IA BTPAutomatisation du chiffrageOCR & RAG

Automatisation des débours par IA pour une PME du BTP : d'un dossier de plans à un devis prêt à chiffrer

Mission livrée·2 juillet 2026

-70 %de temps de production par note de débours
0ressaisie entre les plans et l'ERP de chiffrage
28 joursde développement, du cadrage au pilote en production
100 %des données hébergées en France, sur cloud souverain

Chargé d'étude traçant des mesures sur un plan de construction

Client: PME du BTP, rénovation et structure
Secteur: Bâtiment, sud de la France
Périmètre: Pilote IA : débours, DPGF et exports ERP
Équipe: Chef de projet IA, ingénieur IA et data, développeur full-stack
Durée: 8 à 10 semaines

Comment libérer l'étude de prix d'une PME du BTP des ressaisies manuelles, sans retirer la décision aux chargés d'étude

Le défi posé par la direction : automatiser la production des débours et des DPGF pour gagner en vitesse et en fiabilité, tout en gardant la maîtrise humaine sur chaque chiffrage.

L'étude de prix, goulot d'étranglement de la croissance

Notre client est une PME du bâtiment spécialisée en rénovation et en structure, basée dans le sud de la France. Chaque affaire commence par une phase d'étude exigeante : interpréter des plans PDF souvent hétérogènes, des documents de bureaux d'études techniques, des notes de débours manuscrites ou semi-structurées. Les chargés d'étude extraient les quantités, identifient les matériaux et les postes de main-d'œuvre, consolident le tout dans une note de débours, puis reportent les données dans les DPGF et dans l'ERP de chiffrage. Environ trente minutes par débours, des dizaines de dossiers chaque jour. Le fonctionnement est maîtrisé, mais il repose entièrement sur l'expertise individuelle : charge opérationnelle élevée, risques d'oubli qui pèsent directement sur la marge des chantiers, montée en charge conditionnée au recrutement de profils expérimentés. Un frein réel au moment d'ouvrir de nouvelles agences et de répliquer le modèle.

Chantier de rénovation structurelle en cours dans un bâtiment ancien — Rénovation et structure : chaque affaire commence par des plans hétérogènes et doit finir en DPGF chiffré, sans erreur.

Un outil métier qui transforme un dossier de plans en livrables prêts à l'emploi

Les équipes déposent les documents d'un chantier sur une interface web sécurisée, qui centralise le suivi des traitements. Un moteur d'ingénierie combinant OCR, règles métier et RAG analyse ensuite les plans et documents techniques pour en extraire les matériaux, les quantités, les longueurs et les postes de main-d'œuvre. Ce moteur est entraîné sur l'historique des chantiers et les notes de débours existantes de l'entreprise : il reproduit les pratiques de chiffrage internes plutôt que d'imposer une logique générique. Les données extraites sont rapprochées de la base de prix et de main-d'œuvre interne, puis le système génère une note de débours structurée, un DPGF pré-rempli au format Excel et des exports CSV prêts à être transférés dans l'ERP de chiffrage pour créer les études. Aucune ressaisie, et aucun bouleversement des outils en place : les fichiers Excel et l'ERP restent le quotidien des équipes.

L'humain garde la main sur chaque chiffrage

Un principe structurant du projet : l'outil fait le premier passage, la décision finale reste humaine. L'interface intègre un tunnel de validation qui permet de visualiser les données extraites, de les ajuster si nécessaire et de valider la version finale avant toute génération de livrable. Cette étape garantit la fiabilité des résultats et installe la confiance des équipes dans l'outil. Côté souveraineté, l'intégralité des données (plans clients, grilles de prix, historiques de chantiers) est hébergée en France sur OVHcloud. Les modèles retenus privilégient des briques françaises légères et économiques, type Mistral OCR et Mistral Small, mobilisées selon la complexité des documents et interchangeables sans remise en cause de l'architecture. Aucune donnée de l'entreprise n'est utilisée pour entraîner des modèles tiers.

Contrôle d'un tableau de données extraites sur un ordinateur portable — Le tunnel de validation : visualiser, ajuster, valider. L'outil propose, le chargé d'étude décide.

Cap de la mission

Objectifs de la mission

Transformer un dossier de plans en note de débours structurée et en DPGF pré-rempli au format Excel, sans aucune ressaisie manuelle.
Entraîner le moteur d'extraction (OCR, règles métier, RAG) sur l'historique des chantiers et les pratiques de chiffrage internes.
Garder la décision humaine à chaque étape critique grâce à un tunnel de validation avant export vers l'ERP de chiffrage.
Poser un socle souverain (hébergement en France, modèles français interchangeables), documenté et réversible, prêt pour l'industrialisation.

Un pilote en huit semaines pensé comme une fondation

Le pilote a été mené par une équipe resserrée : un chef de projet spécialisé IA et automatisation, un ingénieur IA et data en charge de l'extraction et de l'entraînement du moteur, un développeur full-stack senior pour l'interface web et les automatisations. La méthodologie est restée volontairement pragmatique : cadrage des cas d'usage prioritaires, développements par itérations courtes, démonstrations régulières et tests sur des dossiers réels fournis par les équipes. En huit à dix semaines et 28 jours de développement au forfait, l'entreprise dispose d'un outil opérationnel utilisé en conditions réelles, documenté et réversible : architecture API documentée, stack standard React et Node.js, code et modèles entraînés cédés au client. Le socle est prêt pour les extensions déjà identifiées dans la feuille de route, de l'assistant conversationnel de modification des exports à la duplication du modèle sur de nouvelles agences, qui pourront être engagées sur des gains objectivés.

J'ai un besoin similaire

Résultats mesurés

Des performances à la hauteur des attentes.

-70 %de temps de production par note de débours
0ressaisie entre les plans et l'ERP de chiffrage
28 joursde développement, du cadrage au pilote en production
100 %des données hébergées en France, sur cloud souverain

Simulateur

Combien vos débours vous coûtent-ils aujourd'hui ?

Réglez les curseurs selon votre organisation : le calcul applique le gain de temps mesuré sur ce pilote (70 % du temps de production par note de débours) et compare le coût annuel de vos études avec et sans IA.

Volume de notes de débours par jour20 / jour

Temps de production par dossier30 min

Coût horaire chargé40 € / h

Coût annuel actuel

88 000 €

Coût avec l'IA

26 400 €

Économie par an

61 600 €

Heures libérées / mois

128 h

Valider ces chiffres avec un expert IA

Hypothèse : 70 % du temps de production économisé, gain constaté sur cette mission.

Estimation indicative, calculée sur 220 jours ouvrés par an. Le gain réel dépend de la complexité des plans et du niveau de validation souhaité : c'est ce qu'un cadrage permet d'objectiver avant tout engagement.

« Nos chargés d'étude passaient leurs journées à ressaisir des quantités depuis les plans. L'outil fait le premier passage, ils valident et ajustent. On chiffre plus vite, avec moins d'oublis, et on peut envisager d'ouvrir de nouvelles agences sans faire exploser le back-office. »

— Direction générale, PME de la rénovation du bâtiment (mission confidentielle)

Zoom sur le consultant JUWA responsable du projet

Tristan Dumas

Consultant senior IA & automatisation, JUWA

Spécialiste des pilotes IA en environnement PME, Tristan Dumas encadre les missions de bout en bout : cadrage des cas d'usage, entraînement des moteurs d'extraction sur les données métier, conception des tunnels de validation et mise en production. Son approche privilégie des périmètres resserrés qui prouvent la valeur sur des dossiers réels avant toute industrialisation, avec une exigence constante de souveraineté et de réversibilité.

J'ai un besoin similaire

Questions fréquentes

Ce qu'il faut savoir sur cette mission.

Parce que le pilote concentre l'investissement sur les briques à plus forte valeur métier et permet de valider les gains sur des dossiers réels avant toute décision d'industrialisation. Le cœur du travail structurant (moteur d'extraction, architecture documentée) est réalisé dès cette phase : les extensions ultérieures se mènent ensuite de manière incrémentale, à coût maîtrisé, sur une base technique éprouvée.

Le moteur est entraîné sur l'historique des chantiers : plans, notes de débours et DPGF produits manuellement au fil des années, complétés par la base de prix et de main-d'œuvre interne. En combinant OCR, règles métier et RAG, il reproduit les logiques de chiffrage propres à l'entreprise, typologies de plans et matériaux compris, plutôt que d'appliquer un modèle générique.

Oui, c'est un principe fondateur de la solution. Un tunnel de validation permet de visualiser les données extraites, de les ajuster et de valider la version finale avant génération des livrables et export vers l'ERP. L'outil supprime les ressaisies répétitives, pas l'expertise : la décision finale reste toujours humaine.

En France, sur l'infrastructure OVHcloud, pour répondre aux impératifs de souveraineté et de confidentialité métier. Les modèles d'IA privilégient des briques françaises type Mistral, interchangeables sans refonte. Aucune donnée n'est utilisée pour entraîner des modèles tiers, et les développements spécifiques comme les modèles entraînés sont cédés au client en fin de mission.

Planifier un rendez-vous