En résumé : L’intelligence artificielle entre dans la détection des sinistres de construction par la vision par ordinateur, l’analyse de capteurs et le traitement automatique de rapports d’expertise. Elle ne remplace ni l’expert bâtiment ni la garantie décennale, mais raccourcit les délais, identifie des désordres évolutifs plus tôt, et transforme la manière dont les assureurs instruisent les dossiers. Le cadre du règlement UE sur l’IA de 2024 fixe les garde-fous.
Ce que l’IA change dans la détection des désordres
La garantie décennale couvre les désordres qui compromettent la solidité de l’ouvrage ou le rendent impropre à sa destination (article 1792 du Code civil). Historiquement, leur détection repose sur l’œil de l’expert, les relevés manuels et le retour d’expérience. Trois familles de technologies déplacent cette pratique.
La vision par ordinateur appliquée aux images de chantier et de bâtiments en service. Des modèles entraînés sur des milliers de photos de fissures, d’infiltrations, d’écaillements, d’humidité, détectent automatiquement les désordres sur une image ou une vidéo. Une tournée de drone au-dessus d’un toit, un scan thermographique de façade, une inspection d’ouvrage d’art produisent des jeux de données qu’un modèle annote en quelques minutes.
L’analyse prédictive à partir de capteurs IoT. Sondes d’hygrométrie, accéléromètres, capteurs de déformation, jauges de contrainte remontent des mesures en continu. Un modèle compare les séries temporelles à des signatures connues de désordres — tassement différentiel, infiltration progressive, mouvement de structure — et alerte avant l’apparition visible du dommage.
Le traitement automatique des documents. Rapports d’expertise, procès-verbaux de réception, attestations, échanges de courriers forment un corpus textuel volumineux. Les modèles de langage extraient automatiquement les informations clés : nature du désordre, date, localisation, intervenants, responsabilités alléguées. L’instruction d’un dossier gagne en rapidité.
Les usages qui se généralisent
Sophie, 39 ans, développeuse dans une proptech spécialisée dans l’inspection technique, voit trois cas d’usage dominer les demandes de ses clients assureurs et experts.
L’analyse de photos de sinistres déclarés. Quand un maître d’ouvrage déclare un sinistre à son assureur DO, il joint des photos. Un modèle classe automatiquement la typologie du désordre (fissure structurelle, fissure de retrait, infiltration en toiture, condensation), évalue l’ampleur visible, et oriente le dossier vers l’expert compétent. La notification des 60 jours prévue par l’article L242-1 du Code des assurances se joue à quelques jours près dans les dossiers complexes ; le tri initial gagne plusieurs jours.
Le suivi en continu de bâtiments neufs ou rénovés. Pendant la période de garantie de parfait achèvement (1 an) et de bon fonctionnement (2 ans), des capteurs peuvent surveiller l’humidité relative, les mouvements de structure, la température. Un désordre évolutif est signalé avant qu’il ne devienne visible et avant la fin de la garantie, ce qui évite la bascule en contentieux ou en décennale.
La détection de désordres sur le patrimoine existant. Les bailleurs sociaux, les collectivités, les copropriétés qui gèrent un parc important commandent des inspections par drone ou par véhicule instrumenté. L’IA traite les images, cartographie les désordres, hiérarchise les urgences. La décision d’engager ou non une procédure décennale sur un bâtiment encore dans sa période de dix ans repose sur un diagnostic objectivé.
Ce que l’IA ne remplace pas
L’assurance décennale française est un régime juridique, pas un diagnostic technique. Un modèle qui détecte une fissure ne qualifie pas sa nature juridique. La qualification d’un désordre comme relevant de la décennale, du bon fonctionnement, du parfait achèvement ou hors garantie, reste un travail d’expert bâtiment et, en cas de litige, de juge du fond.
L’expert bâtiment garde la main. La jurisprudence de la 3e chambre civile de la Cour de cassation exige une analyse de la gravité, du caractère évolutif, et de l’impact sur la destination de l’ouvrage. Un modèle peut signaler une fissure ; seul l’expert distingue la fissure de retrait superficielle (hors décennale) de la fissure structurelle qui compromet la stabilité.
L’assureur doit motiver sa position. L’article L242-1 impose à l’assureur DO de notifier sa position sur la garantie dans les 60 jours. La motivation ne peut pas se réduire à la sortie d’un algorithme. Le règlement UE sur l’intelligence artificielle de 2024 classe les systèmes de décision en assurance comme à risque élevé, avec obligation de transparence sur la logique utilisée et de possibilité de recours humain.
Le juge reste le dernier arbitre. Une preuve produite à partir d’une analyse automatisée doit être soumise au débat contradictoire. La partie adverse peut contester la méthodologie, l’annotation, le jeu d’entraînement, les biais. L’expertise judiciaire ordonnée sur le fondement de l’article 145 du Code de procédure civile reste le standard probatoire.
Les limites techniques et les biais à connaître
Les modèles de vision par ordinateur performent sur les désordres fréquents et bien documentés : fissures visibles en façade, zones d’humidité, écaillements, décollements. Leur précision chute sur les désordres rares, les configurations atypiques, les matériaux peu représentés dans les jeux d’entraînement.
Les faux positifs coûtent cher. Un modèle trop sensible classe en désordre structurel une fissure de retrait sans conséquence. L’expert mobilisé pour rien facture sa visite. Le maître d’ouvrage alerté à tort s’inquiète. La confiance s’érode.
Les faux négatifs sont pires. Un modèle qui rate un désordre évolutif au moment où il est encore réparable expose le gestionnaire à une aggravation et à une perte de chance — la décennale court quand même, mais les travaux deviennent plus lourds.
Le biais de représentativité. Les jeux de données dominants représentent surtout le bâti urbain français récent. Les bâtiments anciens, les techniques régionales, les matériaux biosourcés, les ouvrages d’art font l’objet de modèles beaucoup moins performants.
L’explicabilité. Un assureur qui refuse une garantie sur la base d’une analyse algorithmique doit pouvoir expliquer pourquoi. Les modèles de deep learning opaques posent problème au regard des obligations de motivation et du règlement UE sur l’IA.
Le cadre réglementaire qui se met en place
Le règlement européen sur l’intelligence artificielle adopté en 2024 encadre l’usage de l’IA dans l’assurance de manière graduée.
Usages interdits : notation sociale, manipulation cognitive, certains systèmes biométriques. Sans impact direct sur la décennale.
Usages à risque élevé : systèmes intervenant dans la tarification et la souscription d’assurance vie et santé principalement, mais aussi certains systèmes d’évaluation des risques en assurance non-vie. Obligations de documentation, de transparence, de supervision humaine, de conservation des logs.
Usages à risque limité : chatbots d’information, outils d’aide à la rédaction de rapports. Obligation de signaler que l’interaction se fait avec un système d’IA.
Usages à risque minimal : la plupart des outils d’aide à l’analyse de photos de sinistres, tant qu’ils ne prennent pas la décision d’indemnisation seuls.
Le droit français complète avec le RGPD sur les données personnelles traitées, et l’ACPR qui surveille la mise en œuvre par les assureurs.
Comment l’assuré peut bénéficier ou se défendre
Lucas, 35 ans, ingénieur BIM dans un bureau d’études, accompagne des maîtres d’ouvrage confrontés à des désordres. Il observe trois postures utiles.
Utiliser l’IA pour documenter. Des applications grand public analysent une photo de fissure et donnent une première typologie. Le résultat n’a aucune valeur probatoire mais aide à formuler la déclaration de sinistre, à choisir le niveau d’urgence, à anticiper la discussion avec l’expert.
Exiger la transparence. Si l’assureur refuse la garantie sur la base d’une analyse automatisée, le règlement UE sur l’IA et le Code des assurances imposent une motivation compréhensible. Demander par écrit les éléments d’analyse, les conclusions de l’expert humain qui a validé la décision, et les pièces sur lesquelles la position repose.
Conserver ses propres données. Photos horodatées, vidéos, mesures de capteurs installés sur le bâtiment constituent une preuve utile. Plus le corpus de preuves documentées par le maître d’ouvrage est riche, plus la contestation d’une décision défavorable est solide.
La question du coût et de l’accès
L’IA appliquée à la détection de sinistres reste encore inégalement déployée. Les grands assureurs disposent d’équipes data et de partenariats avec des proptechs. Les assureurs plus petits, les courtiers, les maîtres d’ouvrage individuels accèdent à ces outils via des services ponctuels (inspection par drone, diagnostic thermographique) dont le coût reste significatif.
L’Agence Qualité Construction (AQC), observatoire public des désordres, collecte des données structurées sur la sinistralité française. Ces jeux de données, enrichis dans le temps, alimentent progressivement des modèles publics ou semi-publics qui pourraient rééquilibrer l’accès.
Questions fréquentes
Une analyse IA a-t-elle valeur de preuve en cas de litige décennal ?
Pas en tant que telle. Elle peut alimenter un rapport d’expert, qui lui-même constitue un élément de preuve soumis au débat contradictoire. Seule l’expertise judiciaire (article 145 du Code de procédure civile) a la valeur probatoire la plus forte.
L’assureur peut-il refuser la garantie sur la base d’un algorithme ?
Non sans motivation et intervention humaine. L’article L242-1 du Code des assurances impose une position motivée. Le règlement UE sur l’IA de 2024 interdit la prise de décision entièrement automatisée dans les domaines à risque élevé sans supervision.
Les capteurs IoT installés sur mon chantier peuvent-ils retourner contre moi ?
Oui en théorie. Les données remontées peuvent être versées au débat si un litige survient. Elles peuvent démontrer qu’un désordre existait avant une période donnée, ou au contraire que des conditions d’exécution étaient anormales. Prévoir contractuellement qui accède aux données et dans quelles conditions.
Un modèle IA peut-il remplacer l’expert bâtiment ?
Non pour la qualification juridique d’un désordre. Oui comme outil d’aide à l’expert pour accélérer le tri, le diagnostic initial, la rédaction du rapport.
L’Agence Qualité Construction utilise-t-elle l’IA ?
L’AQC exploite des bases de données structurées sur la sinistralité et produit des analyses statistiques. Des partenariats avec des acteurs de l’IA émergent pour affiner la détection des tendances, sans que l’organisme ne prenne de position commerciale sur un outil spécifique.
Ce qu’il faut retenir
- L’IA accélère la détection des désordres visibles et le suivi en continu des ouvrages, sans remplacer l’expertise humaine ni la qualification juridique.
- Les trois familles dominantes sont la vision par ordinateur, l’analyse de capteurs IoT, et le traitement automatique des documents d’expertise.
- Le règlement UE sur l’IA de 2024 encadre les usages à risque élevé avec obligations de transparence et de supervision humaine.
- La motivation des décisions d’assurance reste un principe absolu : une décision automatisée sans contrôle humain est contestable.
- Faux positifs, faux négatifs et biais de représentativité limitent encore la fiabilité sur les configurations atypiques.
- Le maître d’ouvrage peut utiliser l’IA pour documenter ses démarches, mais la preuve reposant sur l’expertise humaine reste le standard.
Pour aller plus loin :
- Tarif décennale : comment est calculé le taux de prime sur le CA ?
- Assureurs LPS (Libre Prestation de Services) : le guide de survie
- Prévenir les sinistres : les nouveaux outils de mesure de l’humidité
- L’impact du réchauffement climatique sur les fondations (RGA)
- Le rôle de l’AQC (Agence Qualité Construction)
