalement, l'hébergement canadien et la conformité à la Loi 25 ne sont pas des détails administratifs. Les données de vos projets sont sensibles. Où elles sont stockées et qui y a accès, ça compte, surtout dans un contexte où les donneurs d'ouvrage publics commencent à poser ces questions eux-mêmes.
