Un algorithme animé d’optimisation d’avoine multi-objectifs amélioré pour la conception d’organisation de projets de construction contraints en ressources

Pourquoi les calendriers de construction nécessitent une planification plus intelligente

Lorsqu’un nouvel immeuble d’appartements ou un ensemble résidentiel apparaît dans une ville dense, une mauvaise planification peut entraîner des coûts qui s’envolent, des ouvriers inactifs une semaine et des pénuries la suivante, ainsi que des résidents mécontents attendant leurs clés. Cet article présente une nouvelle méthode informatique de planification qui considère l’ordonnancement de la construction comme un casse-tête complexe à multiples compromis — durée du projet, coût et fluidité de l’utilisation de la main-d’œuvre — et montre comment un algorithme inspiré de la nature peut trouver de meilleures solutions que les outils actuels.

Projets en milieu urbain, objectifs emmêlés

Les projets de construction modernes doivent concilier plusieurs objectifs simultanément. Les promoteurs veulent des bâtiments finis rapidement pour commencer à générer des revenus. Les entrepreneurs doivent contenir les coûts pour rester rentables. Les responsables de chantier doivent maintenir des équipes occupées sans les surmener, en tenant compte des limites quotidiennes du nombre de travailleurs disponibles. Les techniques de planification traditionnelles, comme les diagrammes de Gantt faits à la main ou des règles logicielles simples, traitent souvent un objectif à la fois — typiquement la durée totale — et s’appuient fortement sur l’expérience. Dans des projets urbains complexes avec des délais serrés et une main-d’œuvre limitée, cela peut conduire à des retards, des dépassements de coût et des fluctuations chaotiques de la demande en main-d’œuvre d’un jour à l’autre.

Apprendre des graines qui roulent

L’étude s’appuie sur une méthode d’optimisation relativement nouvelle « bio-inspirée » appelée Animated Oat Optimization, qui imite la façon dont les graines d’avoine sauvage roulent et se catapultent sur le sol pour trouver de bons emplacements pour germer. Dans la version originale, ce comportement servait à résoudre des problèmes à objectif unique : les graines vagabondent largement au début (exploration) puis se fixent dans des zones prometteuses (affinage). Les auteurs étendent cette idée pour qu’elle puisse gérer plusieurs objectifs à la fois, créant ce qu’ils appellent l’algorithme Multi-Objective Animated Oat Optimization, ou MOAOO. Plutôt que de rechercher une seule « meilleure » solution, la méthode explore une famille de calendriers qui équilibrent chacun, à leur façon, le temps, le coût et la régularité de la main-d’œuvre.

Transformer la construction en problème de recherche

Pour appliquer la méthode, les chercheurs traduisent d’abord un petit projet résidentiel réel de Chengdu, en Chine, en un modèle mathématique. Chaque tâche de construction — telle que l’excavation, les fondations, la structure et l’installation des équipements — a une date de début, une durée et un nombre de travailleurs assignés. Les tâches doivent respecter un ordre logique (on ne peut pas monter les murs avant la fondation), et il existe une limite quotidienne supérieure sur la main-d’œuvre disponible. Le modèle suit trois éléments : la durée totale du projet, le coût total (principalement la main-d’œuvre plus un montant fixe par tâche et des pénalités d’heures supplémentaires) et la variation du nombre total de travailleurs sur le chantier d’un jour à l’autre. Une courbe de main-d’œuvre lisse signifie moins de pics et de creux, ce qui facilite le recrutement, la formation et la gestion des heures supplémentaires.

Comment le nouvel algorithme explore les options

MOAOO lance une population de « calendriers candidats », chacun représenté comme une graine roulante dans un espace multidimensionnel. À chaque itération de calcul, certains candidats sont poussés aléatoirement pour explorer de nouvelles possibilités, tandis que d’autres suivent des motifs inspirés de la physique des graines qui roulent et oscillent — petits ajustements pour l’amélioration locale et bonds plus larges pour échapper aux impasses. En parallèle, la méthode conserve une mémoire évolutive des calendriers particulièrement bons qui ne sont battus sur aucun des trois objectifs. Ces candidats « élites » aident à orienter la recherche. Un système en couches vérifie et répare les violations d’ordre des tâches, de synchronisation et des limites de ressources, et un moniteur intégré arrête la recherche prématurément une fois que les améliorations deviennent infimes, économisant du temps de calcul.

Ce que la méthode accomplit en pratique

En utilisant le projet de logements de Chengdu comme étude de cas, les auteurs montrent que MOAOO peut générer rapidement une large gamme de calendriers réalisables. Lors de leurs tests, l’algorithme a typiquement convergé en environ 118 itérations. Un calendrier axé sur la vitesse pure a réduit la durée du projet d’environ un cinquième par rapport à la référence, bien que pour un coût plus élevé. Un autre calendrier a minimisé le coût en acceptant un délai de construction plus long. De manière frappante, un calendrier de compromis a achevé le projet en 279 jours pour environ 1,34 million de dollars, tout en réduisant les fluctuations d’utilisation de la main-d’œuvre de 72,7 %. Cela signifie que les équipes sont utilisées de manière beaucoup plus régulière dans le temps, ce qui est attractif pour les entrepreneurs cherchant à éviter les pics d’heures supplémentaires et les périodes d’inactivité.

Pourquoi cela compte pour les futurs projets de construction

Au-delà d’un cas unique, l’équipe a testé MOAOO sur des bancs d’essai mathématiques standards et l’a trouvé compétitif ou supérieur à plusieurs méthodes d’optimisation multi-objectifs bien connues, ce qui suggère que l’approche est globalement solide. Pour un non-spécialiste, le message central est que les calendriers de construction n’ont plus à être des compromis rigides et ajustés manuellement. En empruntant des idées au mouvement des graines dans la nature, cet algorithme peut proposer automatiquement de nombreux plans différents, chacun arbitrant de manière transparente le temps, l’argent et la stabilité de la main-d’œuvre. Les chefs de projet peuvent alors choisir le calendrier qui correspond le mieux à leurs priorités et contraintes, rendant la construction urbaine plus prévisible, efficace et résiliente.

Citation: Xue, Q., Wu, C., Nie, J. et al. An improved multi-objective animated oat optimization algorithm for resource-constrained construction project organization design. Sci Rep 16, 10239 (2026). https://doi.org/10.1038/s41598-026-39502-7

Mots-clés: planification de la construction, optimisation multi-objectifs, gestion des ressources, algorithmes bio-inspirés, planification de projet