Enjeux de responsabilité face à la donnée numérique dans le contexte du BIM et du PLM
Bibliographic record
Abstract
Au cours des dernières décennies, les outils et les données numériques ont pris une importance grandissante au sein des activités industrielles, qu’elles concernent le développement de produits aéronautiques, appuyés par les outils PLM (Product Lifecycle Management), ou d’ouvrages de construction, appuyés par les outils BIM (Building information Modeling). La prise de responsabilité face aux données numériques soulève des difficultés susceptibles de limiter le déploiement de nouveaux processus basés sur ces outils et ces données numériques. Ce projet de recherche propose une étude exploratoire afin d’identifier les préoccupations liées à la prise de responsabilité face à la maquette numérique (3D) et son utilisation, au sein d’une organisation d’envergure dans l’industrie de la construction au Québec. Ce projet à pour objectif d'explorer les différents éléments pouvant influer les enjeux de responsabilités face à la maquette numérique. \n \nLes enjeux de responsabilité ont été explorés selon deux volets : la responsabilité juridique/contractuelle et la responsabilité professionnelle. La méthodologie de recherche utilisée est la recherche exploratoire qui permet de dépeindre et clarifier la nature des préoccupations grâce à des entrevues et des analyses déductives et inductives, des verbatims générés par les entrevues. La première et seconde phase d’entrevue compte sept entrevues et ont été réalisées sur une période allant de 45 à 80 minutes chacune. Suite à cette première série d’entrevues, les enjeux de responsabilités ont été regroupés en huit catégories : les lois au Québec, l’identification du responsable, la distribution des risques, la distribution des rôles et responsabilités ambiguë, appréhender l’entièreté du contenu, la différence entre les disciplines, la signature de la maquette numérique et la confiance envers le modeleur. Puis, l’une d’elles a été approfondie au cours d’une seconde série de sept entrevues : appréhender l’entièreté du contenu d’une maquette numérique par rapport au médium traditionnel du dessin 2D. Suite à l’analyse approfondie, sept catégories d’enjeux ont été identifiées : l’implication dans la préparation de la maquette, les conventions de représentation, l’interprétation multiple, la finalité du document, le modèle théorique par rapport à la réalité du terrain, la difficulté d’appréhender l’entièreté du contenu et la non-altérabilité de la maquette 3D. Enfin, les constats réalisés grâce à ces deux séries d’entrevues ont été soumis à des experts du domaine aéronautique afin de sonder si ces constats trouvent écho, ou non, dans leur milieu. En comparant les deux milieux, il a été observé que le secteur aéronautique n’est pas plus avancé que celui de la construction en ce qui concerne la signature de la maquette numérique, et que la majorité des enjeux vécus sont semblables dans les deux milieux. Ainsi, il n’est pas clair que la prise de responsabilité de la maquette numérique dans son entièreté soit actuellement réalisable.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.070 |
| Meta-epidemiology (narrow) | 0.009 | 0.010 |
| Meta-epidemiology (broad) | 0.008 | 0.003 |
| Bibliometrics | 0.006 | 0.014 |
| Science and technology studies | 0.002 | 0.017 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.019 | 0.010 |
| Research integrity | 0.026 | 0.022 |
| Insufficient payload (model declined to judge) | 0.002 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".