Ce glossaire réunit, en langage simple, les deux vocabulaires qui se rencontrent quand une entreprise du BTP adopte l'IA : celui des marchés (DCE, CCTP, DPGF, mémoire technique, Go/No-Go) et celui de l'intelligence artificielle (LLM, RAG, agent IA, hallucination, GEO).
Chaque entrée donne une définition courte et un exemple concret côté BTP. C'est aussi une base de réponses pour les questions qu'on nous pose le plus : « c'est quoi le RAG pour un BET ? », « peut-on entraîner une IA sur ses plans ? ».
Marchés & appels d'offres
Le vocabulaire contractuel des marchés publics et privés. C'est la matière que l'IA lit, croise et reformule — jamais ce qu'elle décide à votre place.
- Appel d'offres AO
- Procédure par laquelle un maître d'ouvrage met une commande en concurrence. Les candidats remettent une offre (prix + mémoire technique) selon des règles précises.
- Exemple BTP — Un bureau d'études reçoit le dossier, décide s'il répond (Go/No-Go), puis monte son offre.
- DCE Dossier de consultation des entreprises
- L'ensemble des pièces d'un appel d'offres : règlement, cahiers des charges, plans, bordereaux. C'est le dossier complet à lire avant de répondre.
- Exemple BTP — Un DCE peut faire 150 pages réparties sur 10 fichiers ; l'IA aide à en faire ressortir l'essentiel.
- CCTP Cahier des clauses techniques particulières
- La pièce qui décrit ce qu'il faut réaliser, techniquement, lot par lot. C'est le texte prescriptif que les entreprises doivent respecter.
- Exemple BTP — L'IA peut comparer un CCTP à un référentiel de normes pour repérer une exigence manquante.
- DPGF Décomposition du prix global et forfaitaire
- Le tableau (souvent Excel) qui détaille les postes et les quantités à chiffrer. C'est le document de vérité économique de l'offre.
- Exemple BTP — On croise le DPGF et le CCTP pour vérifier qu'aucun poste chiffré n'est sans prescription.
- BPU / DQE Bordereau de prix unitaire / Devis quantitatif estimatif
- Deux formes de chiffrage : le BPU liste des prix à l'unité, le DQE applique des quantités estimées à ces prix.
- Exemple BTP — L'IA dégrossit la saisie ; l'arithmétique sérieuse se fait dans un tableur, pas dans le modèle.
- CCAP Cahier des clauses administratives particulières
- La pièce qui fixe les règles administratives et contractuelles du marché : délais, pénalités, paiement, résiliation.
- Exemple BTP — Une pénalité de retard non plafonnée se repère dans le CCAP — un piège qui peut coûter la marge.
- CCAG Cahier des clauses administratives générales
- Le cadre administratif type d'une famille de marchés publics (travaux, maîtrise d'œuvre, prestations intellectuelles…), auquel le CCAP renvoie.
- Exemple BTP — Citer un article de CCAG inexistant dans un courrier de réclamation, c'est exactement le genre d'erreur qu'une IA peut inventer — à vérifier.
- Règlement de la consultation RC
- La pièce qui dit comment répondre et comment l'offre sera jugée : critères de notation, pièces à fournir, format imposé.
- Exemple BTP — Des critères de notation cachés dans le RC peuvent faire perdre un marché qu'on croyait gagné.
- Mémoire technique Note méthodologique
- Le document où le candidat explique COMMENT il va réaliser la mission. Sur les marchés de services, il pèse souvent autant ou plus que le prix.
- Exemple BTP — Une IA branchée sur vos références écrit un premier jet à votre image ; un mémoire IA générique se repère et fait perdre des points.
- Maîtrise d'œuvre MOE
- L'équipe qui conçoit le projet et suit sa réalisation pour le compte du maître d'ouvrage (architecte, BET…).
- Exemple BTP — Côté MOE, l'IA aide à comparer les offres reçues des entreprises sur une grille homogène.
- Maîtrise d'ouvrage MOA
- Le donneur d'ordre : celui qui commande l'ouvrage, le finance et en définit le besoin.
- Exemple BTP — Comprendre ce que la MOA attend vraiment, au-delà du texte, est ce qui fait gagner un AO.
- AMO Assistance à maîtrise d'ouvrage
- Un tiers qui conseille et contrôle pour le compte du maître d'ouvrage. C'est l'analogie parfaite d'un agent qualité IA : un regard qui vérifie le travail.
- Bureau d'études techniques BET
- L'entreprise d'ingénierie qui conçoit et dimensionne (structure, thermique, fluides, environnement…). C'est la cible cœur de l'IA appliquée aux documents.
- Exemple BTP — Un BET passe un temps considérable sur des écrits répétitifs : mémoires, notices, CCTP, reporting.
- OPC Ordonnancement, pilotage, coordination
- La mission qui organise et synchronise les intervenants d'un chantier dans le temps.
- Exemple BTP — L'IA aide à transformer des notes de réunion en compte rendu structuré et incrémental.
- Lot / Allotissement
- Un marché est souvent découpé en lots (gros œuvre, CVC, électricité…). L'allotissement, c'est ce découpage.
- Exemple BTP — L'analyse d'un AO se fait lot par lot, car les exigences et les risques diffèrent d'un lot à l'autre.
- Go / No-Go
- La décision de répondre, ou non, à un appel d'offres. Bien prise, elle économise des jours de temps senior gaspillés sur des marchés ingagnables.
- Exemple BTP — On sépare deux scores : le risque du dossier, et votre capacité à gagner. Les confondre fait décider de travers.
- Prix anormalement bas PAB
- Quand une offre paraît trop basse, l'acheteur peut exiger une justification écrite, prix par prix. Bien faite, elle décroche le marché ; bâclée, elle le perd.
- Exemple BTP — L'IA structure la décomposition (heures × taux) ; l'expert tranche ce qui est défendable.
- ACT Assistance aux contrats de travaux
- La phase où la MOE analyse les offres des entreprises et assiste le maître d'ouvrage pour attribuer les marchés.
- Exemple BTP — C'est là que la comparaison d'offres assistée par IA fait gagner du temps de dépouillement.
Concepts d'IA, expliqués simplement
Le vocabulaire de l'intelligence artificielle, sans jargon. Juste ce qu'un dirigeant de BTP a besoin de comprendre pour décider.
- Intelligence artificielle générative IA générative
- Une IA qui produit du contenu nouveau (texte, tableau, image) à partir d'une consigne. ChatGPT, Claude, Copilot, Gemini, Mistral en sont.
- Exemple BTP — Elle accélère un premier jet de mémoire ou de courrier ; le professionnel relit, corrige et signe.
- Grand modèle de langage LLM
- Le moteur derrière l'IA générative de texte. Il prédit la suite la plus probable d'un texte — il ne « comprend » pas comme un humain.
- Exemple BTP — C'est pour ça qu'il peut écrire une phrase fausse avec aplomb : il vise le plausible, pas le vrai.
- Prompt Consigne, requête
- Ce que vous demandez à l'IA. Un bon prompt est précis, donne le contexte et les contraintes, et dit ce qu'on ne veut pas.
- Exemple BTP — « Analyse ce CCTP et liste les exigences par lot, sans rien inventer ; signale ce qui manque » est un prompt utile.
- Contexte / Fenêtre de contexte
- La quantité de texte que l'IA peut lire d'un coup. Plus elle est grande, plus on peut lui donner de pièces d'un dossier en une fois.
- Exemple BTP — Donner le DCE entier dans le contexte permet à l'IA de croiser le RC, le CCTP et le CCAP.
- Token Jeton
- L'unité de découpage du texte pour l'IA (à peu près un bout de mot). Le coût et la « longueur » se comptent en tokens.
- Exemple BTP — Choisir un modèle léger plutôt qu'un modèle lourd peut diviser par 5 à 15 le nombre de tokens facturés.
- Hallucination
- Quand l'IA produit une information fausse en la présentant comme vraie : une norme qui n'existe pas, une référence inventée, un chiffre sorti de nulle part.
- Exemple BTP — Une norme hallucinée dans un CCTP, c'est votre signature et votre responsabilité — pas celle de l'outil.
- RAG Retrieval-Augmented Generation
- Une méthode où l'IA va d'abord chercher l'info dans VOS documents, puis rédige à partir de ce qu'elle a trouvé. Elle s'appuie sur vos sources au lieu d'inventer.
- Exemple BTP — Le RAG permet à l'IA de répondre sur votre base de CCTP types sans que vous ayez à « entraîner » un modèle.
- Fine-tuning Entraînement, ré-entraînement
- Modifier en profondeur un modèle avec vos données. C'est lourd, coûteux, et rarement nécessaire pour un BET — le RAG suffit dans la grande majorité des cas.
- Exemple BTP — Pour exploiter vos plans et vos mémoires, on passe presque toujours par le RAG et le contexte, pas par un ré-entraînement.
- Agent IA
- Une IA à qui on confie une tâche en plusieurs étapes, avec des outils et des règles, pour produire un résultat — pas juste répondre à une question.
- Exemple BTP — Un agent qualité relit un CCTP, le compare à vos normes, et liste les écarts avec leur source.
- Multimodal
- Une IA capable de traiter plusieurs formats : texte, mais aussi images, PDF, plans, tableaux.
- Exemple BTP — Utile pour lire un plan scanné ou un tableau de DPGF, pas seulement du texte.
- OCR Reconnaissance de caractères
- La technologie qui transforme un document scanné (image) en texte exploitable.
- Exemple BTP — Un vieux CCTP en PDF scanné passe par l'OCR avant que l'IA puisse le lire.
- Embeddings / Vectorisation
- La façon dont l'IA range vos documents par sens pour les retrouver. C'est ce qui fait fonctionner le RAG en coulisses.
- Exemple BTP — Grâce à ça, l'IA retrouve le bon paragraphe de votre base même si vous n'employez pas les mots exacts.
- Sycophantie Complaisance
- La tendance d'une IA à vous donner raison plutôt qu'à vous contredire. Un travers documenté par les labos eux-mêmes.
- Exemple BTP — Sur une question technique, l'IA peut valider votre erreur au lieu de la signaler — d'où le besoin de garde-fous.
IA × BTP en pratique
Les notions qui font la différence entre un usage bricolé et une vraie capacité d'entreprise. C'est là que se joue la méthode Mister ConTech.
- RAG pour un bureau d'études RAG BTP
- Appliquer le RAG à vos documents métier : l'IA puise dans vos CCTP types, mémoires gagnés, base de prix et normes pour produire un livrable à votre image, en citant ses sources.
- Exemple BTP — Plutôt que « entraîner une IA », un BET structure ses références et l'IA s'y branche — sans envoyer ses données s'entraîner ailleurs.
- Entraîner une IA sur ses plans / ses documents IA sur ses propres données
- La vraie question des BET. Dans 9 cas sur 10, on ne « ré-entraîne » pas un modèle : on lui donne vos documents en contexte (RAG). C'est plus simple, moins cher, et vos données restent chez vous.
- Exemple BTP — Pour exploiter vos plans, CCTP et mémoires, on construit un « second cerveau » de fichiers que l'IA lit — pas un modèle sur-mesure coûteux.
- Second cerveau d'entreprise
- Une mémoire d'entreprise en fichiers texte (contexte, méthode, style, modèles types) que n'importe quelle IA peut lire et enrichir. Vous la possédez, elle est portable d'un outil à l'autre.
- Exemple BTP — Si demain un autre modèle est meilleur, vous basculez sans rien réécrire : le savoir-faire ne dépend pas de l'outil.
- Anti-hallucination Score de certitude
- L'ensemble des garde-fous qui rendent l'erreur de l'IA détectable : un niveau de certitude par ligne, la citation des sources, la consigne « ne jamais inventer ».
- Exemple BTP — On lit le livrable « à l'envers » : on vérifie d'abord les lignes en rouge (incertaines), on valide le vert en bloc.
- Agent qualité
- Une IA en position de contrôleur qui relit la production d'une autre IA, ancrée sur VOTRE référentiel (normes, DTU, CCTP types), et cite la clause exacte.
- Exemple BTP — C'est l'AMO qui contrôle la MOE, version IA : un deuxième regard ancré sur des preuves, pas sur la culture générale du modèle.
- Souveraineté des données
- Le fait de garder la maîtrise de vos documents : où ils sont hébergés, s'ils servent à entraîner un modèle, ce que vous récupérez si vous partez.
- Exemple BTP — Vos mémoires gagnés et votre base de prix sont du capital : ils n'ont pas à vivre dans le cloud d'un éditeur.
- Licence entreprise / No-train
- Une offre professionnelle d'IA où, contractuellement, vos données ne servent pas à entraîner le modèle et restent en vase clos.
- Exemple BTP — C'est la base avant de soumettre le moindre document de marché à une IA.
- Shadow IA IA de l'ombre
- Quand des collaborateurs utilisent déjà l'IA dans leur coin, sans règles ni garde-fous, parfois sur des données sensibles.
- Exemple BTP — Plutôt qu'à interdire, c'est un signal à canaliser : la demande est là, il manque le cadre.
- Agnosticisme (outil)
- Le principe de ne dépendre d'aucun éditeur : la valeur est dans votre méthode et vos contenus, l'outil n'est qu'une brique remplaçable.
- Exemple BTP — On part de l'outil déjà en place chez vous (souvent Microsoft 365) et la méthode tient quel que soit le modèle.
- GEO / AEO Generative / Answer Engine Optimization
- Être cité comme réponse par les IA (ChatGPT, Perplexity, AI Overview…), comme le SEO vise à être trouvé dans Google.
- Exemple BTP — Un glossaire clair, des FAQ structurées et des définitions autoportantes rendent une page facile à citer par une IA.
- Marché sensible (mode sans IA)
- Sur les marchés défense, nucléaire ou confidentiel d'État, l'IA générative est à proscrire sur la rédaction : on travaille à la main, et on le signale dès le départ.
- Exemple BTP — Savoir dire « ici, pas d'IA » fait partie d'une méthode sérieuse.
- Diagnostic / Escalier
- L'entrée Mister ConTech : un diagnostic court qui pose votre situation et chiffre la prochaine marche, puis des lots montés un par un, à votre rythme.
- Exemple BTP — Pas de big bang : on installe une brique qui tourne, on mesure, puis on monte la marche suivante.
Questions fréquentes
C'est quoi le RAG pour un bureau d'études ?
Le RAG (Retrieval-Augmented Generation) fait chercher l'information par l'IA dans VOS propres documents — CCTP types, mémoires gagnés, base de prix, normes — avant de rédiger. L'IA s'appuie sur vos sources et les cite, au lieu d'inventer. Pour un BET, c'est la façon la plus simple et la plus sûre d'exploiter son savoir-faire sans avoir à « entraîner » un modèle ni envoyer ses données s'entraîner ailleurs.
Peut-on entraîner une IA sur ses propres plans ou CCTP ?
Dans la grande majorité des cas, on ne « ré-entraîne » pas un modèle (le fine-tuning est lourd et coûteux). On donne à l'IA vos plans, CCTP et mémoires en contexte, via le RAG : l'IA lit vos documents au moment de travailler. C'est plus simple, moins cher, et surtout vos données restent chez vous au lieu de partir nourrir un modèle tiers.
Quelle différence entre RAG et fine-tuning ?
Le fine-tuning modifie le modèle en profondeur avec vos données : lourd, cher, rarement nécessaire. Le RAG laisse le modèle intact et lui fait consulter vos documents à chaque tâche. Pour un bureau d'études, le RAG couvre presque tous les besoins (mémoires, CCTP, analyse d'AO) tout en gardant la maîtrise des données.
C'est quoi un agent IA dans le BTP ?
Un agent IA est une IA à qui on confie une tâche en plusieurs étapes, avec des outils et des règles. Exemple concret : un agent qualité qui relit un CCTP, le compare à votre référentiel de normes, et remonte les écarts en citant la clause exacte — comme un bureau de contrôle qui passe derrière.
C'est quoi une hallucination d'IA, et pourquoi c'est un risque dans le BTP ?
Une hallucination, c'est une information fausse produite avec aplomb : une norme inexistante, une référence inventée, un chiffre injustifié. Dans le BTP, une norme hallucinée dans un CCTP ou un article de CCAG inventé engagent la responsabilité de celui qui signe, pas l'outil. La parade : score de certitude par ligne, citation des sources, et validation humaine sur ce qui engage.
Quelle différence entre le GEO et le SEO ?
Le SEO vise à être trouvé dans les résultats de Google. Le GEO (Generative Engine Optimization) vise à être cité comme réponse par les IA génératives (ChatGPT, Perplexity, AI Overview de Google). Des définitions claires, des FAQ structurées et un contenu autoportant rendent une page facile à reprendre par une IA.
Pour aller plus loin : Quel outil d'IA choisir pour le BTP ? · Comparatif des outils d'IA · L'IA pour les bureaux d'études · Le blog IA × BTP.