Le métré quantitatif (Quantity Takeoff – QTO) constitue une pierre angulaire des processus de construction, servant de base à des activités essentielles telles que l’estimation des coûts, la planification des charges de travail, la gestion des coûts, les achats et la planification des travaux [1,2]. La précision du QTO influence directement la capacité d’un entrepreneur à maintenir l’équilibre financier d’un projet, car toute erreur peut entraîner des dépassements budgétaires, une mauvaise allocation des ressources et des retards d’exécution. Traditionnellement, le QTO était réalisé manuellement à partir de l’interprétation de plans 2D, une méthode peu efficiente et particulièrement sujette aux erreurs [3]. À mesure que les projets de construction gagnent en complexité, ces méthodes traditionnelles se révèlent insuffisantes, ce qui a conduit au développement de systèmes plus avancés visant à rationaliser les processus, réduire les coûts et améliorer la précision des résultats [4].

Le Building Information Modeling (BIM) a profondément transformé le secteur de l’architecture, de l’ingénierie et de la construction (AEC) en introduisant des modèles intelligents et riches en données qui facilitent la prise de décision, renforcent la collaboration et améliorent la gestion des projets [3,5,6]. Parmi ses nombreuses applications, la capacité du BIM à paramétrer et à manipuler automatiquement les données des modèles offre un potentiel considérable pour révolutionner les processus de QTO. Le QTO basé sur le BIM permet d’extraire les données géométriques et sémantiques des maquettes numériques afin d’automatiser la génération de bordereaux quantitatifs détaillés et précis. Comparé aux méthodes manuelles, le QTO basé sur le BIM offre une efficacité, une précision et une rentabilité supérieures [7,8,9,10], ce qui est particulièrement avantageux durant les phases amont de conception, lorsque des estimations de coûts fiables sont indispensables à une prise de décision éclairée [8].

Malgré ces avantages, le QTO basé sur le BIM demeure confronté à des défis importants. La précision des quantités extraites des maquettes BIM dépend fortement de la qualité et de l’exhaustivité de celles-ci, notamment de leurs représentations géométriques et des métadonnées associées [11]. Des insuffisances telles que des informations incomplètes, des pratiques de modélisation hétérogènes ou des paramètres incohérents entraînent fréquemment des écarts dans les résultats de QTO [12,13]. À titre d’exemple, Khosakitchalert [13] a mis en évidence des écarts de quantités compris entre −10,78 % et 43,18 % pour les murs, et entre 0,00 % et 19,09 % pour les planchers. Ces difficultés sont accentuées par les limites des systèmes existants, qui ne permettent généralement pas une automatisation complète des flux de travail QTO ni une prise en compte satisfaisante des exigences variées des projets complexes [3].

L’adoption du schéma de données Industry Foundation Classes (IFC) a permis d’atténuer certains problèmes d’interopérabilité, mais cette approche présente également des limites. Des informations critiques nécessaires à l’obtention de quantités fiables peuvent être perdues lors des transformations IFC, ce qui affecte la fiabilité des résultats produits [14,15]. Par ailleurs, les informations contenues dans les maquettes BIM sont souvent insuffisantes pour réaliser un QTO complet, ce qui nécessite une meilleure intégration des données afin de réduire les pertes d’information et d’améliorer la précision des estimations [16].

Plusieurs travaux de recherche ont tenté de répondre à ces problématiques. Vassen [17] a analysé les capacités des systèmes de QTO basés sur le BIM à produire des estimations de coûts précises et fiables, en soulignant leur potentiel pour rationaliser les processus tout en traitant les questions d’intégrité des données. Plebankiewicz [18] a développé un système de QTO et d’estimation des coûts fondé sur le BIM, tout en mettant en évidence des limitations significatives dans la détection des incohérences au sein des maquettes. Zima [19] a étudié l’influence des méthodes de modélisation et des données sur la précision du QTO, tandis que Choi et ses collaborateurs [16] ont proposé un système prototype visant à améliorer la fiabilité du QTO durant la phase de conception. Enfin, Vitásek et Matejka [20] ont démontré le potentiel de l’automatisation du QTO et de l’estimation des coûts pour les projets d’infrastructures de transport, illustrant comment les maquettes BIM peuvent réduire de manière significative les tâches manuelles à forte intensité de travail.