Saved in:
| Main Author: | |
|---|---|
| Format: | Recurso digital |
| Language: | |
| Published: |
Zenodo
2025
|
| Online Access: | https://doi.org/10.5281/zenodo.17473587 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- <p>Résumé : <br>Cette recherche présente une étude thématique approfondie portant sur l'influence des technologies émergentes sur <br>le contrôle de gestion à travers la capacité prédictive déployée dans le cadre des coûts et des délais de construction. <br>À l'aide d'une approche bibliométrique rigoureuse mise en œuvre sur un ensemble de 91 articles scientifiques <br>répertoriés dans Scopus couvrant une période de 2016-2025, elle propose un bilan cartographique de l'évolution <br>de ce champ d'étude et de ses thèmes dominants. Les résultats montrent une domination écrasante (25,5% des <br>thèmes) des techniques d'intelligence artificielle et d’apprentissage machine centrée sur la prévision des <br>dépassements de coûts et des risques d’atteinte des délais, alors que les modèles avancés de méta-ensembles, de <br>réseaux neuronaux profonds (LSTM) et de neuro-fuzzy systems (ANFIS) surpassent 85% de performance dans la <br>prévision d’atteinte des objectifs budgétaires, révolutionnant ainsi les pratiques budgétaires traditionnelles. <br>Néanmoins, nous observons une crise existentielle : trop d’unité sur l’existant économique et aucune recherche <br>sur des technologies prometteuses comme l’IoT avancé, les jumeaux numériques ou la blockchain, alors que <br>l’IA/ML (31.9%) se mobilise à raison de 25,5% des projets d’études/évaluations, contre 17% pour la gestion de <br>programmes de construction, 10,6% pour la gestion des risques et 10,6% pour la gestion de la valeur ou feature <br>modeling, un régrave déséquilibre que cette étude vérifie à l’aune de la recherche en gestion de projets, soumise à <br>l’épreuve du terrain, même si la recherche est interdisciplinaire et, avant tout, adaptée aux spécificités de la gestion <br>des projets de construction. L’étude conclut sur la nécessité d’élargir le champ des recherches technologiques <br>futures pour, à qualité équivalente, rééquilibrer les coûts et les délais dans le développement d’approches forcément <br>intégrées en gestion de projet de construction. </p> <p>Abstract : <br>This research presents an in-depth thematic study on the influence of emerging technologies on management <br>control through the predictive capacity deployed in the context of construction costs and deadlines. Using a <br>rigorous bibliometric approach implemented on a set of 91 scientific articles listed in Scopus covering a period of <br>2016-2025, it offers a cartographic assessment of the evolution of this field of study and its dominant themes. The <br>results show an overwhelming dominance (25.5% of the themes) of artificial intelligence and machine learning <br>techniques focused on the prediction of cost overruns and deadline risks, while advanced meta-ensemble models, <br>deep neural networks (LSTM) and neuro-fuzzy systems (ANFIS) outperform 85% in predicting the achievement <br>of budgetary objectives, thus revolutionizing traditional budgetary practices. However, we observe an existential <br>crisis: too much unity on the existing economic situation and no research on promising technologies such as <br>advanced IoT, digital twins or blockchain, while AI/ML (31.9%) is mobilized at a rate of 25.5% of study/evaluation <br>projects, compared to 17% for construction program management, 10.6% for risk management and 10.6% for <br>value management or feature modeling, a serious imbalance that this study verifies in the light of research in <br>project management, subject to field testing, even if the research is interdisciplinary and, above all, adapted to the <br>specificities of construction project management. The study concludes on the need to broaden the scope of future <br>technological research to, at equivalent quality, rebalance costs and deadlines in the development of necessarily <br>integrated approaches in construction project management </p>