Contexte et problématique Cette thèse traite des obstacles structurels et informationnels dans les projets de rénovation du bâtiment. Ces projets sont marqués par une forte complexité technique, une diversité d'acteurs (architectes, ingénieurs, entreprises, maîtres d'ouvrage) et une fragmentation des sources de données, freinant la circulation de l'information, la coordination, et la prise de décision. Deux cadres théoriques sont mobilisés : le Lean Construction, visant à éliminer les gaspillages, et le BIM, qui centralise les données dans une maquette numérique. Toutefois, le BIM est peu exploité en phase d'exécution et souffre de limites d'interopérabilité. Dès lors, la question centrale posée est : Comment extraire efficacement une information pertinente à partir de données hétérogènes dans un contexte de rénovation ? Pour y répondre, cette thèse explore les apports du web sémantique, de la recherche sémantique et du traitement des requêtes en langage naturel. État de l'art La revue de littérature est structurée autour de trois axes : Traitement des connaissances : L'usage des ontologies et graphes de connaissances dans le bâtiment permet de structurer l'information, mais reste confiné à des initiatives académiques. Traitement des requêtes : Les langages SPARQL et les interfaces en langage naturel sont étudiés, avec un intérêt croissant pour les LLM qui rendent les graphes accessibles à tous. Évaluation des résultats : La qualité des réponses est souvent ignorée ; cette thèse met l'accent sur des indicateurs comme la pertinence, l'intégrité, la fiabilité et la conscience contextuelle. Trois manques majeurs sont identifiés : Faible modélisation des rôles, documents et processus métier dans les graphes. Manque d'interfaces efficaces entre langage naturel et graphe. Absence d'indicateurs intégrant la conscience du contexte. Ces constats motivent le développement d'un système intégré combinant ontologie métier, module NLP, graphe de connaissances et système d'évaluation. Proposition d'un modèle formel Le système repose sur une architecture sémantique à base de Linked Data, organisée autour d'un graphe de connaissances orienté projet. Il comprend : Une ontologie modélisant les rôles, tâches, documents et objets du bâtiment. Un module NLP transformant les requêtes en langage naturel. Un module d'évaluation mesurant l'intégrité, la pertinence et la contextualisation des résultats. L'objectif est de permettre une interrogation fluide de données hétérogènes, avec des droits d'accès différenciés selon les profils utilisateurs. L'interface développée permet l'authentification, le dépôt de documents, leur conversion en RDF/OWL, la génération du graphe, la formulation de requêtes, et la restitution des résultats. L'ensemble est conçu pour une validation à travers un cas d'étude. Validation du modèle La validation s'appuie sur un cas réel : un projet de rénovation à l'IUT Nancy-Brabois. Le système est testé à travers trois méthodes de traitement des requêtes : Requêtes SPARQL générées par LLM, Requêtes directes sur le graphe via LLM, ChatGPT appliqué à des documents bruts. Une interface est mise à disposition de trois profils : architecte, chef de projet, inspecteur. Les bases de données sont isolées par utilisateur mais synchronisées via l'ontologie centrale. Le module d'évaluation analyse les résultats selon quatre métriques : précision, rappel, intégrité et contextualisation. Deux niveaux de validation sont réalisés : Fonctionnelle, pour s'assurer du bon fonctionnement des modules. Métiers, impliquant les utilisateurs finaux pour évaluer la pertinence des résultats selon leurs attentes.