La technologie Big Data : un outil pour l'optimisation des processus de construction

z
INTERNATIONAL BUSINESS SCHOOL
Programme Grande École
Cycle Master
La technologie Big Data : un outil pour l'optimisation des
processus de construction
Mémoire de recherche
ESME
présenté par
Lucas DENIS
Sous la direction
du Professeur Ute DUBOIS
Année 2022 – 2023

Les opinions exprimées dans ce mémoire sont celles de son
auteur et non celles de l’ISG.
Je certifie sur l’honneur que le présent mémoire est le fruit d’un travail personnel et que toute
référence directe ou indirecte aux travaux de tiers est expressément indiquée. Je demeure seul(e)
responsable des analyses et opinions exprimées dans ce document. L’ISG n’entend y donner aucune
approbation ni improbation.
Signature :

1
Remerciements
Je tiens à exprimer ma profonde gratitude envers toutes les personnes qui ont contribué de
manière significative à la réalisation de ce mémoire de recherche. Leur soutien, leurs
encouragements et leur expertise ont été essentiels tout au long de ce voyage intellectuel.
Ma Famille
Je tiens à remercier ma famille pour leur amour, leur soutien inconditionnel et leur
compréhension tout au long de cette période intense. Votre patience et votre encouragement
m'ont permis de poursuivre mes études avec détermination.
Ma Tutrice
Un immense merci à Mme Dubois pour sa guidance, son expertise et son engagement tout au
long de ce projet de recherche. Votre mentorat m'a été précieux, et j'ai beaucoup appris grâce à
vous.
Mes Collègues de Recherche
Je souhaite également exprimer ma gratitude envers mes collègues de recherche, en
l’occurrence mes collaborateurs, dans l’entreprise dans laquelle j’effectue mon stage de fin
d’étude, qui ont partagé leurs idées, leurs connaissances et leur expérience. Votre collaboration
a enrichi ce travail de manière significative.
Mes Amis
À mes amis qui m'ont soutenu, m'ont encouragé et m'ont aidé à maintenir un équilibre entre ma
vie académique et personnelle, je vous suis reconnaissant plus que je ne saurais l'exprimer.
Merci à tous ceux qui ont contribué de près ou de loin à la réalisation de ce mémoire de
recherche. Vos contributions ont été essentielles et ont grandement enrichi ce travail.

2
Table des matières
Remerciements ............................................................................................................. 1
Introduction générale .................................................................................................. 3
Revue de littérature et présentation de la problématique........................................ 6
1. Introduction ...................................................................................................................... 6
2. La digitalisation dans le secteur du BTP .......................................................................... 7
3. Révolution dans les données de l’industrie du BTP......................................................... 9
4. Impacts de la digitalisation sur le secteur BTP............................................................... 10
5. Big Data et analyse de données ...................................................................................... 12
6. Le Big Data et la BTP..................................................................................................... 14
7. Big Data dans le BTP ..................................................................................................... 16
8. Présentation de la problématique.................................................................................... 17
9. Conclusion...................................................................................................................... 19
Méthodologie de recherche ........................................................................................ 20
1. Introduction .................................................................................................................... 20
2. Méthodologie de recherche ............................................................................................ 20
3. Choix d’une démarche quantitative................................................................................ 21
4. Présentation du terrain.................................................................................................... 22
Analyse des résultats.................................................................................................. 23
1. Présentation de l’échantillon .......................................................................................... 23
2. Analyse des réponses au questionnaire........................................................................... 24
2.1. Niveau de connaissance de la technologie Big Data ............................................... 24
2.2. Les compétences en Big Data au sein de l’entreprise.............................................. 24
2.3. Facteurs limitant l'adoption du Big Data ................................................................. 25
2.4. L’utilisation de technologie Big Data dans l'entreprise........................................... 26
2.5. L’importance de la technologie Big Data................................................................ 26
3. Les limites de la recherche ............................................................................................. 27
Discussions et Conclusion.......................................................................................... 29
1. Discussion des résultats.................................................................................................. 29
2. Conclusion...................................................................................................................... 32
Références bibliographiques..................................................................................... 34
Annexe A : Questionnaire.......................................................................................... 37
Annexe B : Les données recueillies........................................................................... 45

3
Introduction générale
Ces dernières années, le monde digital a connu une explosion de la quantité de données et
d'informations saisies et enregistrées dans différents domaines. Le développement des
nouvelles technologies tels que l'internet des objets (IOT), les réseaux intelligents, la
télédétection et l'automatisation continuent à accélérer la croissance des données. Les
entreprises et les secteurs d'activité sont aujourd'hui plus gourmands en informations
qu'auparavant, ils traitent une énorme quantité d'informations concernant leurs clients, leurs
fournisseurs et leurs opérations.
Le stockage, la gestion et l'analyse d'une telle quantité de données ne peuvent pas se faire
simplement en utilisant les bases de données et les techniques traditionnelles. Il faut au contraire
une nouvelle classe de technologies avancées. Dans ces conditions, la gestion des données
massives (ou Big Data) est apparue récemment pour remédier à cette lacune. L'analyse des Big
Data est devenue de plus en plus une pratique à la mode et a suscité un vif intérêt de la part des
chercheurs et des praticiens. Cette croissance massive de la production de données offre aux
scientifiques des données et des possibilités considérables d'obtenir des informations et des
connaissances utiles. Il est évident que l'accessibilité des données et leur gestion peuvent
améliorer l’état actuel de nombreux secteurs en renforçant les techniques d'analyse statistique
existantes (Bilal et al., 2016).
Le secteur du bâtiment et des travaux publics (BTP) n'est pas une exception à la révolution
numérique. Sans aucun doute, le BTP traite une quantité importante de données provenant de
diverses disciplines durant tout le cycle de vie d'une installation. Si ces données étaient mieux
exploitées, elles pourraient aider à obtenir des informations sociales, économiques et
environnementales utiles qui soutiendraient la prise de décision afin d'obtenir un avantage
concurrentiel. Ces intérêts ont incité les organisations du BTP à adopter l’analyse des Big Data,
dans l'intention de générer des informations commerciales stratégiques précieuses pour
améliorer la prise de décision et ainsi obtenir un avantage concurrentiel organisationnel (Cook,
2015).
Cependant, rien n'indique clairement que le secteur du bâtiment et des travaux publics a acquis
ou est en train d'acquérir la capacité d'extraire et d'analyser automatiquement ces énormes

4
quantités de données, de manière à pouvoir fournir un retour d'information approprié pour les
projets actuels et/ou futurs. Le secteur du BTP souffre depuis longtemps d'une mauvaise
utilisation de la main-d'œuvre et des ressources. Le caractère unique et la complexité des projets
de construction sont deux des raisons qui empêchent les gestionnaires d'utiliser efficacement
les données des projets précédents pour améliorer la productivité de leurs nouveaux projets.
L'échec et la réussite d'un projet de construction dépendent d'une série d'événements qui sont
corrélés entre eux par de nombreuses interactions et interconnexions. Ces corrélations ne sont
pas tout à fait claires et difficiles à reconnaître sans prendre en compte et analyser un grand
nombre d'éléments (par exemple, les conditions météorologiques, les méthodes de construction,
etc.).
La littérature révèle que le secteur du bâtiment et des travaux publics connaît la plus faible
croissance de productivité de tous les secteurs. Les études existantes affirment que ce secteur a
le plus faible potentiel d'exploration de la valeur des Big Data. En effet, les techniques de
gestion des données massives (Big Data) telles que l'exploration de données ont été utilisées
pour explorer les raisons de la faible productivité (Kim et al., 2008 ; Sowmya et Suneetha,
2017). Bien que le potentiel de l'industrie du bâtiment et des travaux publics à tirer profit de
ces techniques, il a été jugé plus faible que celui de nombreuses autres industries.
Dans ce contexte, et à la croisée des chemins entre le nouveau rôle stratégique attribué au
secteur du BTP et l’émergence des technologies liées au Big Data, il est souhaitable, dans un
premier temps, de mieux comprendre quelles étaient les enjeux de l’application des techniques
d’analyse des Big Data dans le secteur du BTP, quels disciplines du BTP elles pouvaient
impacter, de quelle manière elles pouvaient les impacter et enfin quel était aujourd’hui le niveau
d’adoption de ces analyses dans le secteur du BTP.
Les enjeux que soulève le Big Data dans le secteur du BTP sont multiples et ont des origines
diverses. Des enjeux technologiques qui vont modifier en profondeur de nombreuses activités.
Des enjeux économiques qui vont permettre aux entreprises, organisations ou personnes
l’utilisant des gains productifs significatifs. Des enjeux stratégiques par l’importance qu’ont et
que vont avoir les données possédées par toutes les organisations. Enfin, des enjeux
organisationnels car la technologie Big Data, en modifiant les activités, va modifier le travail.
Souhaitant contribuer à cette réflexion émergente, d’aborder quelques enjeux du Big Data
seront proposés, ainsi que de formuler quelques pistes d’action permettant de mieux les prendre

5
en compte, tant du point de vue de la conception que de l’usage. Ces enjeux tendent toutefois à
être amplifiés par les développements actuels du Big Data, ce qui justifie à notre sens la
pertinence d’une réflexion circonscrite au Big Data dans le secteur BTP.
Malgré ces constatations, les recherches actuelles ne s’attardent pas sur les enjeux de
l’utilisation des technologies du Big Data dans le secteur du bâtiment et travaux publics. C’est
dans cette optique que la relation entre le Big Data et son effet sur le secteur du BTP sera traitée,
tout en cherchant à répondre à la problématique suivante :
Quel est l’impact de la technologie Big Data sur l'optimisation des processus de
construction ?
En effet, grâce aux avancées technologiques actuelles et aux quantités croissantes de données
et d'informations collectées et stockées chaque jour, il est désormais possible pour les
gestionnaires de la construction d’utiliser ces données pour optimiser les processus de
construction : planification des travaux, la gestion des stocks et maintenance préventive.
Cette recherche tente de découvrir comment les capacités du Big Data peuvent aider les
entreprises du BTP à optimiser leurs processus de construction. L’optimisation des processus
de construction est une tâche difficile que le Big Data peut fournir des aides à la décision pour
la faciliter. Ainsi, ce mémoire tente de s'intéresser aux conséquences de ce phénomène de Big
Data spécifiquement dans l’industrie du bâtiment et des travaux publics. Il est organisé de la
manière suivante :
Le premier chapitre passera en revue la littérature pertinente liée au secteur de la BTP, à la
notion du Big Data, et à l’intégration du Big Data dans la BTP.
Le deuxième chapitre sera consacré à la méthodologie de recherche, décrira la manière dont
les données sont collectées et présentera les caractéristiques de l'échantillon.
Dans le troisième chapitre, les hypothèses seront testées empiriquement et les résultats seront
présentés.
Le dernier chapitre sera consacré à notre conclusion.
Afin de réaliser ce travail, il me semblait important de choisir un sujet qui puisse m’apporter
tant au niveau personnel que professionnel. C’est pour cette raison que mon choix s’est dirigé
vers les technologies du Big Data, un sujet d’actualité qui m’apportera une première bonne
connaissance et qui me sera probablement utile lors d’un futur poste de travail.

6
Revue de littérature et présentation de la
problématique
1. Introduction
L'industrie du bâtiment et des travaux publics joue un rôle important dans le développement et
la croissance économique de toute nation. Le rythme de la croissance économique peut être
mesuré par le développement de différents projets de construction tels que les routes, les
autoroutes et les ponts, etc. Différentes parties et processus sont impliqués dans le
développement d'un projet de construction, ainsi que de nombreuses contributions de la part de
parties générales et privées afin de mener à bien le projet.
La profession de constructeur est peut-être la plus ancienne profession connue de l'homme, car
l'abri est la plus élémentaire des nécessités de survie (Shute 1573). Le rôle documenté de la
construction dans la société humaine remonte à plus de 4 500 ans, et les lois sur la construction,
ou règlements de construction, remontent à 1750 av. J.-C., lorsque le code d'Hammurabi, avec
son système de justice "œil pour œil", régnait au Moyen-Orient ; la disposition 229 du code
d'Hammurabi stipule ce qui suit : "Si un constructeur construit un bâtiment, il doit le faire : Si
un bâtisseur construit une maison pour quelqu'un et ne la construit pas correctement, et que la
maison qu'il a construite tombe et tue son propriétaire, alors le bâtisseur sera mis à mort"
(Allensworth et al. 2009).
A l'époque romaine de Jules César (63 av. J.-C. à 14 ap. J.-C.), Vitruve, ingénieur en chef de
César, a rédigé un traité en dix volumes sur les pratiques de construction romaines, qui
reconnaissait la nécessité de disposer de sols appropriés, de compétences en matière de gestion
et de contrôle des coûts, et favorisait également la définition de l'étendue des travaux et la
répartition des risques. Depuis l'époque de la Rome impériale jusqu'au XIXe siècle, le droit
applicable aux pratiques de construction a été généralement réglementé par des lois locales, des
lois de la couronne et des perceptions paroissiales (Allensworth, et al. 2009 ; Ettlinger 1977).
Au 19e siècle, la common law, dérivée de décisions judiciaires antérieures, est entrée en vigueur
(Allensworth, et al. 2009). La common law, qui a vu le jour en Angleterre au XIIIe siècle, ainsi

7
que le droit constitutionnel et le droit législatif, ont servi de base aux contrats de conception et
de construction jusqu'à aujourd'hui (Allensworth, et al. 2009).
L'évolution du secteur du bâtiment et travaux publics a été longue et ardue, les avancées les
plus significatives ayant eu lieu au cours des cent dernières années, avec une complexité
croissante. L'utilisation des technologies dans l'industrie a augmenté presque aussi vite que la
technologie est devenue disponible.
2. La digitalisation dans le secteur du BTP
Aujourd'hui la digitalisation est devenue un concept populaire dans le monde entier en raison
de sa capacité à créer de l'efficience dans les opérations, de l'efficacité et à offrir de nouvelles
opportunités. Des secteurs tels que la banque, l'industrie manufacturière et la vente au détail ont
tous compris les avantages de la digitalisation et se sont tournés vers l'avenir en l'utilisant
comme une nouvelle approche pour garantir un gain de compétitivité et d'efficacité (Osunsanmi
et al. 2018).
Rouse (2017) a posé que la digitalisation est le processus d'organisation et de transformation de
l'information en un ensemble de données distinct qui est de nature numérique. Ces informations
transformées deviennent des données binaires qui sont compréhensibles et peuvent être traitées
par des ordinateurs et d'autres appareils dotés d'une capacité de calcul. Selon Berger (2016) la
digitalisation consiste plutôt à travailler avec des outils et des pratiques basés sur les
technologies de l'information et de la communication.
Alors que d’autres industries l’ont adopté de manière bénéfique, l'industrie du bâtiment et des
travaux publics doit encore l'adopter pleinement dans la prestation de ses services. Cette
incapacité à exploiter les avantages inhérents de la digitalisation a considérablement affecté
l'industrie, en particulier dans les pays en développement, car aucune transformation majeure
n'est évidente dans le secteur du BTP (Castagnino et al. 2016).
Ibem et Laryea (2014) affirment que l'utilisation des technologies numériques n'est devenue
que récemment une idée commune parmi les acteurs du BTP. Le secteur doit donc passer d'une
simple prise de conscience et d'une adoption partielle de la digitalisation à une mise en œuvre
complète de celle-ci dans toutes les facettes de ses activités. Cette étude reconnaît le fait qu'il
existe différentes études publiées sur la technologie numérique et les technologies de
l'information et de la communication (TIC) dans le secteur du BTP (El-Mashaleh 2007, Ibem
et Laryea 2014, Oladapo 2007, Peansupap et Walker 2015).

8
Castagnino et al. (2016) ont observé que la digitalisation peut être cruciale dans la
transformation des trois principales phases du cycle de vie des projets de construction ; à savoir
la phase de conception et d'ingénierie, la phase de construction et la phase d'exploitation.
L'adoption de technologies numériques pour les divers processus de construction au cours de
ces différentes phases du cycle de vie de la construction réduira considérablement l'incertitude
et favorisera l'obtention de produits de construction satisfaisants. Les avantages de l'utilisation
des technologies numériques dans le cadre du développement de la construction sont
considérables. En fait, Hashim et al. (2013) ont identifié les avantages de l'utilisation de la
technologie numérique dans la fourniture de projets de construction pour inclure, entre autres,
l'amélioration de la qualité du processus, des économies adéquates dans les coûts de
construction, la satisfaction adéquate des clients et des participants, l'augmentation de la
réactivité et de la productivité, l'expansion du marché, et le projet livré de la manière la plus
efficace.
Staub-French et Fischer (2017) ont noté que l'utilisation des technologies numériques permet
de distinguer les conflits dans la conception et facilite l'établissement des calendriers dans la
procédure de construction. En plus de cela, il a également été découvert que moins de travaux
de reprise et moins d'ordres de modification sont enregistrés lorsque la digitalisation est
adoptée. Dans la plupart des cas, ces reprises sont coûteuses et sont dues à d'innombrables
rencontres qui ne sont découvertes qu'au cours de la phase de construction. Surtout, l'adoption
de la digitalisation permet une meilleure maîtrise des coûts.
La digitalisation de l'industrie du bâtiment et des travaux publics et l'intégration des données
avec des méthodes appropriées de visualisation du secteur, le déploiement de ces technologies
et processus est essentiel à l'avancement de l'industrie du BTP. L'impression 3D, la BIM, les
données en temps réel, l'informatique en nuage, la réalité virtuelle (virtual reality), la réalité
augmentée (augmented reality), le balayage par drone, la base de données et l'internet des objets
ne sont pas tous les outils utilisés dans le monde d'aujourd'hui ; l'intégration et le déploiement
de ces technologies constituent l'avenir (You et Feng, 2020). L'utilisation de ces technologies
est la solution pour relever les défis auxquels l'industrie du BTP est confrontée ; elle exige
également des parties prenantes qu'elles réfléchissent rapidement et prennent des décisions
intelligentes pour les proﬁts bruts de leurs organisations et de leurs clients (Chaurasia et Verma,
2020).

9
3. Révolution dans les données de l’industrie du BTP
La révolution des données améliore la dynamique de travail des projets en accélérant les
innovations dans ses aspects et en améliorant la prise de décision, en stimulant la productivité
et les capacités organisationnelles. Le secteur du BTP sera également confronté à ces
changements. L’industrie du BTP souffre actuellement de divers problèmes, dont le plus
important est la grave inefficience qui entraîne une baisse de la productivité, ce qui risque de
coûter à l'économie mondiale environ 1,6 billion de dollars par an (Barbosa et al., 2017).
L'industrie du BTP est confrontée à des défis exceptionnels tels que le manque de digitalisation,
une mauvaise gestion de projet, une conception inefficace, une mauvaise sécurité des
travailleurs, conception inefficace, le manque de sécurité des travailleurs, l'augmentation des
émissions de de gaz à effet de serre et une économie de la construction volatile (Li et al, 2017a ;
Li et al., 2017b). L'adoption de technologies telles que l'intégration des données semble
inévitable.
L'incorporation ou la mise en œuvre de l'innovation et d'autres mécanismes de changement est
l'un des fondements du développement, mais l'industrie du BTP était à la traîne par rapport à
l'industrie manufacturière. Bien que l'étendue des données ne soit peut-être pas aussi "grande"
que le volume de données dans le commerce de détail ou les secteurs financiers, le secteur du
bâtiment et travaux publics traite des données très hétérogènes provenant de diverses sources,
telles que les plans, les devis quantitatifs, les spécifications de construction, le taux de prix et
les données quotidiennes sur l'état d'avancement du projet. Compte tenu de cette demande
significative, il est urgent d'analyser et d'intégrer les données multivariées susmentionnées
(Moeini et al., 2017).
Peiffer (2016) a déclaré que l'intégration des données était l'un des principaux facteurs
permettant de configurer la manière d'améliorer l'efficience de l'industrie. Dans les secteurs de
l'architecture, de l'ingénierie et de la construction, l'adoption des technologies de l'information
et des données favorise une transformation profonde du secteur pour la modélisation, la
conception et la gestion de la construction intelligente (Parisi et al., 2021).
Cependant, la digitalisation du secteur BTP dans la gestion de la science des données est
incompétente, ce qui, selon (Castagnino et al. et al., 2016) est le résultat d'une locomotion
tardive et lente de l'industrie pour s'approprier les nouvelles technologies. Ceci est confirmé par

10
l'indicateur de la MGI qui place le secteur du BTP en bas de la liste des industries numérisées
dans le monde.
4. Impacts de la digitalisation sur le secteur BTP
L'impact de la digitalisation sur le développement et la croissance des entreprises, et des
économies nationales en général, pose des questions d'une nature différente qu'il convient
d'aborder. L'importance de la digitalisation dans le secteur du BTP s'est accrue rapidement au
cours de la dernière décennie et on s'attend à de grands changements dans les années à venir.
Les différents aspects de la digitalisation et de la transformation digitale appliqués aux
entreprises du BTP sont examinés dans un grand nombre de publications scientifiques. Pour
que le secteur exploite pleinement le potentiel de la digitalisation à l'avenir, il est nécessaire
d'étudier et de mettre en œuvre de bonnes pratiques pour une digitalisation réussie dans le
secteur.
L'adoption et l'utilisation des technologies numériques auront un impact sur le secteur du BTP.
Nous pouvons citer :
 Efficacité et productivité accrues : Grâce aux technologies numériques et à
l'automatisation, les entreprises peuvent fournir de meilleurs produits ou services avec
moins de ressources. L'analyse des données joue un rôle central à cet égard, car elle
permet de comprendre en profondeur l'écosystème afin d'optimiser les processus et
l'utilisation des ressources.
 Augmentation du chiffre d'affaires et des bénéfices plus élevés : L'utilisation intensive
des technologies numériques pour contrôler les processus de construction à chaque
phase peut conduire à une meilleure gestion des ressources, ce qui se traduit par une
réduction des coûts et une augmentation des bénéfices.
 Durabilité environnementale et réduction du bruit : L'utilisation des technologies
numériques pourrait conduire à l'adoption de nouvelles solutions qui améliorent la
durabilité environnementale.
 Efficacité énergétique : Les technologies numériques peuvent entraîner une réduction
constante des déchets (carburant, électricité, eau), améliorant ainsi l'efficacité
énergétique tout au long des phases de construction.

11
 Réduction de la charge de travail et amélioration de la sécurité sur le chantier : Les
technologies numériques telles que l'automatisation et les techniques de construction
comme la production hors site entraînent une réduction de la charge de travail physique
et de l'exposition à des activités dangereuses sur le site.
 Amélioration de la prise de décision : L'analyse des données d'un projet de construction
sur des feuilles de calcul manuelles est une approche lente qui a un impact négatif sur
la productivité et la gestion du temps. Les superviseurs peuvent rarement avoir une vue
d'ensemble sur papier et sont donc gênés dans leur capacité à prendre des décisions
rapides qui tiennent compte du déroulement du projet. Mais avec l'avantage de la
digitalisation, les superviseurs de projets peuvent travailler à partir d'analyses et
d'aperçus de données intelligentes et en temps réel, ce qui les aide à prendre des
décisions précises et basées sur des données.
 Amélioration de la saisie et de la gestion des données : Une quantité importante de
données de qualité et granulaires est ignorée et/ou n'est pas exploitée de manière
adéquate dans le secteur de la construction. Qu'il s'agisse d'images, de contraintes ou de
violations de la sécurité, de nombreuses données brutes susceptibles d'améliorer la
qualité, la sécurité et l'efficacité des projets de construction ne sont pas exploitées. En
utilisant les fonctions et les moyens de la digitalisation, les entreprises de construction
peuvent capturer ces données et les mettre au service de la réalisation des objectifs du
projet.
En résumé, chaque acteur de la chaîne de valeur voit le potentiel de tirer profit de la
digitalisation qui est généralement considérée comme un facilitateur fondamental de la
transition vers un modèle à haute valeur ajoutée.
Les grandes entreprises ont tendance à être lentes à prendre des décisions, mais elles peuvent
jouer un rôle de précurseur dans le futur scénario numérique. En raison de la taille et de la
complexité de la prise de décision, la transformation digitale dans les grandes entreprises peut
prendre beaucoup de temps - parfois plus de trois ans, selon certaines entreprises. Cela dit, elles
sont généralement bien conscientes des avantages liés à l'adoption des nouvelles technologies
numériques. En outre, certaines entreprises ont intérêt à devenir des précurseurs (c'est-à-dire
pour l'interopérabilité, les formats de données et les protocoles de communication) dans le

12
nouveau scénario numérique, montrant ainsi leur intention d'améliorer leur positionnement sur
le marché à moyen/long terme.
5. Big Data et analyse de données
La digitalisation est l'une des grandes tendances du marché mondial, puisque les technologies
numériques sont disponibles dans la majorité des organisations. Les technologies développées
par les processus de digitalisation permettent l'automatisation et l'interconnexion de nombreux
processus différents dans des domaines distincts. La croissance rapide de la technologie
informatique a donné accès à d'énormes quantités de données (Storey et Song, 2017 ; Bilal et
al., 2016 ; Deutsh, 2015). Les entreprises recueillent des informations sur leurs clients, leurs
fournisseurs ou les opérations qu'elles effectuent (McKinsey Global Institute, 2011).
Grâce à diverses sources telles que le web, l'internet des objets (IoT), les réseaux de capteurs et
les médias sociaux, il est désormais possible de recueillir des informations rapidement et en
plus grande quantité qu'auparavant (Storey et Song, 2017 ; Bilal et al., 2016). Le rapport du
McKinsey Global Institute (2011) affirme que les données disponibles aujourd'hui peuvent être
perçues comme un moteur d'amélioration de l'économie, tant au niveau national
qu'organisationnel. Du point de vue de l'entreprise, les données améliorent la productivité et
renforcent son avantage concurrentiel dans le secteur. Par conséquent, la gestion traditionnelle
des données ne suffit plus (Storey et Song, 2017). La capture et l'analyse de ces grandes
quantités de données n'est pas un concept nouveau : de nombreuses entreprises traitent chaque
jour de vastes ensembles de données, notamment des sociétés comme Amazon, Google et
Facebook (Maté et al., 2017 ; Marr, 2015). Ces entreprises rassemblent différents types de
données en temps réel pour permettre l'exécution de tâches de manière automatique (Ylijoki et
Porras, 2016).
Les données massives (Big Data) deviennent de plus en plus une partie intégrante de presque
tous les domaines. La rapidité avec laquelle les données sont générées et empilées à l'ère des
technologies numériques perturbatrices est stupéfiante. Pour comprendre et décrire de grandes
quantités de données, les chercheurs se penchent souvent sur plusieurs attributs, appelés dans
ce cas les 3V, 4V ou 5V (Motawa, 2017 ; Storey et Song, 2017 ; Bilal et al, 2016 ; Sørensen et
al, 2016). Les trois attributs fondamentaux des données sont le volume, la variété et la vitesse,
qui représentent la définition des 3V (Laney, 2001). Les composantes des 3V sont décrites ci-
dessous.

13
 Le volume : Le volume représente la taille des données, qui peut être mesurée en
téraoctets, pétaoctets et au-delà (Bilal et al., 2016 ; Sørensen et al., 2016).
L'augmentation du volume de données est un processus très dynamique, le volume total
de données augmentera considérablement d’année en année. Les grandes quantités de
données peuvent être perçues par les organisations comme un actif tangible, et il est
donc important de les stocker correctement. Les entreprises doivent trouver des moyens
de stocker ces volumes accrus de données, par exemple par le biais du stockage en
nuage. Toutefois, les organisations doivent déterminer si toutes les données leur
apportent une valeur, car avec l'augmentation du volume de données, la valeur de
certains ensembles de données diminue (Laney, 2001).
 La Variété : Les données proviennent d'un éventail de sources différentes et sont
capturées sous diverses formes (Motawa, 2017 ; Bilal et al., 2016). Elles peuvent être
enregistrées dans des modèles distincts et exprimées sous de nombreuses formes, par
exemple sous forme de texte, d'audio, de vidéo ou de graphique (Bilal et al., 2016 ;
Sørensen et al., 2016 ; Tabakow et al., 2014). Ces combinaisons de données donnent des
ensembles de données structurées et non structurées (Bilal et al., 2016 ; Sørensen et al.,
2016). Certaines des sources de données possibles sont : les bases de données internes
des organisations, les sources externes telles que l'Internet, le Deep Web ou différents
types de statistiques (Tabakow et al., 2014). Selon Laney (2001), la variété est le
principal problème d'une gestion efficace des données, car les informations sont
disponibles dans des formats et des structures incompatibles.
 La Vitesse : La vitesse est la vitesse de création, de capture, d'extraction, de traitement
et de stockage des données, comme le streaming (Motawa, 2017 ; Storey et Song, 2017 ;
Sørensen et al., 2016). La vitesse peut varier de quelques jours à quelques heures ou
rester un processus continu (Sørensen et al., 2016). Le plus grand avantage pour les
organisations est la gestion des données en temps réel. Le streaming de données
nécessite une puissance de calcul suffisante pour permettre une prise de décision rapide.
Ces données volumineuses ont rendu nécessaire la mise au point d'outils et de techniques de
gestion des données efficaces pour traiter la masse de données. Récemment, une grande
attention a été portée à l'utilisation, au stockage et à la gestion des Big Data dans divers
domaines. La masse de données générée quotidiennement par ces technologies a incité de

14
nombreux chercheurs à utiliser ces données à des fins innovantes et à abandonner les approches
traditionnelles de collecte de données par questionnaire, qui prennent beaucoup de temps, au
profit d'une gestion plus numérique des données. Le développement d'algorithmes,
l'apprentissage machine, l'analyse statistique et le développement de modèles informatiques
font partie des diverses techniques qui dépendent des données qui peuvent être facilement
collectées par les gadgets d'usage quotidien. La présence de masses de données permet aux
chercheurs de prendre des décisions éclairées et de mener des analyses pertinentes dans leur
domaine d'étude.
6. Le Big Data et la BTP
Dans le secteur du BTP, il existe d'importants volumes de données disponibles, et ces quantités
devraient augmenter rapidement à l'avenir (Storey et Song, 2017 ; Bilal et al., 2016 ; Marr,
2015). De grandes quantités de données sont produites tout au long du cycle de vie du projet de
construction. Le processus de création et de collecte des données est très fragmenté en raison
du grand nombre de parties prenantes. Une partie des informations est générée pendant la phase
de conception, et une autre pendant l'entretien du bâtiment, où les données sont produites par
les utilisateurs finaux (Motawa, 2017). Aujourd'hui, l'industrie traite une partie de ces données
en utilisant la modélisation des données du bâtiment (BIM) qui capture les informations de
CAO pour améliorer la collaboration avec les parties prenantes (Bilal et al., 2016). Cependant,
lors de l'élaboration d'un système de connaissances continu conçu pour évoluer rapidement
grâce à l'ajout d'informations tout au long du cycle de vie d'un bâtiment, la capture des
connaissances au format numérique est problématique (Motawa, 2017). On pense qu'avec le
développement rapide des techniques et des technologies permettant de gérer de grandes
quantités de données, les connaissances et les informations pourraient être recueillies de
manière plus efficace (Motawa, 2017 ; Storey et Song, 2017).
Lorsque l'on examine les données accessibles dans le secteur de bâtiment et travaux publics, il
est clairement évident que ce secteur répond à tous les critères du principe des 3V. Le volume
et la variété des données sont particulièrement importants pour le secteur du BTP. Le volume
et la variété des données sont particulièrement visibles dans le secteur, car les projets de
construction génèrent en permanence de grandes quantités de données structurées et non
structurées (Motawa, 2017). Les données sont volumineuses en raison de leur énorme
disponibilité dans les calendriers, la conception ou les rapports financiers. Elles sont

15
hétérogènes, dynamiques et se présentent sous différents formats : DWG, DXF, PDF, ifcXLM
(Bilal et al., 2016). La nature dynamique des données de construction suit les tendances de la
société en provenant de capteurs et de systèmes d'automatisation des bâtiments. Pour innover
et optimiser le secteur, il est nécessaire d'utiliser la technologie disponible aujourd'hui (Motawa,
2017 ; Storey et Song, 2017 ; Bilal et al., 2016).
Dans le secteur du BTP, l'application des données peut contribuer à rendre plus efficaces les
pratiques de conception, de construction et d'entretien. Des outils de collecte de données
accessibles permettent de recueillir des données détaillées qui décrivent la performance du
travail ou l'efficacité des opérations. L'ensemble complet d'informations peut aider les parties
prenantes du projet à mieux comprendre le projet dans son ensemble et à reconnaître les besoins
des travailleurs et des utilisateurs finaux. Les méthodes actuelles de collecte de données
fournissent des informations en temps réel qui contribuent à améliorer la planification du cycle
de vie du projet (Motawa, 2017).
Pour mettre en place des pratiques axées sur les données au sein de l'organisation, il convient
de comprendre l'ensemble du processus de gestion des données. Selon Mello et al (2014), la
procédure de gestion des données peut être décrite en quatre étapes.
Mello Raquel, Leite Luciana Rosa and Martins Roberto Antonio (2014) Is Big Data the Next
Big Thing in Performance Measurement Systems? In Proceedings of the 2014 Industrial and
Systems Engineering Research Conference, 2014.
 Tout d'abord, les données pertinentes doivent être collectées à partir de différentes
sources, et ce processus est connu sous le nom d'acquisition.
 Ensuite, les données capturées sont stockées de manière appropriée et préparées pour
être partagées avec d'autres parties.
 Afin d'extraire la valeur des grands ensembles de données, celles-ci sont traitées et
analysées par le biais de l'analyse des données.
 La dernière étape de ce processus est l'application des données analysées qui conduisent
à la prise de décision et aux actions de l'entreprise.
Toutes les étapes de cette procédure sont liées et s'influencent mutuellement puisqu'il s'agit d'un
processus hautement dynamique (Motawa, 2017 ; Mello et al., 2014).

16
Dans le contexte de la gestion des données, le secteur du BTP doit adapter de nouveaux outils
à toutes les étapes de la gestion des données afin de convertir les données en informations
précieuses (Motawa, 2017 ; Courtney, 2013 ; Tien, 2013 ; Waller et Fawcett, 2013). En raison
de la diversité des données, les entreprises du BTP doivent trouver le moyen d'analyser les
ensembles de données structurées et non structurées. La majorité des méthodes analytiques ne
traitent que des ensembles de données structurées. Il est donc nécessaire de déterminer
clairement qui doit analyser les données et en tirer la valeur. (Motawa, 2017).
7. Big Data dans le BTP
L'extraction et la récupération de données est l'un des domaines du Data Mining qui a été étudié
par de nombreux chercheurs dans l'industrie du BTP (Lin et al. 2006 ; Lee et al. 2009 ;
Elghamrawy et al. 2010). Lin et al. (2006) ont proposé une approche assistée par les
connaissances pour améliorer les transactions d'informations sur les produits AEC (architecture,
ingénierie et construction) en se basant sur l'exploration d'informations sur le web. Ils ont utilisé
trois modèles différents, notamment une approche statistique, une approche sémantique et une
approche hybride statistique/sémantique. Elghamrawy et al. (2010) ont mis en œuvre une
méthodologie en quatre étapes pour gérer les documents de construction, y compris un modèle
de métadonnées de document, une ontologie sémantique, un cadre RFID et un mécanisme
d'indexation ontologique. Ils ont utilisé des contextes sémantiques basés sur la RFID pour
récupérer les documents liés à des concepts spécifiques sur le chantier. Lee et al. (2009) ont
introduit un système pour capturer les idées des processus d'ingénierie de la valeur passés, afin
que ces idées puissent être appliquées pour résoudre les problèmes qui peuvent survenir dans
les projets en cours. Le système proposé se compose d'un algorithme d'appariement et d'un
algorithme de classement qui, ensemble, sont capables de trouver et de rappeler les approches
les plus proches d'un problème enregistré dans des documents antérieurs sur l'analyse de la
valeur.
Les techniques d'exploration de données peuvent également être appliquées à la recherche et à
l'identification d'un croquis ou d'une image (Brilakis et al. 2005 ; Yu et al. 2013). Un moteur de
recherche basé sur le contenu a été développé par Brilakis et al. (2005) pour gérer la base de
données d'images de construction et récupérer les images utiles. Une approche similaire au
clustering, appelée Blind Relevance Feedback, a été appliquée pour identifier les images
voulues.

17
Yu et al. (2013) ont mis en œuvre une technique d'exploration de texte basée sur le contenu pour
générer un modèle d'extraction de documents de conception assistée par ordinateur (CAO). Ils
ont utilisé un modèle d'espace vectoriel (VSM) pour faire correspondre les similitudes entre les
documents de CAO. En outre, une recherche de portée réduite a été employée pour classer les
documents disponibles et identifier celui qui est recherché.
L'exploration et la récupération des connaissances tacites des experts est un autre sujet qui a été
étudié par les chercheurs (Woo et al. 2004 ; Lin 2008 ; Tserng et al. 2008). Plus précisément,
Woo et al. (2004) ont examiné les connaissances tacites dans l'industrie AEC et ont proposé une
carte des connaissances dynamique, qui peut aider à l'application des connaissances tacites des
experts. Lin (2008) a utilisé une carte basée sur les personnes pour fournir un système de gestion
de l'expérience des assistants pour les projets de construction. Ce système permet de partager
les connaissances tacites et l'expérience des experts pendant la phase de construction. Dans une
autre tentative, un cadre de gestion des connaissances de projet pour la construction de tunnels
a été proposé (Tserng et al. 2008). Dans leur travail, une méthodologie a été développée pour
collecter et enregistrer les connaissances générées dans un projet spécifique et pour fournir un
cadre d'anthologie d'expérience directionnelle, qui pourrait combler le fossé entre les systèmes
d'organisation des connaissances existants et les exigences pratiques.
Alderon Iron Ore Corp. a adopté des technologies de Big Data pour gérer plus de 150 types
différents de documents de projet (par exemple, des dessins, des modèles, des contrats et des
matériaux d'approvisionnement) afin de fournir un accès en temps réel aux documents pour les
membres du projet géographiquement dispersés.
8. Présentation de la problématique
L’industrie du BTP est un secteur à forte intensité de données, où la masse de données est
générée et n'est pas exploitée de manière adéquate en raison de la lenteur de l'adoption des
technologies. En conséquence, il n'est pas surprenant de constater que le secteur du BTP est à
la traîne de la courbe technologique, ce qui est plutôt lent si l'on considère les innovations et les
perturbations quotidiennes apportées par l'industrie des technologies de l'information en plein
essor. En outre, le Big Data, une technologie relativement nouvelle, n’est pas correctement
adoptées par le secteur du BTP. En fait, la gestion de Big Data dans le BTP n'en est qu'à ses
débuts et a encore un long chemin à parcourir avant d'arriver à maturité. Cependant, de

18
nombreuses études montrent que le potentiel est énorme si les technologies du Big Data sont
pleinement utilisées.
Aujourd'hui, les études sur l’industrie du BTP et sa gestion en relation avec le Big Data sont
rares, ce qui constitue un gap dans la recherche. Cette gap offre des possibilités de recherches
supplémentaires qui peuvent grandement bénéficier à l'industrie du bâtiment et des travaux
publics à long terme.
Cette étude a pour but d'identifier les façons dont le Big Data peut être utilisé dans le secteur
du BTP et sa gestion sur la base de l'examen de la littérature existante. La littérature existante
sur le Big Data ne fournit pas de solutions détaillées pour l’optimisation des processus de
construction, ce qui crée un gap dans la littérature concernant l'utilisation du Big Data dans
l'industrie de la construction.
La problématique posée est la suivante :
Quel est l’impact de l’analyse de données massives (Big Data) sur l'optimisation des processus
de construction ?
L'objectif de cette étude est de tester et d'examiner si la technologie Big Data peut résoudre les
problèmes liés au partage de l'information et améliorer le processus de prise de décision dans
les projets de construction. Cette recherche vise à explorer l'applicabilité et à évaluer le potentiel
de l'utilisation des techniques d'analyse des Big Data dans l'industrie du BTP.
En termes d'implications, cette étude aidera à la fois les chercheurs et les praticiens de la
construction, les premiers connaissant l'état actuel de la recherche sur le Big Data et pouvant
voir les possibilités de recherche future. De même, les praticiens peuvent déterminer les
exigences en matière de logiciels et de matériel pour intégrer les opportunités basées sur les Big
Data dans la construction et créer des modèles de mise en œuvre.
9. Conclusion
La question de recherche nécessite un aperçu général de la situation actuelle de l’industrie du
BTP afin d'identifier l’impact des technologies Big Data sur l’optimisation de leurs processus
de construction.
Dans ce mémoire, des données sont collectées par une enquête quantitative sur un échantillon
aléatoire d’entreprises. Les résultats de la recherche issus de cette enquête sont examinés par
rapport à la théorie afin de pouvoir évaluer les facteurs les plus importants qui permettent

19
l’amélioration l’intégration de la technologie Big Data dans l’industrie du BTP. Dans le chapitre
suivant, une description plus détaillée de la méthodologie choisie sera fournie.

20
Méthodologie de recherche
10. Introduction
Dans ce mémoire de recherche, nous avons réalisé des recherches sur les thèmes de l’industrie
du BTP et les technologies Big Data dans le but de ressortir notre problématique. C’est pourquoi
nous avons retracé en première partie les concepts et théories permettant de comprendre le
secteur du BTP, ainsi que les nouvelles technologies liées à la notion du Big Data. Une fois
cette étape remplie, nous sommes dans l’obligation d’apporter une réponse à notre
problématique, en se basant sur une méthodologie et en réalisant notre propre travail de
recherche.
11. Méthodologie de recherche
Il existe deux types de méthodes de recherche qui sont normalement les plus utilisées dans la
collecte de données ; celles-ci sont identifiées comme suit : méthodes qualitatives et
quantitatives (Ghauri et al., 1995). Les méthodes qualitatives font souvent référence à des
études de cas où la collecte d'informations peut être reçue de quelques objets d'étude (Bryman
et Bell, 2007). De plus, les méthodes qualitatives mettent l'accent sur la compréhension,
l'interprétation, les observations dans les milieux naturels et la proximité des données avec une
sorte de vue d'initié (Ghauri et al., 1995). Selon Bryman et Bell (2007), la recherche qualitative
est une approche appropriée pour la recherche en administration des affaires et en gestion.
D'autre part, les méthodes quantitatives consistent en des études empiriques systématiques qui
consistent à quantifier à l'aide des mathématiques et des statistiques (Bryman et Bell, 2007).
Les données sont collectées et transformées en nombres qui sont testés empiriquement pour
voir si une relation peut être trouvée afin de pouvoir tirer des conclusions à partir des résultats
obtenus. En d'autres termes, les méthodes quantitatives sont liées à des interprétations
numériques.
Collis et Hussey (2014) décrivent les données qualitatives comme transitoires et sont souvent
utilisées avec une méthodologie interprétative. Les données qualitatives peuvent être recueillies
par le biais de questionnaires en ligne ou d'entretiens approfondis, puis permettent aux

21
chercheurs de développer une théorie à partir des données collectées (Saunders et al. 2009 ;
Bryman et Bell, 2011). A leur tour, les données quantitatives qui sont souvent précises, il existe
différentes techniques telles que des statistiques, des tableaux et des graphiques disponibles
pour examiner et analyser les données collectées (Saunders et al. 2009).
12. Choix d’une démarche quantitative
Afin de trouver des réponses possibles à notre problématique de recherche, il est nécessaire de
planifier et de concevoir une stratégie de recherche. Ainsi, la stratégie doit contenir divers types
de méthodes et d'outils pertinents pour accomplir la recherche. De plus, il est très important
d'utiliser des outils et des méthodes de recherche qui mettent en évidence la fiabilité et la validité
du matériel et des données collectées. En outre, il est essentiel que toutes les données matérielles
et collectées soient analysées et examinées de manière critique.
Au regard de notre objet de recherche, il nous est apparu intéressant de recourir à une démarche
quantitative afin d’appréhender chaque dimension du sujet et de répondre à la problématique.
Les méthodes d’ordre quantitatif consistent à questionner un nombre important de personnes
pour décrire un phénomène ou un comportement. En l’occurrence dans ce mémoire, il a été
choisi de sélectionner uniquement une dizaine de répondants experts sur le sujet qui est plutôt
spécifique et demande certaines connaissances.
La stratégie de recherche pour ce mémoire a commencé par la collecte et l'étude de quelques
informations de base concernant l’intégration du Big Data dans le processus de construction ;
par la suite, la problématique de recherche a été décidée. Un questionnaire a été structuré sur la
base de la recherche d'une littérature importante sur l’intérêt de la technologie Big Data dans
l’industrie de la BTP.
Le but de cette recherche exploratoire est d'ajouter à notre compréhension l’importance de
l’introduction des technologies Big Data dans les entreprises du BTP, d'avoir une idée plus
claire de la façon dont les entreprises du BTP utilisent leurs données massives pour une gestion
optimale du processus de construction. Notre recherche est une exploration quantitative via un
questionnaire, 9 individus ont répondu à notre enquête. Le nombre de répondants est peu
important car nous avons conclu qu’il était préférable de prendre en compte uniquement les
professionnels du bâtiment qui ont une notion du Big Data. Or, la majorité des employés du
BTP qui ont été sollicités pour répondre ne connaissait même pas le terme. Ainsi, nous n’avons
demandé qu’à 9 personnes de répondre pour obtenir des résultats le plus exhaustifs possibles.

22
Les résultats des données collectées seront analysés et discutés afin d'identifier les résultats les
plus importants. De plus, certaines conclusions seront tirées sur la base des résultats associés
aux questions de recherche.
Pour mieux comprendre l'état de compréhension et préparation à la technologie Big Data dans
l’industrie du BTP, nous avons élaborer un questionnaire à partir d’une revue de la littérature
réalisée au préalable, il comportait 47 questions à choix multiples et est composé de quatre
parties principales (cf. Annexe A).
Partie 1 : Identité du répondant et de l’entreprise
Cette partie du questionnaire concerne l’identité, portant à la fois sur l’identité du répondant et
de l’entreprise.
Partie 2 : Niveau de connaissance de la technologie Big Data
La deuxième partie d'enquête était d'établir le niveau général de compréhension et connaissance
du Big data dans l’entreprise. Elle permettait d’avoir une idée détaillée du rôle que pourrait
avoir la technologie Big Data dans l’entreprise.
Partie 3 : L’utilisation de technologie Big Data dans l'entreprise
La troisième partie de l’enquête a testé les points de vue des entreprises sur le véritable intérêt
et les limites pour l’intégration de la technologie Big Data, notamment dans le cadre de
l’optimisation du processus de construction.
Partie 4 : L’importance de la technologie Big Data sur l’optimisation des processus de
construction
La quatrième partie enquête sur le degrés d’importance qu’occupait le Big Data dans
l’entreprise. Cette partie enquête aussi sur les degrés de satisfaction des entreprises qui ont
intégré la technologie Big Data. Cette partie d’enquête portait aussi sur la vision globale des
personnes interrogées sur l’intégration du Big Data dans la gestion de l’entreprise.
13. Présentation du terrain
Nous avons mené une enquête quantitative sur un échantillon aléatoire d’entreprises issues du
réseau Google Forms. Par l’intermédiaire de la plateforme, nous avons généré 47 questions.
Les données collectées feront l’objet d’un dépouillement et d’une analyse graphique à l’aide de
la plateforme Google Forms.

23
Analyse des résultats
Les données de cette recherche ont été recueillies grâce à une enquête par questionnaire (cf.
Annexe A). Les résultats de cette enquête seront récapitulés sous forme graphique en Annexe
B. Ce chapitre présente une analyse détaillée de ces résultats.
14. Présentation de l’échantillon
Au total, 9 réponses ont été reçues : 1 femmes (11,1%) et 8 hommes (88,9%) ont répondu au
questionnaire. 22,2% sont des architectes, 22,2% sont des chefs de projet BTP. Les autres
répondants sont des directeurs généraux, directeurs techniques, ingénieurs ou gestionnaires
d’installations, et 44,4% des répondants se situent dans la tranche d’âge 20-30 ans, 22,2% dans
la tranche 30-40 ans, et 22,2% dans la tranche 40-50 ans. 55,5% des répondants ont une
ancienneté de moins de 5 ans, 22,2% ont une expérience entre 5 et 10 ans, et 22,2% ont une
expérience de plus de 10 ans. De plus, tous les répondants ont une bonne maîtrise de l’usage
des nouvelles technologies. 88,9% des répondants pensent que la technologie Big Data est
importante pour une gestion efficace des processus de construction. La plupart des personnes
interrogées occupent un poste dans les secteurs du génie civil, travaux publics, et de
construction spécialisée, possédant ainsi une expertise certaine dans leur domaine. 55,6% des
organisations sont des entreprises existantes depuis plus de 50 ans. 22,2% des entreprises ont
une ancienneté entre 10 et 50 ans. 22,2% des organisations ont une ancienneté entre 5 et 9 ans.
Les entreprises étudiées ont un service de gestion depuis plus de 5 ans. 55,6% des entreprises
sont anciennes. Au niveau de la digitalisation, 77,8% des entreprises ont une bonne maturité de
la transformation digitale. Compte tenu de l'ancienneté de l'existence d'un service gestion, du
secteur d’industrie de l’entreprise, et de l'expérience des personnes interrogées, notre
échantillon présente donc une connaissance certaine dans le domaine de la gestion du secteur
BTP. 33,3% de entreprises sont de grandes taille, 33,3% de taille moyenne, et 33,3% de petite
taille. 25% des entreprises faisant plus de 1 milliard d’Euros de CA l’année dernière, 12,5%
entre 500 millions et 1 milliard, 50% entre 10 millions et 100 millions, et 12,5% entre 100 et
500 millions d’Euros.

24
15. Analyse des réponses au questionnaire
Les différentes réponses au questionnaire obtenues ont pour objectif d’étudier l’impact de la
technologie Big Data sur l'optimisation des processus de construction. Dans le but d’effectuer
une analyse des résultats objective nous les avons classés par thématiques.
15.1. Niveau de connaissance de la technologie Big Data
Le concept de Big Data est relativement récent dans les entreprises du BTP, toutefois il
commence à être bien prise en compte par les entreprises. Les résultats montrent que la
compréhension du Big Data est encore très disparate, ce qui implique que le Big Data est loin
d’être maîtrisé. 55,6% des répondants affirment avoir une bonne compréhension de concept du
Big Data, 44,4% ont une connaissance limitée. Les résultats montrent que 55,6% des répondants
ont une attitude positive envers le Big Data. Cela montre que malgré la méconnaissance de
celui-ci, il y a un réel engouement à le comprendre et une volonté de se l’approprier. 77,7% des
réponses affirmant que le Big Data peut aider dans la gestion des entreprises du BTP, nous
comprenons ici que le Big Data va être amener à jouer un rôle déterminant dans la gestion et
l’optimisation des processus de construction.
15.2. Les compétences en Big Data au sein de l’entreprise
Les résultats montrent que la quasi-totalité (plus de 88,9%) des entreprises ne proposent aucune
formation en Big Data. Cela peut être expliqué par le manque de moyen ou des décisions non
orientés envers celui-ci. Nous constatons aussi que 44,4% des entreprises se préoccupent de
l’exploitation de la Big Data dans leur structure. La préoccupation est faible ou quasi inexistante
pour 55,6% des entreprises. La moitié presque (44,4%) des entreprises possèdent des
infrastructures technologiques qui permettent l’intégration de la technologie Big Data, par
contre seul 22,2% des entreprises allouent un budget pour l’intégration de la Big Data. Les
répondants ont majoritairement conscience du problème éthique du Big Data lié à la fuite de
donnée traitées et qui serait un scandale et un danger pour les entreprises.
Avec 40% des réponses affirmatives sur la confidentialité des données, nous voyons que le défi
de confidentialité et la protection des données est le défi qui interroge le plus les répondants.
Néanmoins, 53,3% des réponses affirmant que le Big Data peut aider dans des tâches. Nous
comprenons ici que le Big Data va être amener un jouer un rôle déterminant la gestion des
entreprises du BTP.

25
15.3. Facteurs limitant l'adoption du Big Data
La majorité des répondants (77,8%) affirment que le Big Data aura une influence sur la gestion
des processus de construction. Les principaux défis et obstacles rencontrés par les entreprises
sont en premier les contraintes d’investissement, suivie du manque de compétences au
technologie Big Data, et l’infrastructure informatique. L’étude a également montré que, pour
33,3% des entreprises, des priorités concurrentes autre que le Big Data constitue un obstacle
important. Nous noterons tout de même que 66,6% des répondants pensent que cet obstacle est
moins important pour l’adoption de la technologie Big Data. En effet, la question liée à la
compétitivité sur l’adoption du Big Data est aussi présente dans les entreprises. 44,4% des
répondants estiment que l’adoption de la BDT est importante pour rester compétitif. L’étude a
aussi révélé que le manque d’une stratégie globale constitue un des principaux obstacles. En
effet, 2/3 des entreprises n’ont pas suffisamment de compétences pour intégrer le Big Data.
Ceci montre que le manque de compétence constitue un frein à l’intégration du Big Data dans
le BTP. Quant au coût initial de l’adoption de la technologie Big Data, 66,6% des entreprises
affirme que ne constitue pas un obstacle pour l’entreprise. 33,3% estiment que le coût initial
constitue un obstacle important pour leur entreprise. Quant au question de confidentialité, la
majorité des répondants (77,8%) affirment que les questions de confidentialité et de sécurité de
l’information sont un obstacle important pour l’adoption de la technologie Big Data. 66,6% de
réponses estiment la complexité de l’obtention des données, Nous constatons que la
confidentialité et la protection des données est un des obstacles qui interroge le plus les
répondants. Par contre, 77,8% des répondants estiment que les risques de désynchronisation des
données sont incertains. Ce qui explique que la plupart des répondants ont confiance en la
technologie Big Data. Par rapport à la fiabilité des données, 55,6% des répondants pensent que
la capacité à s’assurer que les données obtenues soient fiables constitue un défi pour l’adoption
de la technologie Big Data. Nous remarquons une hésitation des répondants sur l’adoption de
la technologie Big Data. L’étude a montré que 33,3% des répondants pensent que la satisfaction
des systèmes actuels constitue un obstacle important pour l’intégration du BDT. 66,7% des
répondants estiment que le changement du système existant constitue un obstacle important
pour l’adoption du Big Data. Ceci confirme la plupart des entreprises souffre d’un manque
d’expérience et de compétence en Big Data. Nous constatons que 66,6% des répondants ont
une attitude positive envers la technologie Big Data. Cela montre que malgré la méconnaissance
de celle-ci, il y a un réel engouement à la comprendre et une volonté de se l’approprier. L’étude

26
a également montré que la plupart des entreprises (77,7%) ont suffisamment d’expérience pour
entamer une intégration de la technologie Big Data. Le manque d’expérience n’est pas vraiment
un réel frein à l’exploitation du Big Data.
15.4. L’utilisation de technologie Big Data dans l'entreprise
Les résultats montrent que plus de la moitié des entreprises envisagent d’adopter la technologie
Big Data. 77,7% des entreprises ont déjà commencé à utiliser cette technologie, 44,4% des
entreprises ont récemment intégrer le Big Data dans leur système. L’étude a montré que 33,3%
des entreprises interrogées ont déjà utilisé la technologie Big Data dans leurs projets de
construction.
Malgré les récentes avancée autour du Big Data, toutes les entreprises n’ont pas encore adopté
des démarches en ce sens et toutes ne sont pas encore prêtes à l’intégrer dans leur système par
manque de compétences et de moyen financier.
15.5. L’importance de la technologie Big Data
Cette partie présente le degré d’importance qu’occupe la technologie Big Data dans l’entreprise.
 66,7% des réponses affirmant que la technologie Big Data peut réduire les délais
d’exécution des travaux, nous comprenons ici que celle-ci va être amener à jouer un rôle
déterminant dans l’optimisation de la durée de construction.
 Plus de 50% des répondants affirment que la technologie Big Data peut contribuer à
l’amélioration de la recherche sur les nouveaux projets.
 La majorité des répondants estiment que la technologie Big Data peut contribuer à
l’amélioration de la planification et l’ordonnancement des projets.
 77,8% des répondants pensent que la technologie Big Data permet de fournir des
données précises.
 77,8% des répondants estiment que la technologie Big Data à un impact sur
l’amélioration de l’efficacité sur le lieu de travail.
 66,7% des répondants affirment que la technologie Big Data peut fournir des réponses
à des questions complexes.
 Seul 44,4% des répondants estiment que la technologie Big Data permet l’amélioration
de l’affectation des ressources.

27
 Plus de la moitié des répondants estiment que la capacité de fournir des réponses en
temps réel donne une importance à l’adoption de la technologie Big Data dans les
systèmes de l’entreprise.
 Plus de la moitié des réponses (55,6%) affirment l’importance de la technologie Big
Data sur la transparence des informations. Nous constatons que le défi de transparence
des informations est le défi qui interroge le plus les répondants.
 La majorité des répondants (88,9%) affirment que la technologie Big Data à un rôle
important dans la gestion des projets.
 La majorité des répondants (66,7%) estiment que la technologie Big Data à un rôle
important dans le choix des projets les plus rentables.
 Plus de la moitié des répondants (66,6%) pensent que la technologie Big Data permet
de réduire les coûts et par conséquence éviter le dépassement des coûts des projets.
 La majorité des répondants (88,9%) affirment que la technologie Big Data à un rôle
important dans l’amélioration de la productivité.
 La majorité des répondants (77,8%) affirment que la technologie Big Data apporte des
connaissances importantes pour une planification meilleure.
16. Les limites de la recherche
Il existe certaines limites à notre étude. Tout d’abord, un nombre non significatif d’entreprises
a été étudié, ce qui représente un manque de représentativité. Notre étude pourrait faire l’objet
d’un test à plus grande échelle. Cela permettrait de préciser notre recherche et d’appuyer les
résultats obtenus. D’autre part, bien que les entreprises ont l’intention d’intégrer la technologie
Big Data dans la gestion du processus de construction, cela ne permet pas de confirmer avec
certitude que cette intégration se fera. Il y a une limite quant au contexte de l'étude. Du fait que
cette recherche se soit concentrée sur l’ensemble du processus de construction (architecture,
direction générale, direction technique, ingénierie etc.), les résultats seront plus significatifs si
cette étude a été menée pour chacun des secteurs du BTP. Dans le même ordre d'idées, l'étude
s'est réalisée à partir d'une seule plateforme (Google Forms). Il est évident que notre échantillon
ne représentait pas adéquatement la population ciblée et les types industriels des répondants
sont limités, il serait donc plus judicieux d’interroger directement les responsables des
entreprises du BTP (par interviews ou par mail). La collecte de données a été réalisée dans une

28
période où la plupart des responsables étaient en vacances, ce qui peut comporter une limite
dans cette étude.

29
Discussions et Conclusion
Après la présentation, l’analyse et l’interprétation des résultats de la recherche, la présente
partie traite de la discussion des résultats de notre recherche. Il s’agit, dans un esprit de synthèse,
de mettre en confrontation les résultats obtenus avec les résultats déjà publiés dans la littérature
scientifique et professionnelle.
1. Discussion des résultats
L’industrie du BTP est un secteur à forte intensité de données, où la masse de données est
générée et n'est pas exploitée de manière adéquate en raison de la lenteur de l'adoption des
technologies. En conséquence, il n'est pas surprenant de constater que le secteur du BTP est à
la traîne de la courbe technologique, ce qui est plutôt lent si l'on considère les innovations et les
perturbations quotidiennes apportées par l'industrie des technologies de l'information en plein
essor. En outre, le Big Data, une technologie relativement nouvelle, n’est pas correctement
adopté par le secteur du BTP. En fait, la gestion de Big Data dans le BTP n'en est qu'à ses débuts
et a encore un long chemin à parcourir avant d'arriver à maturité. Cependant, de nombreuses
études montrent que le potentiel est énorme si les technologies du Big Data sont pleinement
utilisées.
Aujourd'hui, les études sur l’industrie du BTP et sa gestion en relation avec le Big Data sont
rares, ce qui constitue un gap dans la recherche. Cette gap offre des possibilités de recherches
supplémentaires qui peuvent grandement bénéficier à l'industrie du bâtiment et des travaux
publics à long terme.
Cette étude a pour but d'identifier le degrés d’importance de la technologie Big Data dans le
secteur du BTP et les obstacles rencontrés pour l’adoption de cette technologie. La littérature
existante sur le Big Data ne fournit pas de solutions détaillées pour l’optimisation des processus
de construction, ce qui crée un gap dans la littérature concernant l'utilisation du Big Data dans
l'industrie de la construction.
L'objectif de cette étude est de tester et d'examiner si la technologie Big Data peut résoudre les
problèmes liés au partage de l'information et améliorer le processus de prise de décision dans

30
les projets de construction. Cette recherche vise à explorer l'applicabilité et à évaluer le potentiel
de l'utilisation des techniques d'analyse des Big Data dans l'industrie du BTP.
En termes d'implications, cette étude aidera à la fois les chercheurs et les praticiens de la
construction, les premiers connaissant l'état actuel de la recherche sur le Big Data et pouvant
voir les possibilités de recherche future. De même, les praticiens peuvent déterminer les
exigences en matière de logiciels et de matériel pour intégrer les opportunités basées sur les
Big Data dans la construction et créer des modèles de mise en œuvre.
Cette étude expérimentale avait pour but de savoir comment l’intégration de la technologie Big
Data pourrait permettre aux entreprises du BTP d'optimiser leurs processus de construction. De
l’examen des résultats de notre étude présentée précédemment, nous pouvons tirer les
enseignements suivants :
Quel est le niveau de connaissance de la technologie Big Data dans l’industrie du BTP ?
Il apparaît que le manque d’expérience et des compétences sont les principaux freins à
l’intégration du Big Data, malgré un intérêt clair des organisations pour celui-ci.
Nous constatons aussi que les entreprises ont la volonté d’intégrer le Big Data dans leur
structure. Le manque de compétences constitue un frein à l’intégration du Big Data.
Quel est le niveau d’utilisation de la technologie Big Data dans la gestion des processus de
construction ?
Les répondants ont majoritairement conscience du problème éthique du Big Data lié à la fuite
de donnée traitées et qui serait un scandale et un danger pour les entreprises. Avec 40% des
réponses affirmatives sur la confidentialité des données, nous voyons que le défi de
confidentialité et la protection des données est le défi qui interroge le plus les répondants.
L’étude a également montré que la plupart des entreprises ne procèdent pas à l’analyse de leurs
données, et qu’un cinquième des entreprises incluent l’analyse des données dans leur stratégie
environnementale.
Quelles sont les facteurs limitant l'adoption du Big Data dans les entreprises de la BTP?
Les facteurs limitant l’intégration de la technologie Big Data au sein des entreprises sont-elles
les mêmes que celles observées dans la littérature. Nous constatons que les limites observées
par les chercheurs sont quasi identiques à celles mises en exergue par notre recherche. Une des
limites qui est la plus souvent mise en avant des deux côtés est la difficulté de trouver des

31
compétences au technologie Big Data, et le problème de confidentialité et de sécurité de
l’information.
L’étude a révélé d’autres limites :
 d’autres priorités concurrentes constitue un obstacle important pour investir dans le Big
Data ;
 le manque d’une stratégie globale constitue un obstacle pour l’adoption du Big Data ;
 le changement du système existant reste un frein important pour l’adoption du BDT.
De cette étude, nous pouvons déduire que la structure des entreprises interrogées apparaît
comme un frein à l’adoption du Big Data. En effet, elle ne pourra émerger qu’uniquement dans
des entreprises déjà bien préparées et organisées.
Quel est l’importance de l’adoption de la technologie Big Data sur l’optimisation des processus
de construction ?
La nécessité et la mise en place de la technologie Big Data est déjà acquise et comprise par les
répondants. Celui-ci fait déjà partie intégrante de la quasi-totalité des entreprises. Les résultats
montrent un apport positif et significatif de l'intégration de la technologie Big Data dans les
entreprises du BTP.
Pour les entreprises interrogées, le Big Data est considérée comme une technologie importante
pour une gestion optimale des processus de construction. En effet, les répondants ont affirmés
que la technologie Big Data peut :
 réduire les délais d’exécution des travaux ;
 contribuer à l’amélioration de la recherche sur les nouveaux projets ;
 contribuer à l’amélioration de la planification et l’ordonnancement des projets ;
 fournir des données précises ;
 améliorer l’efficacité sur le lieu de travail ;
 fournir des réponses à des questions complexes ;
 améliorer l’affectation des ressources ;
 fournir des réponses en temps réel ;
 fournir une transparence des informations ;

32
 intervenir positivement dans la gestion des projets ;
 aider dans le choix des projets les plus rentables ;
 réduire les coûts et éviter le dépassement des coûts des projets ;
 améliorer la productivité ;
 apporter des connaissances importantes pour une planification meilleure.
Même si actuellement la quasi-totalité des entreprises ont conscience de l’importance du Big
Data, toutes les entreprises n’ont pas encore adopté des démarches en ce sens et toutes ne sont
pas encore prêtes à l’intégrer dans leur système par manque de compétences et de moyen
financier.
2. Conclusion
L'objectif de ce mémoire était de comprendre et d'analyser les attitudes des entreprises sur
l’intégration de la technologie Big Data dans la gestion des processus de construction. Le point
de départ de notre étude a été de présenter une revue de la littérature approfondie sur la
technologie Big Data et son lien avec le secteur du BTP. Nous avons enrichi cette revue de la
littérature en y intégrant le concept de Big Data dans le but de comprendre cette nouvelle
technologie et son intégration dans le secteur du BTP. Ensuite en tenant compte de ces
recherches, la deuxième étape consistait à décrire notre recherche avec la mise en place d’une
étude quantitative et d’une méthodologie de recherche.
La troisième étape de cette recherche a été d’analyser les résultats obtenus. Lors de cette
analyse, nous avons mis en évidence que l’adoption de la technologie Big Data représentait une
problématique récente mais déjà, pour la plupart, intégrée dans la gestion des processus de
construction.
Durant notre étude, le Big Data n'est certes pas fréquemment utilisé dans les entreprises (fautes
de moyens financiers et de compétences), cependant les résultats montrent de façon frappante
leurs préoccupations majeures dans le concept du Big Data. Notre analyse a permis de mettre
en lumière l'importance de l’intégration du Big Data, elle permet aux entreprises d’optimiser la
gestion des projets, d’améliorer la recherche de nouveaux projets, et de répondre à des questions
complexes.

33
Nous sommes donc au début d’une nouvelle ère de la gestion des processus du BTP. Pour autant,
l’intégration du Big Data dans les entreprises du BTP présente de nombreux freins et
interrogations qu’il va falloir régler. Il faut à présent mettre les moyens financiers, former des
compétences en Big Data, et dépasser le stade de la confidentialité des données.
Les résultats de cette étude ont des implications importantes pour les entreprises du BTP. Une
implication pour les dirigeants des entreprises est que le Big Data semble être lancée par des
entreprises qui voient les opportunités d’évolution technologique. Ces démarches se sont
avancées dans toutes les entreprises étudiées dans cette étude et ont servi de ressource que les
dirigeants pourraient utiliser pour construire des connaissances pour une gestion efficace des
processus de construction.
L’étude terrain qui était quantitative a été réalisée auprès de différents acteurs du secteur du
BTP et a permis de confronter la littérature à la réalité du terrain. La diversité des profils étudiés
a dévoilé les différents points de vue des acteurs et illustre bien la difficulté dans la recherche
de solutions satisfaisant l’ensemble des acteurs.

34
Références bibliographiques
Allensworth, W., Altman, R.J., Overcash, A., Patterson, C.J. (2009). Construction Law. Forum on the
Construction Industry, American Bar Association, Chicago, Illinois.
Barbosa, F., Woetzel, J., Mischke, J., Ribeirinho, M. J., Sridhar, M., Parsons, M., et al. (2017).
Reinventing Construction through a Productivity Revolution. Washington, DC: McKinsey Global
Institute.
Bilal, M., Oyedele, L.O., Qadir, J., Munir, K., Ajayi, S.O., Akinade, O.O., Owolabi, H.A., Alaka, H.A.
and Pasha, M. (2016), “Big data in the construction industry: a review of present status, opportunities,
and future trends”, Advanced Engineering Informatics, Vol. 30 No. 3, pp. 500-521.
Brilakis, I., and Soibelman, L. (2005). "Content-Based Search Engines for Construction Image
Databases." Autom. Constr., 14(4).
Bryman, A. and Bell, E. (2007) Business Research Methods. Revised Edition, Oxford University Press,
Oxford.
Bryman, A. and Bell, E. (2011) Business Research Methods. 3rd Edition, Oxford University Press,
Oxford.
Castagnino, S., Gelbert, P., and Rothballer, C. (2016) "What's The Future of the Construction industry?"
World Economic Forum, April 4, 2016.
Chaurasia, S. S., and Verma, S. (2020). Strategic Determinants of Big Data Analytics in the AEC Sector:
A Multi-Perspective Framework. Vol. 20 (4), pp. 63–81.
Collis, J. and Hussey, R. (2014). Business research. 4th ed. Basingstoke: Palgrave Macmillan.
Cook, D. (2015), “RICS futures: turning disruption from technology to opportunity”, Journal of Property
Investment and Finance, Vol. 33 No. 5, pp. 456-464.
Courtney, Martin (2013) Puzzling out big data. Engineering & Technology, 7(12), 56–60, 2013.
Deutsh, 2015. Randy Deutsh. Data-Driven Design and Construction. John Wiley & Sons. Inc, 1. edition,
2015.
El-Mashaleh, M. S. (2007) « Benchmarking Information Technology Utilization in The Construction
Industry in Jordan », Journal of Information Technology in Construction, Vol. 12(19), pp. 279-291,
2007.
Elghamrawy, T., Boukamp, F., The role of VR and BIM to manage the construction and design
processes. (2010). "Managing Construction Information using RFID-Based Semantic Contexts." Autom.
Constr., 19(8), 1056-1066.
Ettlinger, L. D. (1977). The Emergence of the Italian Architect during the Fifteenth Century, In Kostof,
S. (Ed.), Architect: Chapters in the History of the Profession, Berkley, University of California Press,
pp. 96-123.

35
Ghauri, P., Gronhaug, K. and Kristianslund, I. (1995) Research Methods in Business Studies: APractical
Guide. Hemel Hempstead, Prentice Hall.
Hashim, N., Said, I., and Idris, N. H., Exploring E-Procurement Value for Construction Companies in
Malaysia, Procedia Technology, 9, 836–845, 2013.
Ibem E. O. and Laryea S. (2014) « Survey of Digital Technologies in Procurement of Construction
Projects », Automation in Construction, Vol. 46, pp. 11-21, 2014.
Kim, H., Soibelman, L., Grobler, F. (2008). "Factor Selection for Delay Analysis using Knowledge
Discovery in Databases." Automation in Construction, 17(5), 550-560.
Laney, 2001. Doug Laney. 3D Data Management: Controlling Data Volume, Velocity, and Variety.
META Group Research Note, 949(February), 2001.
Lee, S. (February 01, 2004). “Soil erosion assessment and its verification using the Universal Soil Loss
Equation and Geographic Information System: a case study at Boun, Korea.” Environmental Geology:
International Journal of Geosciences, 45, 4, 457-465.
Li, X., Wu, P., Shen, G. Q., Wang, X., and Teng, Y. (2017a). Mapping the Knowledge Domains of
Building Information Modeling (BIM): A Bibliometric Approach. Automation in Construction 84, 195–
206.
Li, X., Xu, J., and Zhang, Q. (2017b). Research on Construction Schedule Management Based on BIM
Technology. Proced. Eng. 174, 657–667.
Lin, K. Y., Soibelman, L. (2006). "Promoting Transactions for A/E/C Product Information." Autom.
Constr., Knowledge Enabled Information System Applications in Construction, 15(6), 746-757.
Lin, Y. (2008). "Developing Construction Assistant Experience Management System using People-
Based Maps." Automation in Construction Automation in Construction, 17(8), 975-982.
Marr, 2016. Bernard Marr. Key Business Analytics The 60 business analysis tools every manager needs
to know. 2016.
Maté et al., 2017. Alejandro Maté, Juan Trujillo and John Mylopoulos. Specification and derivation of
key performance indicators for business analytics: A semantic approach. Data and Knowledge
Engineering, 108(January), 30–49, 2017.
McKinsey Global Institute, 2011. McKinsey Global Institute. Big data: The next frontier for innovation,
competition, and productivity, 2011.
Moeini, S., Oudjehane, A., Baker, T., and Hawkins, W. (2017). Application of an Interrelated UAS–BIM
System for Construction Progress Monitoring, Inspection and Project Management. PM World J. VI
(VIII), 1–13.
Motawa, 2017. Ibrahim Motawa. Spoken dialogue BIM systems – an application of big data in
construction. Facilities, 35(13/14), 787–800, 2017.
Oladapo, A. A. (2007) «An Investigation into the Use of ICT in The Nigerian Construction Industry »,
Journal of Information Technology in Construction, Vol. 12, pp. 261-277, 2007.
Osunsanmi, T. O., Aigbavboa, C. O., and Oke, A. E., (2018) « Construction 4.0: The Future of South
Africa Construction Industry », World Academy of Science, Engineering and Technology International
Journal of Civil and Environmental Engineering, Vol. 12(3), pp. 206-212, 2018.

36
Parisi, F., Fanti, M. P., and Mangini, A. M. (2021). Information and Communication Technologies
Applied to Intelligent Buildings: a Review. ITcon 26 (25), 458–488.
Peansupap, V. and Walker D. H. (2015) « Factors Enabling Information and Communication Technolog
Diffusion and Actual Implementation in Construction Organisations », Journal of Information
Technology in Construction, Vol. 10(4), pp. 193-218, 2015.
Peiffer, E. (2016). 3 Concepts that Will Shape the Future of Construction.
Saunders, M., Lewis, P. and Thornhill, A. (2009) Research Methods for Business Students. Pearson,
New York.
Shute, John (1563). The First and Chief Grounds of Architecture. London: Thomas Marshe.
Sørensen et al., 2016. Anette Østbø Sørensen, Nils Olsson and Andreas D. Landmark. Big Data in
Construction Management Research. 405-416, pages 1–12, 2016.
Sowmya, R., and Suneetha, K. R. (2017). "Data mining with big data." 11th International Conference
on Intelligent Systems and Control (ISCO). IEEE, 2017.
Staub-French, S., and Fischer, M., Enabling Concurrent Engineering Through 4d Cad, In Anumba, C.
J., John M. K., and Decelle,A. F. C., Concurrent Engineering in Construction Projects, 201-217 London,
New York, Taylor Francis, 2017.
Storey and Song, 2017. Veda C. Storey and Il Yeol Song. Big data technologies and Management: What
conceptual modeling can do. Data and Knowledge Engineering, 108(February), 50–67, 2017.
Tabakow et al., 2014. Marta Tabakow, Jerzy Korczak and Bogdan Franczyk. Big Data – Definitions,
challenges and information technologies. Business Informatics, 1(31), 2014.
Tien, 2013. James M. Tien. Big Data: Unleashing information. Journal of Systems Science and Systems
Engineering, 22(2), 127–151, 2013.
Tserng, H. P., Yin, S. Y. L., Dzeng, R. J., Wou, B., Tsai, M. D., Chen, W. Y. (2009). "AStudy of Ontology-
Based Risk Management Framework of Construction Projects through Project Life Cycle." Autom.
Constr., 18(7), 994-1008.
Waller and Fawcett, 2013. MatthewA. Waller and Stanley E. Fawcett. Data science, predictive analytics,
and big data: A revolution that will transform supply chain design and management. Journal of Business
Logistics, 34(2), 77–84, 2013.
Woo, J., Clayton, M. J., Johnson, R. E., Flores, B. E., Ellis, C. (2004). “Dynamic Knowledge Map:
Reusing Experts' Tacit Knowledge in the AEC Industry.” Autom. Constr., 13(2). 203-207.
Ylijoki and Porras, 2016. Ossi Ylijoki and Jari Porras. Perspectives to Definition of Big Data:AMapping
Study and Discussion. Journal of Innovation Management Ylijoki, Porras JIM, 4(1), 69–91, 2016.
You, Z., and Feng, L. (2020). Integration of Industry 4.0 Related Technologies in Construction Industry:
a Framework of Cyber-Physical System. IEEE Access 8, pp. 122908–122922.
Yu, W. D. and Hsu, J.-Y. (2013). "Content-Based Text Mining Technique for Retrieval of CAD
Documents." Automation in Construction, 31, 65-74.

37
Annexe A : Questionnaire
Profil de l’entreprise
Q.1. Depuis combien d’année existe votre entreprise ?
 Ancienne de plus de 50 ans
 Entre 10 et 50 années
 Entre 5 et 9 années
 Entre 1 à 4 années
 Moins 1 année
Q.2. Quelle est la taille de votre organisation ?
 1 à 9 salariés
 2000 salariés et plus
Q.3. Quel a été le chiffre d’affaire de votre entreprise l’année dernière ?
 Plus 1 milliards d’Euros
 Entre 500 millions et 1 milliard d'Euros
 Entre 100 millions et 500 millions d'Euros
 Entre 10 millions et 100 millions d'Euros
 Moins de 10 millions d'Euros
Q.4. Dans quel secteur d’activité votre entreprise opère-t-elle ?
 Construction spécialisée
 Construction et promotion immobilière

38
 Génie civil et travaux publics
 Autre :
Q.5. Quelle est la maturité de la transformation digitale dans votre entreprise?
 Inexistante
 Faible
 Bonne
 Excellente
 Je ne sais pas
Profil du Répondant
Q.6. Quelle est votre fonction au sein de votre entreprise ?
 Directeur général
 Directeur technique
 Chef de projet BTP
 Architecte
 Métreur
 Ingénieur …………………………….. (préciser)
 Gestionnaire d'installations
 BIM manager
 Autre :………………………………….
Q.7. Quel est votre âge ?
 Plus de 60 ans
 Entre 50 et 60 ans

39
Q.8. Quel est votre genre ?
 Homme
 Femme
Q.9. Combien d'années d'expérience avez-vous dans le secteur du BTP ?
 Moins de 5 ans
 5 à 10 ans
 Plus de 10 ans
 Q.10. Quel est le degré de votre maîtrise des nouvelles technologies ?
 Je ne maîtrise pas bien
 Je maîtrise assez bien
 Je suis expert
Q.11. Pensez-vous que la technologie Big Data est importante dans la gestion des processus de
construction dans votre entreprise ?
 Oui
 Non
 Je ne sais pas
Avez-vous autre chose à ajouter ?
.............................................................................................................
Si vous désirez recevoir les résultats de l'enquête, merci de nous communiquer votre e-mail
..........................................................................................................…
Niveau de connaissance de la technologie Big Data
Q.12. Comment caractériseriez-vous votre compréhension du domaine de Big Data ?
Echelle de 0 à 10
 pas de compréhension à excellente compréhension.
Q.13. Comment classeriez-vous votre attitude actuelle à l'égard du Big Data?

40
 Intéressé
 Fasciné
 Prudent
 Sceptique
 Excité
 Anxieux
 Indifférent
 Embrouillé
 Aucune de ces réponses
Q.14. Nous souhaitons connaître votre opinion sur le Big Data et son impact sur l’optimisation
des processus de construction. Quel impact pensez-vous que le Big Data pourrait avoir ?
 Le Big Data peut automatiser ces processus
 Le Big Data peut vous aider dans la réalisation de ces processus
 Le Big Data ne peut jamais remplacer ou aider dans ces processus
 Je ne sais pas
Les compétences en Big Data au sein de l’entreprise
Q.15. Comment votre entreprise se préoccupe de l'exploitation de la technologies Big Data
pour des projets de construction?
 Beaucoup
 Moyennement
 Un peu
 Pas du tout
Q.16. Votre entreprise propose-t-elle des formations en Big data ?
 Oui
 Non
 Je ne sais pas
Q.17. Votre entreprise possède-t-elle une infrastructure technologique et des compétences pour
intégrer le Big Data ?

41
 Oui
 Non
 Je ne sais pas
Q.18. Votre entreprise alloue-t-elle un budget pour l’intégration du Big Data ?
 Oui
 Non
 Je ne sais pas
Facteurs limitant l'adoption du Big Data
Veuillez évaluer les facteurs limitant l'adoption du BDT (raisons pour lesquelles le BDT n'est
pas utilisé)
1 2 3 4 5
Très
important Important Incertaine
Moins
important
Sans
importance
Q.19. De nombreuses autres
priorités concurrentes
Q.20. Coût initial de l'adoption
(trop coûteux pour mettre en place
l'infrastructure BD)
Q.21. Pression pour rester
compétitif.
Q.22. Confidentialité et sécurité de
l'information.
Q.23. Manque de compétences au
technologie du Big Data.
Q.24. La complexité de l'obtention

42
des données.
Q.25. Risques de
désynchronisation des données.
Q.26. Capacité à s'assurer que l'on
obtient les bonnes données.
Q.27. Satisfait du système existant
Q.28. Résistance au changement
Q.29. Je ne comprends pas
vraiment le BDT
Q.30. Votre entreprise a suffisamment d’expérience pour entamer une intégration du Big Data
dans l’optimisation des processus de construction ?
 Très suffisante
 Suffisante
 Moyennement suffisante
 Insuffisante
 Très insuffisante
 Je ne sais pas
L’utilisation de technologie Big Data dans l'entreprise
Q.31. Avez-vous adopté la technologie Big Data dans votre entreprise actuelle ?
 Oui
 Non
 Envisage de l'adopter
 N'envisage pas de l'adopter
 Autre (veuillez préciser)

43
Q.32. Depuis combien de temps utilisez-vous la technologie des Big Data ?
 0 an
 1 - 5 ans
 6 - 10 ans
 11 - 15 ans
 Autre (veuillez préciser)
Q.33. Avez-vous déjà utilisé la technologies Big Data pour des projets de construction ?
 Oui
 Non
 Incertain
 Autres technologies similaires (veuillez préciser)
Si NON, pourquoi ? / raison ...................................................................................……………
.....................................................................................................................................................
L’importance de la technologie Big Data sur l’optimisation des
processus de construction
Veuillez évaluer l'importance de chaque élément du BDT pour l'adoption du BDT.
1 2 3 4 5
Très
important Important Incertaine
Moins
important
Sans
importance
Q.34. Les délais d'exécution des
travaux sont plus rapides (gain de
temps). Réduction de la durée de la
construction.
Q.35. Amélioration de la recherche
sur les nouveaux projets proposés.

44
Q.36. Amélioration de la
planification et de
l'ordonnancement des projets.
Q.37. Fournit des données précises.
Q.38. Augmentation de l'efficacité
sur le lieu de travail.
Q.39. Donne des réponses à des
questions complexes.
Q.40. Amélioration de l'affectation
des ressources.
Q.41. Capacités en temps réel.
Q.42. Transparence (l'information
est accessible).
Q.43. Gestion efficace des projets.
Permet une meilleure gestion des
projets.
Q.44. Déterminer les projets les
plus rentables.
Q.45. La réduction des coûts
(diminution des coûts) permet de
limiter les dépassements de coûts.
Q.46. Amélioration de la
productivité.
Q.47. L'apport de connaissances
permet une meilleure planification.

45
Annexe B : Les données recueillies
Profil de l'entreprise
Plus de la moitié des organisations sont des entreprises existantes depuis plus de 50 ans.
22,2% des entreprises ont une ancienneté entre 10 et 50 ans. 22,2% des organisations ont une
ancienneté entre 5 et 9 ans. Plus de la majorité des organisations des répondants sont des
entreprises existantes depuis longtemps.

46
Parmi les entreprises de l’échantillon, 33,3% ont plus de 2000 salariés, 11,1% entre 500 et
1999, 22,2% entre 200 et 499, et 33,3% entre 50 et 199. Nous constatons que l’échantillon
comprend des petites, moyennes et grandes entreprises.
La moitié des répondants sont dans des organisations faisant entre 10 millions et 100 millions
d’Euros de CA l’année dernière. 25% des répondants sont dans des entreprises faisant plus de
1 milliard d’Euros de CA, 12,5% entre 500 millions et 1 milliard d’Euros, et 12,5% faisant
entre 100 et 500 millions d’Euros.

47
La majorité des répondants travaillent dans les secteurs du génie civil et travaux publics. 22,2%
sont dans le secteur de construction spécialisée.
La majorité des entreprises (77,8%) ont une bonne maturité de la transformation digitale.
11,1% des entreprises ont une faible maturité de la transformation digitale.
Profil du Répondant

48
22,2% des répondants sont des architectes, 22,2% sont des chefs de projet BTP. Les autres
répondants sont des directeurs généraux, directeurs techniques, ingénieurs ou gestionnaires
d’installations.
44,4% des répondants sont âgés entre 20 et 30 ans. 22,2% sont âgés entre 30 et 40 ans, 22,2%
entre 40 et 50 ans. Ceci renvoie le fait que le secteur de la construction attire les jeunes adultes
plus que le reste des générations.

49
L’échantillon est composé de 88,9% d’hommes. Ceci explique que le secteur du bâtiment
attire plus les hommes que les femmes.
55,5% des répondants ont une expérience de moins de 5 ans. 22,2% ont une expérience entre
5 et 10 ans et 22,2% ont une expérience de plus de 10 ans.

50
33,3% des répondants sont des experts, 66,7% ont des compétences assez bien pour l’usage
des nouvelles technologies. Cela montre que les répondants ont déjà des connaissances dans
le domaine.
La majorité des répondants pensent que la technologie Big Data est importante pour une
gestion efficace des processus de construction.
Niveau de connaissance de la technologie Big Data

51
Il apparaît que la compréhension du Big Data est très disparate encore, montrant que le Big
Data est loin d’être maîtrisé.
Nous constatons que 55,5% des répondants ont une attitude positive envers le Big Data. Cela
montre que malgré la méconnaissance de celui-ci, il y a un réel engouement à le comprendre
et une volonté de se l’approprier.

52
Avec 77,7% des réponses affirmant que le Big Data peut aider dans la gestion des entreprises
de la BTP, nous comprenons ici que le Big Data va être amener à jouer un rôle déterminant
dans l’optimisation des processus de construction.
Les compétences en Big Data au sein de l’entreprise
44,4% des entreprises se préoccupent moyennement de l’exploitation de la Big Data dans les
projets de construction. Pour 55,6% des entreprises, la préoccupation est faible ou non

53
existante.
Nous constatons que plus de 88,9% des entreprises ne proposent pas de formation en Big Data.
Cela peut être expliqué par le manque de moyen ou des décisions non orientés envers celle-ci.
Il apparaît que la moitié presque (44,4%) des entreprises ont une infrastructure technologique
et des compétences pour intégrer le Big Data. Ce qui explique que la moitié des entreprises
ont la volonté d’intégrer le Big Data dans leur structure.

54
Seul 22,2% des répondants indiquent que leur entreprise alloue un budget pour l’intégration
de la Big Data. Ceci explique que la majorité des entreprises ne dispose pas de moyen financier
pour intégrer la technologie Big Data dans leur entreprise.
Facteurs limitant l'adoption du Big Data
Veuillez évaluer les facteurs limitant l'adoption du BDT (raisons pour lesquelles le BDT n'est
pas utilisé) 1) Très important 2) Important 3) Incertaine 4) Moins important 5) Sans importance

55
Il apparaît que «De nombreuses autres priorités concurrentes» ne constitue un obstacle
important que pour 33,3%. Nous noterons tout de même que 66,6% des répondants pensent
que cet obstacle est moins important pour l’adoption de la technologie Big Data.
66,6% des répondants affirme que le coût initial de l’adoption du BDT ne constitue pas un
obstacle pour l’entreprise. 33,3% estiment que le coût initial constitue un obstacle important
pour leur entreprise.
La question liée à la compétitivité est présente dans l’organisation des répondants. 44,4% des
répondants estiment que l’adoption de la BDT est importante pour rester compétitif.

56
La majorité des répondants (77,8%) affirment que les questions de confidentialité et de
sécurité de l’information sont un obstacle important pour l’adoption du BDT.
Le manque de compétences au technologie Big Data est le risque le plus rencontré par les
organisations. Cela montre que le manque d’expérience et de compétence soit un frein à
l’intégration du Big Data.

57
Avec 66,6% de réponses estimant la complexité de l’obtention des données, nous constatons
que la confidentialité et la protection des données est le défi qui interroge le plus les
répondants.
77,8% des répondants estiment que les risques de désynchronisation des données sont
incertains. Ce qui explique que la plus part des répondants ont confiance en la technologie Big
Data.

58
55,6% des répondants pensent que la capacité à s’assurer que les données obtenues sont fiables
constitue un obstacle pour l’adoption du BDT. Nous remarquons une hésitation des répondants
sur l’adoption de la technologie Big Data.
33,3% des répondants pensent que la satisfaction des systèmes actuels constitue un obstacle
important pour l’intégration du BDT dans leurs entreprises.

59
66,7% des répondants estiment que le changement du système existant constitue un obstacle
important pour l’adoption du BDT. Ceci confirme la plus part des entreprises souffre d’un
manque d’expérience et de compétence en Big Data.
Nous constatons que 66,6% des répondants ont une attitude positive envers la technologie Big
Data. Cela montre que malgré la méconnaissance de celui-ci, il y a un réel engouement à la
comprendre et une volonté de se l’approprier.

La technologie Big Data : un outil pour l'optimisation des processus de construction

La technologie Big Data : un outil pour l'optimisation des processus de construction

Recommandé

Recommandé

Contenu connexe

Similaire à La technologie Big Data : un outil pour l'optimisation des processus de construction

Similaire à La technologie Big Data : un outil pour l'optimisation des processus de construction (20)

La technologie Big Data : un outil pour l'optimisation des processus de construction