Du bâtiment au chantier : jusqu’où peut aller un environnement connecté ?
Vous allez explorer des systèmes réellement visibles sur Internet, mettre à l’épreuve des outils de vision par intelligence artificielle et observer comment des véhicules ou engins peuvent être suivis à distance. L’objectif n’est pas d’apprendre trois logiciels : il est de comprendre ce qu’ils rendent possible, ce qu’ils ne prouvent pas et quelles précautions sont nécessaires avant de s’appuyer sur eux.
Que peut-on réellement apprendre sur un système connecté depuis Internet ?
Les bâtiments, installations techniques et chantiers s'appuient sur des caméras, automates, systèmes de gestion technique, équipements énergétiques ou outils de supervision reliés à des réseaux IP. Lorsqu'un service est accessible depuis Internet, certaines informations techniques deviennent observables à distance. Vous allez utiliser Shodan pour découvrir cette diversité, comprendre ce qu'un observateur extérieur peut apprendre, puis vérifier comment interpréter une information de sécurité sans aller au-delà de ce que les données permettent d'affirmer.
Repères
Shodan est un moteur de recherche spécialisé dans les services accessibles depuis Internet. Il enregistre les informations renvoyées par ces services dans des bannières techniques (banners). Un résultat Shodan indique qu'un service a été observé depuis Internet ; il ne dit pas, à lui seul, pourquoi il est accessible ni s'il présente un problème de sécurité.
1.1 · Prendre en main Shodan
Connectez-vous à Shodan. Si vous n'avez pas encore de compte, créez un compte gratuit depuis le lien ci-dessous et validez votre adresse e-mail. Saisissez ensuite exactement Moxa Nport dans la barre de recherche. Ouvrez un résultat de la première page et prenez le temps d'examiner la fiche : cherchez par vous-même quelles informations permettent de comprendre ce que Shodan a observé.
Choisissez quatre informations visibles qui vous semblent utiles pour comprendre le système observé. Pour chacune, expliquez ce qu'elle signifie et ce qu'elle permet réellement de savoir. Terminez en expliquant en quelques phrases ce que fait Shodan à partir de ce premier exemple.
1.2 · Découvrir la diversité des systèmes visibles
Effectuez successivement les recherches textuelles suivantes. Pour chacune, observez plusieurs résultats de la première page. Si le terme ne vous est pas familier, utilisez les indices présents dans Shodan et, si nécessaire, une documentation publique pour identifier ce que vous êtes en train d'observer.
webcamXPBACnetsolar inverterSiemens S7OctoPrintConstruisez un tableau avec les cinq recherches et quatre colonnes : recherche / système identifié / indice utilisé / information visible dans Shodan. Puis choisissez deux de ces systèmes et expliquez à quoi ils peuvent servir dans un bâtiment ou sur un chantier. Appuyez-vous sur une documentation publique si le résultat Shodan ne suffit pas.
1.3 · Cas caméra : quand une information technique devient une information opérationnelle
Revenez à webcamXP, parcourez plusieurs résultats et choisissez une fiche suffisamment renseignée. Ici, il ne s'agit pas de rechercher une faille de sécurité : vous cherchez à comprendre ce qu'un tiers peut apprendre simplement parce qu'un service est visible et documenté par Shodan.
À partir du résultat choisi, relevez trois informations directement visibles. Pour chacune, expliquez ce qu'elle pourrait révéler ou laisser supposer sur le bâtiment, le site ou son exploitation. Identifiez ensuite deux informations importantes qui vous manquent avant de pouvoir juger si cette exposition est normale ou problématique.
1.4 · Cas Metasys : un avis de sécurité concerne-t-il vraiment le système observé ?
Recherchez Metasys dans Shodan et choisissez un résultat suffisamment renseigné. Ouvrez ensuite l'avis officiel ci-dessous. Un avis de sécurité décrit une vulnérabilité connue et précise quels produits ou versions sont concernés. Votre objectif est de vérifier si les informations visibles dans Shodan permettent réellement de relier le système observé à cet avis.
Comparez le produit et la version visibles dans votre résultat avec ceux mentionnés dans l'avis. Concluez : l'avis s'applique clairement / l'avis ne s'applique clairement pas / les informations disponibles ne permettent pas de conclure. Justifiez votre réponse. Indiquez enfin la première information ou vérification que vous demanderiez à l'exploitant avant de décider d'une action.
Une IA qui fonctionne sur quelques images est-elle prête pour un chantier ?
Les inspections, smartphones, caméras fixes et drones produisent de nombreuses images de bâtiments et de chantiers. Des modèles de vision peuvent aider à repérer des défauts, des équipements ou des situations particulières et ainsi réduire une partie du tri manuel. Mais un résultat convaincant sur quelques images ne garantit pas que le système restera fiable lorsque le matériau, l'éclairage, le cadrage ou le site changent.
Le problème étudié
Vous allez d'abord identifier des informations qu'une analyse d'image pourrait rendre utiles, puis confronter cette attente aux sorties de modèles existants. Vous construirez ensuite un petit classifieur afin d'observer directement la différence entre réussir sur des images familières et généraliser à de nouvelles images. L'objectif n'est pas d'apprendre à entraîner une IA complète, mais de comprendre ce qu'il faut vérifier avant de lui faire confiance.
2.1 · Quelle information voudrait-on obtenir à partir d'une image ?
Observez les quatre images ci-dessous. Placez-vous du point de vue d'une personne qui doit inspecter, suivre ou organiser un chantier : quelle information précise serait utile si elle pouvait être extraite automatiquement ?
Pour chacune des quatre images, formulez une information précise qu'il serait utile d'obtenir automatiquement. Décrivez exactement ce que vous voudriez voir apparaître comme résultat, sans supposer que les modèles proposés savent déjà le produire.
2.2 · Confronter cette attente à deux modèles existants
Ouvrez les deux démonstrations Roboflow ci-dessous. Testez directement les quatre images de la page : A et B avec le modèle de détection de fissures, puis C et D avec le modèle d'analyse de scène de chantier. Pour chaque image, ouvrez-la en taille réelle, enregistrez-la, puis chargez-la dans la zone Run on custom image.
Pour A, B, C et D, comparez le résultat obtenu à ce que vous attendiez en Q5. Relevez ce qui fonctionne, ce qui est manqué et les détections qui vous paraissent discutables. Concluez : parmi les informations proposées en Q5, lesquelles ces deux modèles permettent-ils réellement d'obtenir ?
2.3 · Construire un classifieur simple
Ouvrez Teachable Machine avec Chrome et choisissez Image Project → Standard image model. Téléchargez puis décompressez le jeu d'apprentissage. Renommez les deux classes fissure et sans fissure, utilisez Upload pour ajouter les images correspondantes, puis cliquez sur Train Model.
Testez au moins six images du jeu d'apprentissage. Notez pour chacune la classe attendue et la prédiction obtenue, puis comptez les classifications correctes. Que vérifie réellement ce test ? Expliquez pourquoi il ne permet pas encore de juger le comportement du modèle sur de nouvelles images.
2.4 · Tester sur des images que le modèle n'a pas apprises
Téléchargez puis décompressez le jeu de test indépendant. Ne l'ajoutez pas aux classes d'apprentissage. Chargez toutes ses images dans le panneau Preview et comptez les prédictions correctes et incorrectes.
Comparez les résultats obtenus sur les images d'apprentissage et sur le jeu indépendant. Si les résultats diffèrent, proposez deux causes possibles liées aux images ou au jeu d'apprentissage.
2.5 · Chercher ce que le modèle a peut-être appris à la place
Placez côte à côte plusieurs images fissure et sans fissure du jeu d'apprentissage. Cherchez ce qui différencie les deux groupes en dehors de la fissure elle-même : luminosité, fond, texture, contraste, cadrage ou autre régularité visuelle.
Identifiez au moins un indice visuel qui distingue les deux classes sans être la fissure elle-même. Expliquez comment un modèle pourrait s'en servir pour réussir sur les images d'apprentissage tout en échouant sur des images nouvelles.
2.6 · Modifier les données et retester
Téléchargez les images complémentaires. Ajoutez à l'apprentissage celles qui vous semblent utiles pour réduire la régularité identifiée en Q9, réentraînez le modèle, puis retestez exactement le même jeu indépendant.
Comparez les résultats avant et après la modification de l'apprentissage. L'évolution confirme-t-elle votre hypothèse de Q9 ? Si ce n'est pas le cas, proposez une autre explication possible.
2.7 · Jusqu'où utiliser le résultat ?
Considérez trois usages : A · trier automatiquement des images pour qu'un humain examine en priorité les cas suspects ; B · déclencher une alerte qui devra être vérifiée ; C · prendre automatiquement une décision opérationnelle sans validation humaine.
Pour chacun des usages A, B et C, indiquez si vous accepteriez le système dans son état actuel. Justifiez votre réponse à partir de vos essais et donnez une vérification supplémentaire concrète que vous exigeriez avant un déploiement sur plusieurs chantiers.
Comment concevoir un suivi réaliste d'un parc de chantier ?
Les entreprises de construction disposent de matériels très différents, souvent dispersés entre dépôt, véhicules et chantiers temporaires. La traçabilité peut servir à retrouver un outil, éviter qu'une équipe parte sans le bon matériel, localiser une remorque, limiter les pertes, organiser les transferts entre sites ou planifier la maintenance d'un engin. Ces besoins ne justifient pas tous le même niveau de suivi : une position occasionnelle peut suffire dans un cas, alors qu'un autre exige des données fréquentes ou des informations directement produites par la machine.
Un même objectif, plusieurs technologies
Un système de suivi peut utiliser un GPS, un petit tag détecté à proximité, une gateway placée sur un site ou dans un véhicule, ou encore la télématique intégrée à une machine. Vous allez d'abord observer ce qu'apporte une localisation simple, puis comparer ces mécanismes avant de concevoir un déploiement complet sous contrainte de budget.
3.1 · Ce qu'une position GPS permet — et ne permet pas — de savoir
Ouvrez la démonstration MTS. Cliquez sur Open Full Demo → Objects et sélectionnez plusieurs véhicules. Utilisez uniquement les informations actuellement visibles dans l'interface ; le replay des trajets n'est pas nécessaire pour cette activité.
À partir de deux véhicules, relevez les informations actuellement disponibles et donnez deux décisions opérationnelles qu'elles peuvent aider à prendre. Donnez ensuite deux questions de gestion auxquelles une position instantanée ne suffit pas à répondre et précisez quelles données supplémentaires seraient nécessaires.
3.2 · Comparer trois manières de retrouver un actif
Consultez les documentations Hilti ci-dessous. Elles présentent plusieurs façons de retrouver un actif : un Sensor Tag Bluetooth peut être détecté lorsqu'un téléphone ou une gateway passe à proximité ; une gateway joue le rôle de relais entre les tags présents autour d'elle et la plateforme ; un Geo Tag possède sa propre alimentation et sa propre connectivité pour transmettre sa localisation.
Comparez Sensor Tag détecté par téléphone, Sensor Tag détecté par gateway et Geo Tag autonome dans un tableau : comment l'information est obtenue / condition nécessaire / actif adapté / limite principale. Terminez en expliquant pourquoi ces trois mécanismes ne répondent pas au même besoin.
3.3 · Un engin peut fournir bien plus qu'une position
Ouvrez VisionLink de Caterpillar et explorez les fonctions de gestion de flotte disponibles pour une machine. Cherchez quelles informations, en plus de sa localisation, peuvent aider à comprendre son utilisation, son état ou ses besoins de maintenance.
Identifiez au moins quatre informations autres que la position. Pour chacune, donnez un exemple de décision d'exploitation qu'elle peut éclairer et expliquez pourquoi une simple localisation ne suffirait pas.
3.4 · Concevoir le suivi d'un parc sous contrainte de budget
L'entreprise exploite un dépôt, deux chantiers et plusieurs véhicules de service :
Le parc comprend 6 pelles ou chargeuses, 12 remorques ou conteneurs, 80 petits outils et 4 véhicules de service. Les besoins prioritaires sont les suivants : savoir avant le départ d'une équipe si un petit outil se trouve sur le mauvais site ; connaître le site actuel d'une remorque avec une information mise à jour dans la journée ; disposer pour les engins de données permettant de suivre à la fois leur localisation, leur utilisation et leur maintenance.
Le dossier de consultation retient les montants suivants pour comparer les options :
| Équipement | Coût unitaire retenu |
|---|---|
| Tag Bluetooth | 25 € / actif |
| Traceur autonome | 180 € / actif |
| Gateway fixe | 600 € / emplacement |
| Gateway véhicule | 450 € / véhicule |
| Module télématique engin | 700 € / engin |
| Traceur GPS à mise à jour fréquente | 320 € / actif |
Le budget disponible pour le premier déploiement est de 8 000 €.
Proposez une architecture de suivi respectant le budget. Indiquez les actifs équipés, la technologie retenue, les quantités et l'emplacement des gateways, puis calculez le coût total. Pour chaque catégorie d'actif, précisez le besoin couvert et ce qui restera éventuellement non observé.
3.5 · Une nouvelle exigence remet-elle en cause l'architecture ?
Après le premier déploiement, le responsable logistique ajoute une exigence : une remorque qui quitte une zone autorisée doit pouvoir être repérée assez rapidement pour permettre une réaction dans l'heure.
Votre proposition de Q15 satisfait-elle cette nouvelle exigence ? Identifiez ce qui devient insuffisant dans le mécanisme de suivi retenu, proposez la modification minimale de l'architecture et calculez son impact sur le budget. Si le budget initial ne suffit plus, indiquez clairement le compromis que vous feriez.
3.6 · Une alerte n'est pas encore un diagnostic
Trois événements remontent dans la plateforme : A une pelle cesse de transmettre ; B un outil attendu sur le chantier A n'est plus détecté ; C une remorque apparaît sur un site inattendu.
Pour A, B et C, donnez au moins deux explications possibles, puis la première vérification que vous effectueriez avant de conclure à une panne, une perte ou un vol.
3.7 · Lorsque le suivi des actifs permet aussi de suivre des personnes
Un véhicule de service équipé d'une gateway est attribué à un salarié. Les données peuvent donc révéler indirectement les déplacements du véhicule et les outils qui l'accompagnent.
Proposez trois règles de conception ou d'usage permettant de conserver l'intérêt opérationnel du système tout en évitant un suivi disproportionné des personnes. Pour chacune, expliquez quelle fonction métier reste assurée.