L’intégration de l’IA avec les nouvelles technologies dans les programmes académiques est essentielle. Cet article propose une approche pour intégrer l’IA, en particulier les moteurs de text-to-code, avec les modeleurs paramétriques en architecture. Cette combinaison enrichit les pratiques des étudiants en offrant une aide précise et ciblée. L’utilisation de ces outils paramétriques à des fins pédagogiques offre de nouvelles modalités d’enseignement en délimitant leur champ d’action. Cette intégration est essentielle pour répondre aux exigences évolutives du domaine de l’architecture et former les apprenants aux compétences nécessaires pour relever les défis de demain.
Repousser les limites de la créativité
Pour répondre aux exigences de l’environnement de plus en plus nombreux, une variété d’outils de modélisation paramétrique, mise à la disposition des concepteurs, a permis de repousser les limites de la créativité en architecture. Dans un environnement numérique, les architectes peuvent désormais explorer une infinité d’alternatives de conception grâce aux pratiques computationnelles. L’enseignement en atelier du projet devrait évoluer en réponse aux pratiques contemporaines (Hamlin & Fusaro 2018). Les pratiques conceptuelles doivent être multidisciplinaires et tenir compte des multiples défis environnementaux, fonctionnels, climatiques, géographiques et sociaux. Les avancées technologiques du BIM et les pratiques computationnelles affectent de plus en plus la manière dont l’enseignement de l’architecture aborde les problématiques liées à la conception, à la représentation et à la collaboration. L’intégration de l’intelligence artificielle (IA) avec les nouvelles technologies dans les programmes académiques est devenue une nécessité. Ses applications potentielles incluent la génération des concepts initiaux, l’optimisation de la conception, la simulation des performances ou du confort des occupants, etc. Pour une intégration de l’IA dans la pédagogie en architecture, une stratégie doit être établie pour sensibiliser les étudiants aux modes de déploiement potentiels des outils IA et de les responsabiliser dans l’utilisation de ces outils librement accessibles, avant de favoriser l’adoption de cette technologie. Les enseignants doivent aborder la question de l’IA en identifiant comment la collaboration avec ses outils pourrait soutenir le développement et l’apprentissage de la conception au lieu de l’affaiblir (Stevens 2023). Les étudiants doivent à leur tour être encouragés à explorer les potentiels et les limites de l’IA et à développer leur propre compréhension des possibilités qu’elle offre.
Programmation visuelle & intelligence artificielle : une approche novatrice pour faciliter l’accès aux pratiques computationnelles
L’arsenal technologique mis à disposition des architectes facilite leur flux de travail de conception et de planification (Coppens et al, 2020). Les avancées technologiques ont ouvert de nouvelles perspectives dans le domaine de l’architecture, offrant aux architectes et aux apprenants en architecture des moyens plus efficaces et plus précis. La conception paramétrique est une approche de conception qui permet de créer des formes géométriques complexes et d’optimiser les processus en automatisant des tâches de conception, de vérification et de contrôle. Cette méthode repose sur l’utilisation de pratiques computationnelles sophistiquées pour manipuler des variables d’entrée. L’Intelligence Artificielle (IA) est un domaine complexe qui a récemment suscité un intérêt sans précédent en raison de ses applications étendues dans la science et l’ingénierie. Le terme « intelligence artificielle » fait simplement référence à un système informatique capable d’accomplir des tâches qui nécessiteraient normalement un être humain. Appliquée au domaine du bâtiment, cette technologie a apporté des contributions majeures, notamment dans les phases exploratoires de la conception, où elle permet d’avoir un large éventail d’options de conception. Mais également tout au long du processus de conception, où elle peut assister le concepteur dans l’exécution des tâches répétitives et fastidieuses (Chaillou, 2019). La portée des outils basés sur l’IA s’est élargie d’une manière exponentielle ces dernières années pour couvrir d’autres champs d’action, à l’image de l’aménagement des espaces, la gestion des données et des options de conception, l’analyse des performances, l’interopérabilité, la construction intelligente, la photogrammétrie, etc. (Amer 2023).
Les modèles de langage de l’IA, tels que GPT (Generative Pre-trained Transformer), ont ouvert de nouvelles possibilités pour la communication et la collaboration entre les utilisateurs et les logiciels informatiques, y compris en architecture (Ploennigs & Berger 2023). En combinant ces modèles avec les pratiques computationnelles et les outils de programmation visuelle, les architectes peuvent repousser les limites de la conception en créant des fragments de code personnalisés. En matière d’apprentissage automatique, il existe plusieurs types de modèles tels que les modèles « Text-to-text », « Text-to-image » et « Text-to-code », qui permettent de faciliter la communication, la visualisation et la programmation dans le domaine de l’architecture. Les modèles « Text-to-text » comme les chatbots sont capables de simuler des conversations humaines entre un utilisateur et un système informatique (Lalwani & al, 2018). Les modèles « Text-to-image » prennent des descriptions textuelles en langage naturel et les transforment en images réalistes (Zhang & al, 2023) grâce aux avancées des réseaux de neurones profonds et des réseaux générateurs adverses. En se différenciant des modèles d’apprentissage automatique précédents les modèles « Text-to-code » révolutionnent le processus de développement informatique en permettant de convertir un texte en un code informatique. Imaginez, vous pouvez maintenant générer du code informatique à partir d’une simple description textuelle de ce que vous voulez créer. Cette méthode permet d’assister les acteurs du domaine du bâtiment dans le développement de fragments de code dont la plupart n’étaient pas en mesure de développer auparavant. Elle facilite l’accès des concepteurs aux pratiques computationnelles et leur offre la possibilité d’explorer de nouvelles approches de conception et de pousser davantage le développement de leurs algorithmes tout en étant guidés dans la création de fragments d’une manière rapide et optimisée. L’utilisation de modèles de langage automatique, tels que CodeT51, Whisper2 et ChatGPT3, pour la conversion de texte en code est une méthode utile mais il est important de noter que l’exactitude et la fiabilité du code généré peuvent être limitées. Il est donc essentiel de vérifier et de tester soigneusement le code généré avant de l’utiliser en production. En combinant l’IA avec les pratiques computationnelles, le processus de conception peut être considérablement accéléré et des solutions novatrices peuvent être explorées pour répondre aux exigences environnementales, règlementaires et techniques.
(…)
1 – Code T5 est un modèle de langage automatique basé sur le modèle T5 de google
2 – Whisper est un système de reconnaissance vocale automatique et utilise une variante du modèle GPT-2 d’OpenAI
3 – ChatGPT est un chatbot de l’entreprise OpenAI qui utilise le traitement du langage naturel pour créer un dialogue conversationnel humain
Par :
- Nihel Allouche, architecte, chercheuse EDSIA, ENAU, Université de Carthage, Tunisie
- Aida Siala, architecte, chercheuse EDSIA, ENAU, Université de Carthage, Tunisie
- Abdulmajid Benradhia, Etudiant 3ème année à l’ENAU, université de Carthage
Pour lire le reste de l’article paru dans Archibat n°59 – Octobre 2023, vous pouvez le commander ou vous abonner en ligne : https://archibat.info/produit/archibat-en-version-numerique/
