Le quotidien d'un bureau d'études en sécurité incendie consiste pour une bonne moitié à jongler avec un corpus normatif dense et mouvant : la famille NF S 61-9xx, l'instruction technique IT 246 pour les ERP, l'IT IGH, les arrêtés du 25 juin 1980 et du 30 décembre 2011, le règlement de sécurité, les référentiels APSAD R7 et apparentés, sans oublier le Code de la construction, le Code du travail et — pour les sites concernés — la réglementation ICPE. À cela s'ajoute la production documentaire propre à chaque mission : analyse de risques, qualification des locaux, calcul du maillage des détecteurs (K-factors), dispatch des prescriptions par lot, rédaction de CCTP, contrôle des plans d'exécution, dossier d'identité SSI.
Une bonne partie de ce travail est répétitive, traçable et codifiable. C'est précisément le terrain où l'intelligence artificielle commence à apporter des gains tangibles — à condition d'être employée correctement. Voici notre retour d'expérience sur ce qui fonctionne, ce qui ne fonctionne pas, et où la place de l'humain reste structurante.
Pourquoi l'IA générique ne suffit pas en SSI
La tentation est forte d'ouvrir un assistant conversationnel généraliste et de lui demander : « Pour un ERP de type J 1re catégorie, quelle catégorie de SSI est exigée et quels articles s'appliquent ? ». La réponse arrive en quelques secondes, parfaitement formulée, souvent confiante. Et fréquemment, partiellement fausse.
Les modèles de langage de grande taille ont été entraînés sur le web : on y trouve des articles à jour, des versions abrogées, des forums où l'on confond IT 246 et IT 247, des reprises de l'APSAD R7 présentées comme des exigences réglementaires, des tableaux de seuils ERP datant de 2010 que personne n'a corrigés. Sans ancrage déterministe sur le corpus officiel, le modèle peut citer un numéro d'article qui n'existe plus, un seuil qui a changé, ou pire, présenter une recommandation d'assureur comme une obligation légale.
Trois confusions reviennent particulièrement souvent dans les sorties de l'IA générique :
- Mélange NF / APSAD : la NF S 61-970 est une norme publique d'application réglementaire ; l'APSAD R7 est une recommandation privée d'assureurs. Les deux peuvent dire des choses proches, mais leur portée juridique est radicalement différente. Une IA générique fusionne souvent les deux.
- Versions périmées : la NF S 61-932 a été révisée plusieurs fois ; certaines IT ont été remplacées. L'IA peut ressortir une référence à un article retiré ou un seuil obsolète.
- Numérotation d'article inventée : sous pression de cohérence rédactionnelle, le modèle complète parfois une citation par un numéro plausible mais inexistant. Le lecteur non averti peut avoir du mal à le détecter.
Pour la prescription SSI, ce niveau d'erreur n'est pas acceptable. Un CCTP fondé sur une norme abrogée engage la responsabilité du coordinateur SSI et de la maîtrise d'œuvre. La parade passe par une architecture logicielle qui, par construction, ne peut pas halluciner sur les exigences réglementaires.
L'approche moteur déterministe + RAG sourcé
L'approche qui donne des résultats fiables en pratique sépare strictement deux familles de tâches :
- La décision réglementaire (quelles catégories, quels articles, quels seuils, quel maillage) repose sur un moteur de règles déterministe. Concrètement : des matrices et des tables de décision dérivées des textes officiels — typage ERP, seuils par catégorie, types d'alarme par type d'établissement, K-factors par configuration NF S 61-970. Pour une même entrée, le moteur produit toujours la même sortie, et chaque sortie est traçable jusqu'à la source. Aucune IA dans cette couche.
- La rédaction (extraction, reformulation, synthèse de paragraphes techniques) peut s'appuyer sur un grand modèle de langage, mais branché sur un système de récupération sourcée (RAG) qui ne lui sert que des extraits du corpus officiel — articles, IT, normes, arrêtés — et impose une sortie référencée.
La discipline supplémentaire est la discrimination de la cible documentaire. Un Cahier des Charges Fonctionnel SSI au sens de la NF S 61-931 § 5 doit citer uniquement les exigences réglementaires opposables : NF, IT, arrêtés, Code. Il ne doit pas mélanger les recommandations APSAD, qui restent des prescriptions privées d'assureurs. À l'inverse, un assistant conversationnel destiné à un coordinateur en phase d'étude pourra légitimement remonter un APSAD R7 quand le contexte assurantiel est pertinent. Le bon outil applique cette discrimination automatiquement, par type de livrable.
Cas d'usage concrets en bureau d'études
Une fois cette architecture en place, plusieurs gains de productivité deviennent réels. Voici ceux que nous mesurons quotidiennement.
Analyse réglementaire automatisée
À partir des caractéristiques d'un projet — type d'établissement, classement ERP, effectif, niveau, particularités (locaux à sommeil, IGH, ICPE...) — un moteur de règles peut sortir en quelques secondes la liste exhaustive des articles applicables, avec leur source précise. Là où il fallait une demi-journée à un ingénieur pour produire la matrice d'applicabilité d'un projet complexe, l'outil la propose en moins d'une minute. Le travail du bureau d'études se déplace alors vers la validation et la contextualisation : prendre en compte les particularités non capturées par les paramètres d'entrée, identifier les zones d'interprétation, arbitrer.
Dispatch IT 246, APSAD R7 et autres référentiels
Le dispatch consiste à répartir les exigences entre les bons référentiels et les bons documents. Selon que la cible est un CCF (NF S 61-931), un dossier d'identité SSI (NF S 61-932 Annexe A) ou un échange technique informel, on conserve ou on filtre les recommandations APSAD. Un moteur correctement paramétré applique cette discrimination par destination, là où une rédaction manuelle laisse régulièrement passer des prescriptions hors-périmètre.
Génération de Cahier des Charges Fonctionnel
La rédaction d'un CCF complet — paragraphes contextualisés, tableaux d'applicabilité, sources, scénarios — représente plusieurs jours de travail pour un projet moyen. Avec un assistant capable d'extraire le contenu textuel des articles applicables et de proposer un premier jet rédactionnel sourcé, on ramène cette charge à quelques heures de relecture critique et d'ajustement. Le livrable reste signé par le BE — l'IA produit un brouillon, pas un document opposable.
Maillage des détecteurs et K-factors NF S 61-970
Le calcul du nombre minimum de détecteurs par local en application de la NF S 61-970 dépend de l'euroclasse, de la superficie, de la hauteur sous plafond et de la nature de l'occupation (présence ou non de sommeil). Le coefficient K vaut 0,3 pour les locaux à sommeil et 0,6 pour les autres usages courants. Un moteur déterministe produit le tableau complet du maillage en s'appuyant sur les bons coefficients, élimine les erreurs courantes (K=1 par défaut, application uniforme indifférenciée) et signale les locaux qui sortent du domaine d'application standard.
Zonage SSI et scénarios de mise en sécurité
Le découpage d'un bâtiment en zones de détection (ZD), zones de mise en sécurité (ZS), zones d'alarme (ZA), zones de compartimentage (ZC) et zones de désenfumage (ZF) obéit à des règles que l'on peut largement codifier : continuité, cohérence avec les compartiments coupe-feu, articulation avec les fonctions du CMSI. Les scénarios de mise en sécurité associés (évacuation par séquences, arrêt des installations, asservissements) suivent la même logique. Là encore, l'apport de l'automatisation est de proposer un premier découpage que le coordinateur amende, plutôt que de partir d'une feuille blanche.
Ce que l'IA ne remplacera pas dans le bureau d'études SSI
Aussi performants que soient les outils, plusieurs maillons restent fondamentalement humains.
Le jugement professionnel intervient à chaque interface : entre une exigence réglementaire et la réalité d'un site existant, entre deux interprétations possibles d'un texte, entre une solution conforme et une solution conforme et opérationnellement viable. L'IA peut proposer des règles ; elle n'arbitre pas les compromis.
La coordination inter-corps d'état est un travail de relation, pas de calcul : caler les arbitrages avec les architectes, les fluides, le bureau de contrôle, les exploitants futurs. Un coordinateur SSI passe une part importante de son temps en réunion, en visite de site, en arbitrage. Aucun de ces moments n'est automatisable.
La responsabilité légale est inaliénable. La mission de coordination SSI engage la responsabilité civile et pénale de la personne physique qui la signe (article R143-2 du Code de la construction et de l'habitation, NF S 61-931). Un outil ne peut pas porter cette responsabilité. Il peut accélérer la production, fiabiliser la traçabilité, dégager du temps pour la valeur ajoutée — la signature reste du domaine humain.
Enfin, la connaissance du chantier est faite de mille détails non codifiés : un détail de pose, un défaut récurrent d'un fabricant, une astuce d'installation pour un local atypique. Cette connaissance se transmet par compagnonnage et par retour d'expérience. Aucune base documentaire ne la capture intégralement.
L'écosystème actuel des outils IA pour la SSI
L'offre logicielle qui applique cette philosophie reste émergente. À côté des suites historiques de calcul (Caneco BT, Dialux, AutoCAD MEP) qui couvrent l'ingénierie courants forts mais peu la prescription SSI, on voit apparaître des outils plus spécialisés. Ils combinent généralement une indexation vectorielle du corpus réglementaire (normes NF S 61-9xx, IT, APSAD, arrêtés ERP/IGH/habitation, codes), un moteur de règles déterministe pour les décisions normatives, et une couche IA pour la rédaction des livrables.
Parmi les solutions françaises explicitement positionnées sur la prescription SSI, Flamwise propose ce type d'architecture : moteur de règles 100 % déterministe sur le corpus officiel français (5 700+ articles indexés couvrant NF S 61-9xx, NF EN 54, NF EN 12101, IT 246, IT IGH, APSAD R7, arrêtés ERP/IGH/habitation, Code du travail), pipeline de récupération en trois couches pour le RAG, génération de CCF et de DI-SSI, calculs K-factors et zonage. Le choix d'une architecture qui sépare la décision réglementaire (déterministe, traçable) de la rédaction (IA, sourcée) est cohérent avec l'analyse développée plus haut. À usage : il appartient à chaque BE d'évaluer, dossier en main, l'adéquation entre l'outil, ses propres méthodologies et son périmètre habituel.
L'évaluation d'un tel outil dans une structure passe par les questions habituelles : périmètre normatif effectivement couvert et fraîcheur de mise à jour, mécanisme de citation des sources dans les livrables, gestion de la confidentialité des données projet, intégration avec la chaîne BIM/CAO existante, modèle économique compatible avec la taille des missions, capacité à exporter dans les formats Word/PDF utilisés en aval.
Conclusion : l'IA comme accélérateur, pas comme substitut
L'apport de l'intelligence artificielle au bureau d'études SSI est réel à condition de respecter une discipline : déterminisme là où l'erreur n'est pas tolérable (la décision réglementaire), IA là où elle dégage de la valeur (l'extraction, la rédaction, la synthèse). Avec cette répartition, on observe en pratique des gains de 30 à 50 % sur la production documentaire d'un projet courant, et un effet plus difficile à quantifier mais probablement plus important sur la qualité : moins d'erreurs de référencement, meilleure traçabilité, livrables plus homogènes entre projets.
L'IA ne remplace ni le coordinateur SSI ni le bureau d'études. Elle déplace le centre de gravité du métier vers ce que la machine ne fait pas : arbitrage, coordination, jugement professionnel, responsabilité signée. C'est précisément la part la plus difficile à apprendre — et la plus durable.