En continuité des travaux sur EcoGen, l’hybridation de l’IA et du design génératif est un domaine génératif récent qui intéresse MAP-ARIA avec le projet GenH2Arch (Hybrid Generation for Healthy Architecture, 2021-2026, APP Pack Ambition Recherche Région AURA, dont Xavier Marsault est le porteur). Cette alliance vise à sortir du pipeline traditionnel de l’architecture générative basée uniquement sur l’optimisation. Via la coopération avec l’agence Aia Life Designers et le LIRIS et la thèse d’Amine Sehaba (2022-2025), il va mobiliser des ressources au laboratoire pendant quelques années. Des avancées sont attendues sur les problèmes génératifs architecturaux, intrinsèquement multimodaux (texte, plans, images, graphes, 3D).
Dans le cadre de la coopération avec AIA, deux objectifs ont été retenus : répondre à des enjeux de santé dans des logiciels d’aide à la conception architecturale ; aider les concepteurs à générer puis optimiser des morphologies cohérentes à plusieurs échelles dans l’intérêt du bien-être des occupants et de la préservation de leur santé (en prenant en compte de multiples indicateurs de santé dans l’approche hybride, et en croisant de nombreuses données pour tenir compte du cumul de nuisances, par exemple).
Le machine learning a démontré son efficacité dans les phases d’initialisation de la conception d’un projet, lorsque les données disponibles sont insuffisantes pour produire une morphologie et pour l’évaluer. Ici, des aspects analytiques, génératifs et prédictifs peuvent alors être mis à contribution pour pallier ce manque de connaissances directes, en apprenant des modèles qui synthétisent la complexité captée à partir de nombreux projets plus ou moins similaires. Ainsi, la prise de décision peut être largement facilitée par une forme de prétraitement, utilisant un savoir acquis en amont de tout calcul de performances explicites, que le design génératif permet ensuite d’optimiser. C’est l’approche de logiciels récents (Forma, Digital Blue Foam, Finch3D), qu’on peut qualifier de structuraliste, car elle fournit des archétypes initiaux adaptés aux contextes de projet, candidats à de futures optimisations paramétriques. L’idée forte de GenH2Arch est de travailler sur des méthodes associatives convoquant comme objets centraux les graphes fonctionnels architecturaux, avec de nombreuses pistes en amont et en aval, pour s’intégrer dans la panoplie des outils de conception des architectes.
Durée
2021 – 2026
Cadre
Intelligence Artificielle pour l’Architecture
Responsable au sein du MAP
Xavier Marsault
Équipes du MAP impliquées
Publications
Mohammed El Amine Sehaba, Xavier Marsault, Serge Miguet. Building-CVGAE: Constrained Variational Graph Autoencoder For Architectural Volumetric Design Generation. International Conference on Advances in Artificial Intelligence, Nov 2025, Manchester, United Kingdom. ⟨hal-05235761⟩