Réponse rapide. Une inspection par drone capte, sans échafaudage ni nacelle, des images et des données 3D d’un ouvrage difficile d’accès : toiture, façade, pont, chaussée, talus, structure industrielle. La photo haute résolution montre l’état de surface (fissures, corrosion), la thermographie révèle des écarts de température (humidité, isolation) et le LiDAR mesure la géométrie (déformations, volumes). L’IA trie des milliers d’images et propose des défauts candidats, mais elle produit des faux positifs et rate ce que les images ne montrent pas : un spécialiste valide chaque constat, et le diagnostic reste celui de l’ingénieur. Au Canada, les vols relèvent de Transport Canada. Pour cadrer le mandat, partez de la décision à prendre et du plus petit défaut à voir.
Une municipalité doit vérifier l’état d’un viaduc. Un gestionnaire d’immeubles a une façade de douze étages à faire vérifier. Un industriel soupçonne une infiltration sous une grande toiture. Dans les trois cas, on lui propose une inspection par drone « avec détection automatique des défauts par IA » : pas d’échafaudage, pas de fermeture de voie, un rapport généré par l’intelligence artificielle. La promesse est réelle, mais incomplète. Le drone est un excellent outil de capture et l’IA un excellent outil de tri; ni l’un ni l’autre ne remplace le jugement de la personne qui interprète les données. Voici ce qu’un donneur d’ouvrage doit savoir pour acheter la bonne inspection.
Qu’est-ce qu’une inspection par drone, au juste?
Le marketing confond souvent deux choses : la capture et l’inspection. Le drone capte des photos, des images thermiques, un nuage de points. L’inspection est une interprétation : cette fissure est-elle active? Cette tache est-elle une infiltration ou une salissure? Cette déformation est-elle dangereuse?
Le drone est à l’inspection ce que l’endoscope est au diagnostic médical : il donne accès à des endroits qu’on ne voyait pas, de façon documentée, mais le diagnostic reste celui du médecin. Au Québec, c’est la règle pour les façades : celles des bâtiments de cinq étages et plus doivent être vérifiées par un ingénieur ou un architecte tous les cinq ans, selon le Code de sécurité de la Régie du bâtiment du Québec. Un relevé par drone peut alimenter ce rapport; il ne le remplace pas.
Quels ouvrages se prêtent bien à une inspection par drone?
Le drone est le plus utile quand l’accès est coûteux, dangereux ou impossible autrement :
- Ponts et viaducs : fissuration et écaillage du béton, armature exposée, corrosion, sur les piles, les culées et les faces du tablier. Sous le tablier, le signal GNSS se dégrade : la planification du vol et l’expérience du pilote y comptent beaucoup.
- Façades en hauteur : fissures, éclatements, joints, ancrages, en appui à la vérification réglementaire.
- Toitures de grande surface : état de la membrane, accumulation d’eau et, par thermographie, zones humides probables.
- Chaussées et pistes : fissuration, orniérage, nids-de-poule, sans exposer d’inspecteur à la circulation.
- Barrages, digues, talus et enrochements : érosion, glissements, évolution du profil dans le temps.
- Structures industrielles en exploitation : réservoirs, cheminées, charpentes, là où l’accès humain impose un arrêt ou un travail en hauteur.
Le drone n’est pas toujours le bon choix. Pour un petit ponceau, un inspecteur au sol est souvent plus rapide. À l’intérieur d’un bâtiment, un scanner terrestre ou un système de cartographie mobile convient mieux. Et sous l’eau, il faut un autre outil : l’inspection subaquatique par ROV.
Photo, thermique ou LiDAR : quel capteur pour quelle question?
Le capteur découle de la question posée, pas de l’appareil disponible. Les meilleures inspections en combinent souvent deux.
| Capteur | Ce qu’il voit | Livrables typiques | Points d’attention |
|---|---|---|---|
| Caméra photo haute résolution | L’état de surface : fissures, corrosion, éclatements, efflorescence, joints | Images géoréférencées, orthomosaïque, modèle 3D texturé | Une fissure plus fine qu’un pixel sur l’ouvrage risque de passer inaperçue; ombres et éclairage influencent la lecture |
| Caméra thermique | Des écarts de température de surface : humidité probable, ponts thermiques, défauts d’isolation | Thermogrammes, carte des anomalies thermiques | Très sensible aux conditions (ensoleillement préalable, vent, pluie, reflets). Elle localise une anomalie, elle n’en donne pas la cause |
| LiDAR | La géométrie : déformations, affaissements, profils, volumes, y compris sous une végétation clairsemée | Nuage de points, modèle de terrain, coupes, comparaison entre deux relevés | Ne remplace pas la photo pour lire une fissure fine; sa valeur dépend du géoréférencement et du contrôle de la précision |
La photogrammétrie donne des images riches et mesurables; le LiDAR donne une géométrie fiable, même là où la texture est pauvre. Pour choisir, ou combiner, voir notre comparaison photogrammétrie par drone ou LiDAR. Pour ses levés aériens, Topo3D exploite notamment le DJI Zenmuse L3, qui combine un LiDAR et des caméras de cartographie : un même vol produit la géométrie et l’image de l’ouvrage.

Comment se déroule une inspection par drone?
- Planifier le vol : trajectoire, distance à l’ouvrage, recouvrement des images. La résolution au sol (la taille réelle d’un pixel sur l’ouvrage) se dimensionne à partir du plus petit défaut à voir : pour lire une fissure fine, on vole plus près ou avec une optique adaptée. La distance compte autant que la caméra : dans une étude publiée en 2023, sur une maquette à l’échelle, l’erreur moyenne sur la largeur des fissures passait d’environ 2,9 mm à 2 m de la façade à environ 0,4 mm une fois le drone rapproché à environ 1 m (Meng et al., 2023). C’est pourquoi nous fixons la distance de vol à partir du plus petit défaut à mesurer, et non l’inverse.
- Poser des points de contrôle au sol pour rattacher les données à un référentiel connu.
- Capturer, souvent en plusieurs passes selon les faces de l’ouvrage. Un ciel couvert limite les ombres, qui imitent des fissures; autour des éléments minces (tours, treillis), on tourne autour de l’élément plutôt que de voler entre ses membrures. Les images floues ou mal exposées sont écartées avant le traitement : un flou de bougé suffit à effacer une fissure fine.
- Reconstruire une orthomosaïque, un modèle 3D ou un nuage de points.
- Détecter et quantifier : l’IA propose, un spécialiste valide, puis chaque défaut est mesuré (longueur et largeur de fissure, surface écaillée) et localisé.
- Livrer un rapport qui devient la référence de la prochaine inspection.

Ce que l’IA détecte bien, et ce qu’elle détecte moins bien
Un vol d’inspection peut produire des milliers d’images. C’est là que l’IA apporte un vrai gain.
Ce qu’elle fait bien :
- Trier : repérer les images qui méritent l’attention d’un spécialiste.
- Proposer des défauts candidats visuellement typés : fissures, corrosion, éclatements, végétation, accumulation d’eau.
- Classer et mesurer dans les données 3D : séparer sol, végétation et structures, puis mesurer des écarts (voir l’IA appliquée aux nuages de points).
- Uniformiser : appliquer le même critère partout, sans la fatigue d’un œil humain en fin de journée.
Ce qu’elle fait moins bien :
- Les conditions différentes de son entraînement. Un modèle entraîné sur certains éclairages, matériaux ou résolutions se transpose mal à d’autres; la recherche récente insiste justement sur cette difficulté de généraliser d’un jeu de données à l’autre. Sur le terrain, cela donne des faux positifs : un joint, une ombre ou une coulisse d’eau pris pour une fissure. Même en recherche, cet écart coûte des détections : un système testé sur un bâtiment de deux étages a trouvé 22 des 24 fissures millimétriques, et ses auteurs attribuent les oublis à cet écart (Meng et al., 2023). Autrement dit, l’absence de détection n’est pas une preuve d’absence de fissure.
- Ce que les images ne montrent pas. Une fissure plus fine que la résolution, cachée par une ombre ou un obstacle, n’existe pas pour l’algorithme. Ce sont les faux négatifs, plus dangereux parce qu’invisibles. Une étude présentée à l’ISPRS en 2026 sur des chaussées aéroportuaires relevées par photogrammétrie drone l’illustre : plus de 98 % des dégradations ont été détectées dans les zones dégagées, et celles qui ont échappé à l’analyse se trouvaient surtout dans des zones ombragées ou obstruées. Un drone ne voit aussi que les faces exposées : une jonction poutre-poteau ou un élément visible d’un seul côté laisse l’analyse incomplète (Liu et al., 2025). Reconstruire un modèle 3D à partir d’images qui se recouvrent, et le compléter au besoin par un scan terrestre, aide à voir l’élément entier.
- La cause et la gravité. L’IA peut dire « fissure de telle longueur à tel endroit », pas si elle est structurale ou active. C’est un jugement d’ingénieur. La recherche avance : une méthode publiée en 2025 a classé automatiquement des fissures de façade en structurales ou non, avec environ 85 % de classements corrects sur 251 fissures. Ses auteurs ont toutefois écarté la largeur, peu fiable mesurée à 5 à 10 m de la façade, et confié la validation finale à des inspecteurs (Liu et al., 2025).
L’IA est un correcteur orthographique : elle souligne vite ce qui mérite un deuxième regard, souligne parfois un mot correct et en laisse passer un mauvais. Personne n’enverrait un contrat sans le relire. Chez Topo3D, nos agents IA font aujourd’hui une part de l’analyse que nous faisions entièrement dans des logiciels spécialisés, en bien moins de temps, mais sous la supervision d’un spécialiste, et chaque livrable est validé par un chef technique avant l’envoi.

Quels livrables exiger d’une inspection par drone?
« Des photos du drone » n’est pas un livrable. Pour décider, puis comparer dans le temps, demandez :
- Des images géoréférencées, avec la position de chaque prise de vue et le plan de vol.
- Une orthomosaïque ou un modèle 3D sur lequel chaque défaut est localisé.
- Un registre des anomalies : pour chaque constat, sa position, son type, ses dimensions, la photo source et son statut (détection automatique ou validée par un spécialiste). Pour chaque dimension, indiquez comment elle a été obtenue : une largeur mesurée de loin n’a pas la valeur d’une largeur mesurée de près, et les mesures automatiques prises de loin tendent à la surestimer (Meng et al., 2023).
- Le nuage de points si l’enjeu est géométrique (déformation, affaissement, volume).
- La précision obtenue, documentée : comment elle a été vérifiée, et dans quel référentiel (voir la vraie précision d’un nuage de points).
- Des données comparables d’une année à l’autre : rattachées à un réseau de contrôle stable, deux inspections se superposent et montrent ce qui a changé. Sans référentiel commun, on compare des impressions, pas des mesures.

Que dit la réglementation de Transport Canada?
Les drones de plus de 250 g relèvent de la partie IX du Règlement de l’aviation canadien. L’essentiel pour un donneur d’ouvrage :
- Le drone est immatriculé et marqué, et le pilote porte un certificat de pilote valide délivré par Transport Canada.
- Les opérations de base exigent notamment un drone de 25 kg ou moins, gardé en vue, à plus de 30 mètres horizontalement des personnes et en espace aérien non contrôlé. Sinon, ce sont des opérations avancées : certificat avancé et drone conforme aux exigences de sécurité de l’opération.
- Le vol au-delà de la visibilité directe, utile pour les longs corridors, relève depuis le 4 novembre 2025 d’une catégorie « complexe de niveau 1 », avec un certificat de pilote propre et un certificat d’exploitant délivré par Transport Canada.
- L’espace aérien contrôlé, fréquent en ville près des aéroports, demande une autorisation de NAV CANADA.
S’ajoutent l’accord du propriétaire du site, les règles municipales, la coordination avec l’exploitant et le respect de la vie privée des voisins. Demander à son fournisseur ses certificats, son immatriculation et son assurance est légitime; un fournisseur sérieux y répond sans détour.
Comment cadrer un mandat d’inspection par drone : sept questions
- Quelle décision l’inspection doit-elle éclairer? Réparer, surveiller, budgéter, répondre à une exigence réglementaire.
- Quel est le plus petit défaut à voir? Il fixe la résolution, donc la distance de vol, le nombre d’images et le temps de traitement.
- La question est-elle visuelle, thermique ou géométrique? Elle détermine le capteur, ou la combinaison.
- Faudra-t-il comparer avec une inspection future? Si oui, exigez dès la première fois un géoréférencement dans un référentiel stable.
- Quelles sont les contraintes du site? Circulation, exploitation, espace aérien, public, fenêtre météo (la thermographie exige des conditions précises).
- Quels livrables, dans quel format? Compatibles avec votre système de gestion d’actifs.
- Qui valide et qui signe? Ce qui est livré comme données validées par le fournisseur, et ce qui relève du professionnel qui pose le diagnostic.
Ces réponses permettent aussi de comparer deux soumissions sur la même base (voir ce qui fait le prix d’un relevé).
Deux cas types
Un viaduc municipal en béton. Une ville veut documenter les piles et les faces d’un viaduc avant de planifier des réparations, sans fermer longtemps la voie inférieure. Approche : vols photo rapprochés pour les fissures et éclatements, vol LiDAR pour la géométrie d’ensemble, le tout rattaché à des points de contrôle. L’IA trie les images; un spécialiste valide chaque constat. Résultat : un modèle 3D où chaque anomalie est localisée et mesurée, que l’ingénieur de la ville utilise pour son évaluation et qui servira de référence à la prochaine inspection.
Une grande toiture industrielle. Des traces d’eau apparaissent au plafond d’une usine, sans source évidente. Approche : un vol thermique au bon moment (après une journée ensoleillée, par temps sec et peu venteux) pour repérer les zones humides probables, plus un relevé photo de la membrane et un relevé 3D des pentes. Résultat : une carte des zones suspectes qui concentre les sondages et les réparations au bon endroit, plutôt que de refaire la toiture à l’aveugle.

Sur le terrain. En 2025, Topo3D a relevé par drone le site de la centrale de Bryson et de son barrage, en Outaouais, pour Hydro-Québec, et livré deux nuages de points classifiés. La même année, la toiture de la distillerie Sazerac a été relevée par drone pour l’étude de mise à la terre des ingénieurs.
Conclusion
L’inspection par drone réduit les risques pour les personnes, limite les interruptions et laisse une donnée complète et documentée; l’IA réduit fortement le temps de tri. Mais la valeur d’une inspection ne vient ni du drone ni de l’algorithme : elle vient du bon capteur pour la bonne question, d’un géoréférencement qui rend les données comparables dans le temps, et d’un spécialiste qui valide ce que la machine propose. Cadrez le mandat à partir de la décision à prendre, et exigez des livrables mesurables.
FAQ
Non. Le drone capte et l’IA trie, mais le diagnostic (cause, gravité, intervention) reste celui d’un ingénieur ou d’un architecte. Au Québec, la vérification des façades de cinq étages et plus doit être faite par l’un de ces professionnels.
Non. Elle propose rapidement des fissures candidates, mais produit des faux positifs (joints, ombres, salissures) et ne voit pas ce que les images ne montrent pas. Un spécialiste valide chaque constat. Même dans les essais publiés, les fissures de moins de 0,5 mm restaient hors du champ de l’étude (Meng et al., 2023).
Ça dépend de la question : la photo montre l’état de surface, la thermographie des écarts de température, le LiDAR la géométrie. Une bonne inspection en combine souvent deux.
Un drone immatriculé auprès de Transport Canada et un pilote certifié pour la catégorie d’opération (base, avancée ou complexe de niveau 1). L’espace aérien contrôlé demande une autorisation de NAV CANADA, et le propriétaire du site doit donner son accord.
Oui, si les deux relevés sont géoréférencés dans le même référentiel stable : on superpose les données et on mesure ce qui a changé.
Chez Topo3D, quelques heures ouvrables lorsque nous avons les informations du projet : l’ouvrage, son emplacement, la décision à prendre, les livrables attendus et l’échéancier.
Vous avez un ouvrage à inspecter? Décrivez-nous l’ouvrage, la décision à prendre et vos contraintes de site : vous recevez une offre de service en quelques heures ouvrables, dès que nous avons les informations du projet. Demandez votre offre de service.
Références
- Transport Canada (2026). Opérations de base (catégories d’opérations de drones et certificats de pilote). https://tc.canada.ca/fr/aviation/securite-drones/apprenez-regles-avant-piloter-votre-drone/categories-operations-drone-certificats-pilote/operations-base
- Transport Canada (2025). Utiliser votre drone de façon sécuritaire et légale. https://tc.canada.ca/fr/aviation/securite-drones/apprenez-regles-avant-piloter-votre-drone/utiliser-votre-drone-facon-securitaire-legale
- Gouvernement du Canada (2025). Règlement modifiant le Règlement de l’aviation canadien (SATP — opérations au-delà de la visibilité directe et autres), Gazette du Canada, Partie II, vol. 159, no 7, 26 mars 2025. https://gazette.gc.ca/rp-pr/p2/2025/2025-03-26/html/sor-dors70-fra.html
- Régie du bâtiment du Québec. Façades de bâtiments : rappel des obligations. https://www.rbq.gouv.qc.ca/salle-de-presse/les-nouvelles/nouvelles-detail/item/2020-07-07-facades-de-batiments-rappel-des-obligations/
- Zhang, X. et al. (2025). Deep Learning for Crack Detection: A Review of Learning Paradigms, Generalizability, and Datasets. arXiv:2508.10256. https://arxiv.org/abs/2508.10256
- Staub, G. et Jara, E. (2026). Drone-Based Photogrammetry for Pavement Deterioration Detection and Quantification in Airport Infrastructure. ISPRS Annals, XI-2-2026, 631. https://doi.org/10.5194/isprs-annals-XI-2-2026-631-2026
- IIBEC. Small Unmanned Aerial System Applications in the Building Enclosure Industry: Using Thermal Imaging to Assess Building Performance. https://iibec.org/publication-post/small-unmanned-aerial-system-applications-in-the-building-enclosure-industry-using-thermal-imaging-to-assess-building-performance-2/
- DJI Enterprise. Zenmuse L3.
- Meng, S., Gao, Z., Zhou, Y., He, B. et Djerrad, A. (2023). Real-time automatic crack detection method based on drone. Computer-Aided Civil and Infrastructure Engineering, 38, 849-872. https://doi.org/10.1111/mice.12918
- Liu, Y., Chua, D. K. H. et Yeoh, J. K. W. (2025). Automated engineering analysis of crack mechanisms on building façades using UAVs. Journal of Building Engineering, 103, 112176. https://doi.org/10.1016/j.jobe.2025.112176




