Construction risk assessment with machine learning
Évaluer le risque de projets de construction avec le ML : prédiction de dépassements de coûts, analyse du risque de planning, prédiction d'incidents de sécurité et scoring de risque depuis les données de construction
- Quoi
- Évaluer le risque de projets de construction avec le ML : prédiction de dépassements de coûts, analyse du risque de planning, prédiction d'incidents de sécurité et scoring de risque depuis les données de construction
- Coût
- Gratuit
- Prérequis
- Python avec scikit-learn (ou la stack ML de votre choix) ; vos propres données de projets de construction (historiques, plannings, budgets, registres de sécurité depuis vos systèmes PM/BIM/ERP)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill risk-assessment-ml de @datadrivenconstruction, listé ici avec crédit à son créateur (fait partie de la série DDC Skills for AI Agents in Construction) : un guide pour évaluer le risque de projets de construction avec le machine learning. Il couvre la prédiction de dépassements de coûts, l'analyse du risque de planning, la prédiction d'incidents de sécurité et le scoring de risque depuis les sources de données de construction (historiques de projets, plannings, budgets, registres de sécurité) — avec du feature engineering pour données de construction, des guides de choix de modèles et des patterns de communication du risque pour les parties prenantes. Bémols honnêtes : c'est un outil d'aide à la décision, pas un substitut au jugement professionnel des risques — les décisions de risque de construction restent aux ingénieurs et chefs de projet qualifiés, et les prédictions du skill ne valent que vos données historiques de projets ; vos données viennent de vous (systèmes de gestion de projet, BIM, ERP) ; aucun modèle ne prédit la force majeure. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
Construction risk assessment with machine learning est un skill gratuit pour Muse qui guide l'évaluation du risque ML, couvrant prédiction de dépassements de coûts, analyse du risque de planning, prédiction d'incidents de sécurité et scoring de risque depuis historiques et budgets. Il inclut feature engineering, conseils de sélection et patterns de communication, aide à la décision, pas un substitut.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit ce45bbfÉtape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : Python avec scikit-learn (ou la stack ML de votre choix) ; vos propres données de projets de construction (historiques, plannings, budgets, registres de sécurité depuis vos systèmes PM/BIM/ERP) Installe-moi « Évaluation des risques de construction par machine learning ». Il donne à mon agent le guide ML du risque de construction de @datadrivenconstruction : prédiction de dépassements de coûts, analyse du risque de planning, prédiction d'incidents de sécurité et scoring de risque — avec du feature engineering spécifique à la construction, des guides de choix de modèles et des patterns de communication du risque pour les parties prenantes. Fait partie de la série DDC Skills for AI Agents in Construction. Licence MIT. Dépôt : https://raw.githubusercontent.com/datadrivenconstruction/ddc_skills_for_ai_agents_in_construction/ce45bbfbdd63ab7868871061fdf5e83bc17f5020/5_DDC_Innovative/risk-assessment-ml/SKILL.md Version épinglée : installe le code au commit ce45bbfbdd63ab7868871061fdf5e83bc17f5020 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « risk-assessment-ml ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rassembler mes données historiques de projets ; entraîner et valider les modèles sur mes propres données ; garder les décisions de risque aux équipes projet qualifiées — traiter les sorties comme de l'aide à la décision). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- ce45bbf · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.