Upload
others
View
10
Download
0
Embed Size (px)
Citation preview
https://lib.uliege.be https://matheo.uliege.be
Mémoire de fin d'études : "L'architecture et l'intelligence artificielle - L'évolution
þÿ�d�e� �l�a� �m�a�î�t�r�i�s�e� �d�'�S�u�v�r�e� �a�v�e�c� �l�'�i�n�t�e�l�l�i�g�e�n�c�e� �a�r�t�i�f�i�c�i�e�l�l�e�"
Auteur : Billiemaz, François
Promoteur(s) : Gardier, Patricia; Seijkens, Nicolas
Faculté : Faculté d'Architecture
Diplôme : Master en architecture, à finalité spécialisée en art de bâtir et urbanisme
Année académique : 2020-2021
URI/URL : http://hdl.handle.net/2268.2/12543
Avertissement à l'attention des usagers :
Tous les documents placés en accès ouvert sur le site le site MatheO sont protégés par le droit d'auteur. Conformément
aux principes énoncés par la "Budapest Open Access Initiative"(BOAI, 2002), l'utilisateur du site peut lire, télécharger,
copier, transmettre, imprimer, chercher ou faire un lien vers le texte intégral de ces documents, les disséquer pour les
indexer, s'en servir de données pour un logiciel, ou s'en servir à toute autre fin légale (ou prévue par la réglementation
relative au droit d'auteur). Toute utilisation du document à des fins commerciales est strictement interdite.
Par ailleurs, l'utilisateur s'engage à respecter les droits moraux de l'auteur, principalement le droit à l'intégrité de l'oeuvre
et le droit de paternité et ce dans toute utilisation que l'utilisateur entreprend. Ainsi, à titre d'exemple, lorsqu'il reproduira
un document par extrait ou dans son intégralité, l'utilisateur citera de manière complète les sources telles que
mentionnées ci-dessus. Toute utilisation non explicitement autorisée ci-avant (telle que par exemple, la modification du
document ou son résumé) nécessite l'autorisation préalable et expresse des auteurs ou de leurs ayants droit.
1
UNIVERSITE DE LIEGE – FACULTE D’ARCHITECTURE
L’ARCHITECTE ET L’INTELLIGENCE ARTIFICIELLE
L’évolution de la maîtrise d’œuvre avec l’intelligence
artificielle
Travail de fin d’études présenté par François BILLIEMAZ en vue de l’obtention du grade de
Master en Architecture
Sous la direction de : Patricia SCHEFFERS & Nicolas SEIJKENS
Année académique 2020-2021
2
3
REMERCIEMENTS
Je souhaite remercier très chaleureusement ma promotrice Madame Patricia
SCHEFFERS, pour toute sa disponibilité qu’elle m’a démontrée lors de l’élaboration de ce
travail, depuis que le sujet lui a été donnée au cours de mon année de Master 1, et ce jusqu’à
l’aboutissement de celui-ci aujourd’hui. Je la remercie encore pour m’avoir partagé son point
de vue sur la recherche, la méthodologie et la façon de travailler un document qui se veut
scientifique.
Je souhaite également remercier mon co-promotteur Monsieur Nicolas SEIJKENS,
pour tout le temps qu’il a consacré pour mon travail, son aide précieuse pour la correction du
sujet et les précisions concernant le sujet. Il en va de même pour ses connaissances dans le
domaine me permettant d’appréhender et de mieux cerner le sujet qui est très vague.
Je les remercie encore une fois tous les deux pour leur aide à concevoir le sujet, qui au
départ se voulait très large, trop large. Merci pour m’avoir permis de recentrer le sujet tout en
gardant son intérêt.
Je remercie aussi Monsieur Stéphane DAWANS qui m’a orienté dès le départ vers
mes promoteurs et pour le grand intérêt qu’il porte sur le sujet, acceptant aussi d’être mon
lecteur.
Je remercie Madame Chloé RAILLARD qui a bien voulu être ma lectrice, et ce depuis
Paris.
Je tiens à remercier Monsieur Yves DELINCE, qui m’a accueilli lors de mon stage de
Master dans son bureau et avec qui j’ai pu échanger sur le sujet. C’était appréciable
d’argumenter sur le sujet avec un professionnel qui se montre réticent à l’arrivée de
l’intelligence artificielle dans le métier de l’architecte.
Je remercie aussi grandement mes amis, ma famille et mes proches qui m’ont soutenu
durant ce travail de recherche et de rédaction si passionnant mais à la fois si chronophage,
marqué par divers évènements notamment la pandémie de Covid-19.
Merci aussi à mes professeurs avec lesquels j’ai pu, pour certains, échanger sur le
sujet.
Merci à tous !
4
SOMMAIRE
1. INTRODUCTION 6
2. ETAT DE L’ART 10
3. PROBLEMATIQUE 12
4. METHODOLOGIE 13
4.1. DOMAINE D’ETUDE 13
4.2. OUTILS D’ANALYSE 13
4.3. LIMITE DE LA RECHERCHE 15
5. QUESTIONNAIRE 17
5.1. QUESTIONS TRAITEES 17
5.1.1. LA CONNAISSANCE DE L’IA PAR LES ARCHITECTES 18
5.1.2. LA CONNAISSANCE DE L’IA PAR LES ETUDIANTS 22
5.1.3. L’HYPOTHESE DES ARCHITECTES DES TACHES IMPACTEES PAR L’IA 24
5.1.4. L’HYPOTHESE DES ETUDIANTS DES TACHES IMPACTEES PAR L’IA 27
5.1.5. LES TACHES ACCOMPLIES SELON LES ARCHITECTES 30
5.1.6. LES TACHES LES PLUS CHRONOPHAGES SELON LES ARCHITECTES 31
5.2. CORRELATION DES TACHES 35
5.3. SYNTHESE 35
6. LES TÂCHES ADMINISTRATIVES EFFECTUEES PAR L’IA 36
6.1. LA COMPREHENSION DU LANGAGE 36
6.2. L’INTELLIGENCE ARTIFICIELLE DANS LE MONDE JURIDIQUE 39
6.2.1. COiN DE LA BANQUE JP MORGAN 39
6.2.2. L’IA DANS LE DOMAINE CONTRACTUEL 40
6.3. DISCUSSION : L’INTELLIGENCE ARTIFICIELLE EN JUSTICE 41
6.3.1. L’IA EN JUSTICE AU BRESIL 41
6.3.2. PREDICTION DES DECISIONS DE JUSTICE PAR L’IA 46
6.4. SYNTHESE 47
7. L’IA ET L’ANALYSE D’IMAGES 48
7.1. L’IA ET L’IMAGERIE MEDICALE 48
7.1.1. LE BIG DATA A L’HOPITAL 48
7.1.2. L’IMPACT DE L’IA EN ONCOLOGIE 50
5
7.1.3. LE SUCCES DE L’IA DANS LA DETECTION 52
7.2. L’IA ET LE DESSIN 55
7.2.1. LA TECHNOLOGIE DE NVIDIA 55
7.2.2. GENERATION DE PLAN 58
7.3. SYNTHESE 59
8. CONCLUSION 60
9. BIBLIOGRAPHIE 62
6
1. INTRODUCTION
« Il est demandé dès à présent aux étudiants de ne plus fréquenter les locaux de
l’Université de Liège. » Pierre WOLPER, 13 mars 2020. C’est par ces mots que le recteur de
l’Université de Liège a annoncé par mail, un premier pas vers le passage de l’enseignement en
numérique, sans toutefois être certain des directives gouvernementales sur ce qui allait
devenir un confinement généralisé.
Si commencer par cette phrase ne donne pas accès directement au sujet, et n’est pas la
motivation de ce mémoire par manque de recul sur la question, elle permet cependant
d’amener une nouvelle lecture de l’avancée de la numérisation dans la plupart des domaines
qui s’y prêtent. En effet, le confinement a obligé une progression presque instantanée dans les
logiciels de visio-conférences : « La digitalisation accélérée au sein des organisations, à un
rythme tel que nous avons fait autant en quelques mois qu’en plusieurs années auparavant »
témoigne Jean-Marie ARDISSON dans la revue « Question(s) de management », 2020/03
n°29. Elle a aussi permis l’émergence de logiciels et plateformes dédiés pour les entreprises et
les cours (confère la plateforme « Miro », utilisée par la Faculté d’Architecture de Liège dans
le cadre de certains des ateliers nécessitant un espace numérique en ligne et possédant une
interface graphique).
Le coronavirus a forcément eu un impact sur l’architecture et sa pratique, de travailler,
sur les relations entre collègues, avec les clients, avec l’administration…
Ne serait-ce que dans la vie quotidienne, les gens ont dû changer leurs attitudes, la façon dont
ils effectuent leurs taches. « A la mi-mars, une grande banque envoie un message à ses
milliers de petits fournisseurs. Elle est vraiment désolée. Mais pendant l'épidémie, elle
n'acceptera plus de factures en papier. Seuls les documents envoyés par courrier électronique
seront traités. » signe Jean-Marc VITTORI dans une chronique de « Les Echos »1, du 14 avril
2020 donnant un aspect du passage au tout numérique. L’éditorialiste ajoute que beaucoup ne
se voient pas revenir à la méthode « papier » comme avant l’épidémie.
1 J.M VITTORI : « Cette épidémie qui accélère la transition numérique », Les Echos, 2020.
https://www.lesechos.fr/idees-debats/editos-analyses/cette-epidemie-qui-accelere-la-transition-numerique-
1194534 [En ligne]
7
La communication et les échanges physiques se sont trouvés perturbés par la distanciation
sociale et physique à cause du confinement et du passage à l’échange par vidéos interposées.
Le tout amenant à tous de repenser à comment l’Homme gère ses relations, effectue ses tâches
et occupe l’espace.
C’est dans le contexte de la pandémie que la rédaction de ce mémoire évolue avec les
événements et accueille l’actualité dans la réflexion de la numérisation des tâches dans la
pratique architecturale. Cette augmentation de la numérisation constatée dans plusieurs
domaines depuis l’avènement de l’informatique a grandi et amène la question de ce qu’il
adviendra après. En effet après l’informatique tel qu’il est actuellement, une ébauche de ce
qu’elle pourrait être dans le futur existe d’ores et déjà avec les balbutiements de l’Intelligence
Artificielle2.
L’informatique est liée à l’architecture depuis plus de 50 ans et la discipline n’a pas
essayé de s’en passer. Elle a, au contraire, souhaité être accompagnée par l’ordinateur. Mais
cela vient aussi du passé qu’ont les architectes avec cette discipline via le modernisme, ou des
courants plus récents comme le futurisme ou le déconstructivisme. Dans les années 30,
l’architecture s’est intéressée à la modularisation, à la standardisation et à la rationalisation du
bâtiment, notamment à travers le modernisme (confère : Le Corbusier et son Modulor, ou W.
GROPIUS et le « Baukasten » signifiant la construction en kit). De cette posture découle
l’intérêt de la matrice, de la conception du module, prélude des futurs habitats comme
l’Habitat 67, ou l’architecture futuriste d’Archigram.
L’architecture assistée par ordinateur arrive pendant les années 70 avec les premiers
logiciels de dessin assisté par ordinateur (DAO). Depuis la fin des années 90 les bureaux
d’architecture se sont emparés de la DAO et de la conception assistée par ordinateur (CAO)
pour ne plus s’en passer. Mais le domaine architectural a longtemps été considéré comme
réfractaire à l’informatique comparativement aux industries aéronautiques ou automobiles
(Teicholz, 2013). Depuis peu, que ce soit en architecture ou dans l’industrie de la
construction, le BIM (Building Information Modeling, en anglais) apporte ce changement
2 Article d’Intel, une entreprise connue dans le domaine informatique : « Se préparer pour l'avenir de
l'informatique » https://www.intel.fr/content/www/fr/fr/business/resources/future-of-it.html
8
informatique dans la maitrise d’œuvre (Eastman et al., 2011) : « Cette approche, qui consiste
à organiser l’ensemble des activités d’un projet de construction autour d’une maquette
numérique tridimensionnelle, a reçu une attention considérable ces dernières années de la
part aussi bien des chercheurs que des professionnels de l’industrie » (Boton & Forgues,
2018).
« L’intelligence artificielle désigne en effet moins un champ de recherches bien défini
qu’un programme, fondé autour d’un objectif ambitieux : comprendre comment fonctionne la
cognition humaine et la reproduire ; créer des processus cognitifs comparables à ceux de
l’être humain. » donne, dans son rapport, Cédric VILLANI3 comme définition dont il prévient
que « définir l’intelligence artificielle n’est pas chose facile ». Spécifiant les processus
cognitifs comme moteur de l’intelligence, cette définition cadre la recherche sur la réflexion
et les processus mis en place par le cerveau pour effectuer des actions, permettant d’analyser
et de reproduire la démarche humaine dans un programme intelligent.
« L’intelligence artificielle (IA) est un ensemble de techniques permettant à des
machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux
humains et à certains animaux. » énonce Yann LECUN4 dans un article pour le compte du
Collège de France. Les mots clés sont ici, « ensemble de techniques » qui une fois compris et
analysé permettent de reproduire numériquement les « tâches » et les « problèmes »
« réservés » pour le vivant. Ces mots paraphrasés sont importants pour montrer l’action que
s’efforce de faire le cerveau pour constituer une tâche et ainsi permettre à l’ensemble du corps
de se coordonner pour permettre l’action, donnant une définition cadrée pour une forme
d’intelligence. Une fois cette compréhension faite, il est possible de la reproduire
numériquement pour accéder à cette intelligence artificielle.
3 Cette phrase est la définition que Cédric VILLANI donne dans son rapport confié par le premier ministre E.
PHILIPPE de septembre 2017 à mars 2018 « Donner un sens à l’intelligence artificielle : pour une stratégie
nationale et européenne ». https://www.enseignementsup-recherche.gouv.fr/cid128577/rapport-de-cedric-villani-
donner-un-sens-a-l-intelligence-artificielle-ia.html/
4 Yann LECUN est titulaire de la chaire Informatique et Sciences numériques du Collège de France, spécialiste
de la question sur l’intelligence artificielle et écrit un article « Recherches sur l'intelligence artificielle » paru en
2016. https://www.college-de-france.fr/site/yann-lecun/Recherches-sur-l-intelligence-artificielle.htm/
9
Ces deux définitions amènent le questionnement du processus cognitifs pour effectuer
une tâche grâce aux techniques mises en œuvre pour les résoudre. Ce questionnement est,
semble-t-il, ce qui doit permettre une réflexion (humaine) sur le sujet pour appréhender une
présence déjà insérée dans la vie quotidienne. D’autant que les Intelligences Artificielles se
développent par l’augmentation des données disponibles, des espaces de stockage de
mémoire, de la vitesse de calcul des ordinateurs (confère les ordinateurs quantiques), et
deviennent de plus en plus puissantes, notamment dans les voitures autonomes, la finance ou
la médecine, dans laquelle elle devient un outil d’analyse en diagnostiquant maladie ou
cancers (INSERM – Intelligence artificielle et santé, 2018). Comme dans ces domaines, l’IA
finira par arriver elle aussi dans l’architecture : « L’intelligence artificielle va bouleverser les
métiers du bâtiment et de l’immobilier. Dans le domaine de l’architecture, elle ouvre de
nouvelles frontières avec la conception de formes jusqu’alors inexplorées. Les tâches
répétitives où la valeur ajoutée de l’architecte est la plus faible seront traitées par des
machines, laissant le professionnel se concentrer sur le cœur de sa mission : l’arbitrage des
contraintes et la synthèse des solutions. Des garde-fous seront toutefois nécessaires pour
protéger les droits d’auteur et la propriété intellectuelle des créateurs ».5
5 S. LUTARD, « Architecture et intelligence artificielle », sept. 23, 2020.
https://www.architectes.org/architecture-et-intelligence-artificielle pour l’ordre des architectes français
10
2. ETAT DE L’ART
Mais tous ces champs d’études viendront progressivement à moyen terme et sont peut-
être un peu prématurés dans l’articulation actuelle ou proche des métiers de la construction.
D’autant que le bouleversement de l’IA dans le bâtiment risque d’être aussi important que
l’arrivée de l’informatique dans le métier. Ce travail de fin d’étude va donc s’intéresser à des
éléments plus temporellement rapprochés ; la suite directe de la technologie du BIM : « dont
le niveau d’adoption semble avoir atteint le point de non-retour (Forgues et al., 2014). De
plus en plus implémentée par les principales firmes d’architecture, d’ingénierie et de
construction, l’utilisation de l’approche BIM a même été rendue obligatoire par plusieurs
gouvernements et agences gouvernementales à travers le monde (États-Unis, Royaume-Uni,
Singapour, etc.) et une directive de l’Union européenne (directive 2014/24/EU) encourage
fortement les pays membres à aller dans ce sens » (Boton & Forgues, 2018), qui se fait déjà
rattraper par les nouvelles solutions qu’offre (offrira) l’IA pour aider l’architecte (exemple des
GAN, du Big Data, etc.).
Il est possible de faire des analogies avec d’autres disciplines où l’IA commence à
remplacer certaines tâches effectuées par les humains. Un groupe d’informaticiens français
travaillant au sein l’INRIA a créé une IA nommée CamemBERT (dont le programme se base
sur des modèles de type BERT) capable de détecter les différences des mots dans leur
contexte, leurs natures grammaticales, les noms propres et leurs types. L’IA analyse ensuite
les mots et est capable d’en tirer des conclusions selon les paramètres qui lui sont définis
(Louis Martin et al, 2019). Si l’IA a la possibilité de comprendre le langage naturel et de
pouvoir le retranscrire comme le font déjà certaines IA en écrivant des romans : « 1 The
Road », Ross Goodwin, 2017, alors elle pourrait remplir des formulaires, des documents à
destination de l’administration ou des clients. De plus un système d’assurance au Japon utilise
d’ailleurs une intelligence artificielle pour calculer les payements dus aux clients (The
Guardian, 2017). L’IA auraient finalement la capacité de remplir des tâches administratives,
ce qui pourrait être un gain de temps pour l’architecte.
11
Dans le domaine médical, l’IA semble très douée pour tout ce qui est analyse de
situation et comparaison, l’attention se porte sur le dernier point. En effet, elle est donc
capable de faire preuve de thérapies ciblées, et donc de s’adapter pour correspondre à chaque
patient. Le fait d’adapter est important puisqu’en architecture il faut constamment s’adapter.
Mais elle est capable de détecter facilement divers symptômes grâce à sa banque de donnée :
« Dans le domaine de l’imagerie médicale notamment, des algorithmes permettent déjà de
détecter des anomalies sur neuro-imagerie avec une précision équivalente, voire supérieure à
celle des radiologues. A également été conçu un algorithme aussi performant qu’un
dermatologue expérimenté pour identifier les maladies de peau et distinguer les tumeurs
bénignes des cancers. L’IA ouvre aussi la voie à des thérapies beaucoup plus ciblées, parce
qu’adaptées à chaque patient. » (Bourdaire-Mignot & Gründler, 2018). En utilisant l’analyse
d’images (de plans) et en fournissant des bases de données à l’intelligence artificielle, il est
possible d’envisager d’utiliser un programme effectuant les métrés et relevés à partir d’image
ou de plans et donnant les matériaux. De la même manière que peut le faire le BIM mais à
partir de simple plan tout en donnant une irréfutabilité au métré vis-à-vis des entrepreneurs,
du client ou de l’administration.
12
3. PROBLEMATIQUE
Le but de ce mémoire n’est pas d’imaginer remplacer l’architecte par une machine
intelligente, mais au contraire d’avertir et de renseigner les acteurs de l’Architecture
(architectes, étudiants en architecture et les métiers s’y gravitant autour) que, si l’intelligence
artificielle fait son entrée dans beaucoup de domaine, il ne faut pas avoir peur mais au
contraire l’étudier et l’accompagner pour que cette dernière devienne un atout pour la
profession et non un antagoniste.
C’est donc dans cette optique que j’ai choisi de traiter le sujet de l’intelligence
artificielle dans le métier de l’architecture et plus exactement dans la maitrise d’œuvre. J’ai
souhaité comprendre comment l’IA peut faire son entrée dans la discipline et de quelle
manière. Mais pour spécifier une possibilité de son impact, je me suis demandé la manière
dont elle fonctionne parmi les tâches qu’elle est d’ores et déjà capable d’accomplir dans le
quotidien. Ce sont certes des balbutiements, mais il semble qu’à court et moyen terme, sa
présence se fera de plus en plus sentir. Autant se l’approprier en amont pour ne pas être
possiblement pris au dépourvu.
Je me suis donc renseigné sur les tâches qu’elle peut faire et me suis demandé sur
lesquelles l’intelligence artificielle pourrait travailler et aider l’architecte dans sa propre
discipline, m’amenant à la problématique suivante :
« Quelles seront les tâches de la maitrise d’œuvre impactées par l’intelligence artificielle ? »
13
4. METHODOLOGIE
4.1. DOMAINE D’ETUDE
Afin d’aborder le sujet de mon questionnement, j’ai développé mon plan d’écriture à
partir des tâches que l’architecte en sa qualité de maitre-d ’œuvre effectue mais que le
numérique et en particulier l’intelligence artificielle commence déjà à toucher : « Peu importe
les scénarios, les architectes se doivent d’être acteurs de l’intelligence artificielle en étant
associés aux recherches des éditeurs de logiciels ! Cela commence aussi par s’emparer dès
aujourd’hui du BIM qui n’est qu’un des ancêtres de l’intelligence artificielle »6.
D’autant plus dans le cadre actuel de la crise sanitaire qui affecte le travail présentiel et
demande une dématérialisation des rencontres.
La première analyse étudiera les résultats quali-quantitativement d’un questionnaire
auxquels ont répondu un échantillon exploitable de 383 architectes.
La deuxième analyse comportera la recherche documentaire de ce qui se fait dans
d’autres disciplines
4.2. OUTILS D’ANALYSE
RECOLTE DE DONNEES : QUESTIONNAIRE
Le point de départ, consiste en un questionnaire portant sur plusieurs sujets dont deux
questions générales sur l’intelligence artificielle qui me permettront d’extrapoler des résultats
qualitatifs et quantitatifs par des statistiques portant sur la perception des architectes de
l’intelligence artificielle et le métier de l’architecte. Le questionnaire « Analyse statistique de
la perception des architectes » réalisé en mars 2020 auprès de 383 architectes, mais aussi de
413 étudiants de la Faculté d’architecture de Liège, sous la direction de Manon MASSIN,
Patricia SCHEFFERS, Nicolas SEIJKENS dans le but de mieux connaitre la perception des
6 S. LUTARD, « Architecture et intelligence artificielle », sept. 23, 2020.
https://www.architectes.org/architecture-et-intelligence-artificielle pour l’ordre des architectes français
14
architectes (et des étudiants) sur le métier de l’architecte, sur ses tâches, son temps de travail
ou encore sur sa connaissance de l’intelligence artificielle.
Le lien questionnaire a été envoyé par mail aux architectes et aux étudiants que
certains ont ensuite répondu. Les données du questionnaire sous forme d’un « Google Form »7
ont pu être récupéré directement sous forme d’un tableau « Excel ». Chaque question a
ensuite été dissociée dans un fichier « Excel » indépendant pour une facilité de traitement.
Les données ont été trié permettant d’éviter les doublons ou les réponses « test ».
Ensuite les réponses ont été analysées en fonction des tâches que les architectes ont donné et
par rapport au tableau que l’ordre des architectes belges fourni sur les missions de
l’architecte8. Pour les questions sur les tâches ; j’ai choisi d’utiliser des notions générales
représentant les tâches et permettant de les regrouper, ainsi avec l’exemple de la notion
« administratif », elle reprend des termes comme « Les tâches administratives »,
« Secrétariat », « Routine administrative » ou encore « Gestion des formalités
administratives ».
Sur base des résultats, je pourrais ensuite essayer d’aller plus loin dans l’exercice pour
analyser des tâches équivalentes dans d’autres disciplines ou l’intelligence artificielle exerce.
RECHERCHE DOCUMENTAIRE
La continuité analytique, par rapport à la recherche documentaire que j’effectue sur
l’intelligence artificielle, consiste à se renseigner et analyser les données que d’autres
disciplines possèdent d’ores et déjà. En effet certaines d’entre elles ont une longueur d’avance
sur l’architecture et l’érection d’un édifice. Comme c’est le cas pour la médecine notamment
dans le cadre de l’imagerie médicale ou plusieurs recherches montrent que l’IA est plus à
même de diagnostiquer des cancers à partir de radio avec moins d’erreur qu’un humain
(Bourdaire-Mignot & Gründler, 2018). Dans l’étude d’imagerie médicale nous nous
7 Voici le lien du questionnaire :
https://docs.google.com/forms/u/0/d/1495qXiY9NmQmQA5NUZoFdUQ1mOkNgsaUvgeyhn6W6x8
8 Voir le tableau des tâches fourni par l’ordre des architectes belge :
https://www.ordredesarchitectes.be/files/documents/ODA2469-
04_2020_De%CC%81pliant_Missions_Architecte_SITE.pdf
15
intéresserons aux processus cognitifs que l’humain effectue pour réaliser les tâches
d’identifications ainsi que celles que l’IA utilise.
Un autre volet sera le processus des GAN (generative adversiale network) dans leur mise en
œuvre pour la création d’images de synthèse ou de multiplier les propositions en fonction des
paramètres indiqués.
Le droit sera un volet important pour comprendre comment l’IA peut impacter des tâches
administratives et contractuelles. Comme le fait la banque JP Morgan avec son intelligence
artificielle COiN. Ou bien l’impact de l’IA dans le domaine juridique avec des prévisions de
décision de justice sur certains cas, pouvant alors permettre d’extrapoler leur utilité dans la
résolution de conflit entre architectes et entrepreneurs ou clients.
4.3. LIMITE DE LA RECHERCHE
Le champ d’études que donne cet espace sur l’intelligence est très vague. Il peut
amener une multitude, si ce n’est une infinité, de questionnements de recherche et il convient
de le limiter.
Il pourrait être envisagé de traiter la façon dont les IA sont capables de concevoir et
d’organiser des plans via des processus de génération d’espace en utilisant les Big Data et les
GAN (Generative Adversarial Networks ou réseaux adverses génératifs en français), et ainsi
d’en générer plusieurs dizaines de millier (NAGY & VILLAGGI, 2020). Par exemple
l’intelligence artificielle ALICE9 qui est une plateforme de simulation générative pour la
construction, a créé 66 millions de possibilités lors de la conception d’un centre de santé à
Denver (J. CAULFIELD - bbcnetwork, 2018) avec pour objectif de réduire le temps et le coût
de construction en fonction des paramètres induits (ascenseurs, forme…) permettant de sauver
84 jours des 540 prévus initialement.
De même, la manière dont l’IA mettrait en lien sa programmation et son système
d’apprentissage avec quelque chose d’aussi complexe que les émotions humaines, serait un
9 ALICE Technologies est un site proposant principalement des réponses à la planification des étapes du projet et
de la construction. Le programme optimise les solutions et les méthodes de construction permettant de gagner un
nombre d’heure en termes d’ingénierie. Le logiciel propose aussi des variantes de conception tout en générant
des modélisations numériques. https://www.alicetechnologies.com/
16
sujet intéressant puisqu’il concerne une partie du métier d’architecte ; celui de créer une
émotion dans l’espace vécu par l’utilisateur. Ce sujet est traité dans un mémoire d’une
étudiante de l’Ecole Nationale d’Architecture Paris Val de Seine (Architecture sensorielle,
2019, Barbara ARAQUE P.).
La dimension éthique de l’IA et de sa responsabilité en ferait aussi un axe de
recherche, bien que plus philosophique. En effet, quid de la responsabilité décennale dans le
cas où une IA prendrait en charge l’entièreté de la maitrise d’œuvre ? Des débats ont lieux et
la question des limitations et responsabilités de l’IA se pose, notamment dans le cas de
diagnostics médicaux. Mais la situation est analogue à celle de la responsabilité décennale qui
impacte la santé d’une personne. Le magazine Forbes résume une conférence de l’Inseec U à
Lyon en juin 2019 sur l’IA et l’éthique où il en sort qu’il : « appartiendra à ces Hommes de
faire en sorte que dans la conception même des technologies utilisant une intelligence
artificielle, d’intégrer en amont des valeurs comme la transparence, l’honnêteté… Avec en
point de mire une vision humanisée et un usage responsable de l’IA, qui vise à amplifier les
capacités et l’ingéniosité humaine. » (P. MONTAGNON pour Forbes, 2019)10. Le constat est
similaire pour la concertation publique à Montpellier en 2017 pour le CNIL.
10 P. MONTAGNON, « Intelligence artificielle : l’Ethique au cœur du débat »,Forbes 2019. :
https://www.forbes.fr/technologie/intelligence-artificielle-lethique-au-coeur-du-debat/ [En ligne]
17
5. QUESTIONNAIRE
Sur base d’un questionnaire « Analyse statistique de la perception des architectes »
réalisé en 2020 auprès d’architectes belges et d’étudiants de la Faculté d’Architecture de
Liège par le laboratoire PAPier, sous l’égide de Patricia SCHEFFERS, Manon MASSIN et
Nicolas SEIJKENS, nous avons pu récolter diverses informations notamment concernant
plusieurs sujets de mémoire dont la formation d’architecte, l’emploi d’architecte, les tâches à
réaliser et celles qui prennent le plus de temps dans la pratique du métier. Nous avons aussi pu
interroger les architectes exerçants et les étudiants de la Faculté d’Architecture de Liège sur la
connaissance de l’intelligence artificielle et son potentiel impact sur les tâches du métier.
L’échantillon d’architectes ayant répondu au questionnaire comprend 387 réponses
exploitables pour un total de 393 entrées.
Un questionnaire similaire a été fourni aux étudiants de bachelier (de la première à la
troisième année d’études) de la Faculté d’Architecture de Liège, dont 413 réponses
exploitables pour un total de 426 entrées.
L’analyse de quatre questions du questionnaire fournit aux architectes et de leurs
résultats me permettra d’en tirer des tâches qui possèdent des similitudes avec des tâches
effectuées par l’intelligence artificielle dans d’autres disciplines. Par ailleurs le but n’est pas
de remettre en question les réponses indiquées par les architectes mais de les prendre telles
quelles pour en tirer les conclusions par rapport aux choix des tâches qui se font dans les
autres disciplines. Pour deux des questions étudiées, une analyse de résultats de ces mêmes
questions posées aux étudiants sera mise en rapport avec le questionnaire des architectes.
5.1. QUESTIONS TRAITEES
J’ai choisi de traiter trois questions parmi la trentaine de points que le questionnaire
proposait aux architectes. En effet ces trois questions me semblent essentielles pour pouvoir
en tirer une conclusion sur les tâches importantes pour l’architecte. Importantes soit par le
18
temps qu’elles prennent dans leur emploi du temps, soit par leur mise en avant par le
professionnel.
5.1.1. LA CONNAISSANCE DE L’IA PAR LES ARCHITECTES
La première question qui me semble pertinente concerne la connaissance de
l’architecte sur le sujet de l’intelligence artificielle
Sous « Connaissez-vous certains aspects de l'intelligence artificielle ? », nous
demandions aux architectes de nous transmettre par un simple « oui » ou « non » leur réponse
sur le sujet. Le but était de savoir si l’architecte a connaissance du sujet présent dans
l’informatique qui s’étend à d’autres disciplines et qui pourrait un jour s’attacher à
l’architecture (pour être juste l’intelligence artificielle fait déjà ses premiers pas dans le
domaine architectural11)
Le résultat de l’enquête montre qu’une majorité d’architecte ne semble pas connaitre
l’intelligence artificielle.
Étiquettes de lignes Nombre de Connaissez-vous certains aspects de l'intelligence artificielle ?
Non 235
Oui 152
Total général 387 Tableau 1 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?"
On peut observer ci-
contre, le résultat de la question
sous forme d’un camembert qui
permet de mieux appréhender
le pourcentage de personne ne
connaissant pas de manière
général les aspects de
l’intelligence artificielle, soit
61 % (c’est-à-dire 235 réponses
sur les 387).
11 Confère la technologie ALICE, citée dans l’introduction
Figure 1 Résultat de la même question sous forme de camembert.
19
Comme je fais mon mémoire sur le sujet de l’intelligence artificielle, j’avais pris pour
acquit que la majorité des gens connaissent au moins de nom ou ont entendu parler de
l’intelligence artificielle. Cependant, au vu de ce résultat il semble que ce ne soit pas le cas.
J’ai par ailleurs souhaité comprendre si ce résultat avait un biais dû à une
représentation plus nombreuse de certaines catégories d’âge qui de manière « cliché » aurait
pu être moins instruites du sujet.
J’ai donc analysé en détail les réponses à cette question en fonction de la tranche d’âge
des architectes par l’année de diplôme qu’ils ont indiqué lors du remplissage du
questionnaires. J’ai mis en place des tranches d’âge de 10 ans, hormis pour les diplômés ayant
beaucoup d’expérience qui se sont trouvés au final, les moins nombreux à répondre, pour
quelques raisons que ce soit.
La première tranche d’années de diplôme correspondant aux architectes étant sortis
des études de 1966 à 1979 :
Tableau 2 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les diplômés entre
1966 et 1979
Figure 2 Résultat de la même question sous forme de camembert pour les diplômés
de 1966 à 1979
20
La deuxième tranche d’années de diplôme correspondant aux architectes étant sortis
des études de 1980 à 1989 :
Tableau 3 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les diplômés entre
1980 et 1989
La troisième tranche d’années de diplôme correspondant aux architectes étant sortis
des études de 1990 à 1999 :
Tableau 4 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les diplômés entre
1990 et 1999
Figure 3 Résultat de la même question sous forme de camembert pour les diplômés
de 1980 à 1989
Figure 4 Résultat de la même question sous forme de camembert pour les diplômés
de 1990 à 1999
21
La quatrième tranche d’années de diplôme correspondant aux architectes étant sortis
des études de 2000 à 2009 :
La dernière tranche d’années de diplôme correspondant aux architectes étant sortis des
études de 2000 à 2009 :
Figure 5
Figure 5 Résultat de la même question sous forme de camembert pour les diplômés
de 2000 à 2009
Tableau 5 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les diplômés entre
2000 et 2009
Tableau 6 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les diplômés entre
2010 et 2019
Figure 6 Résultat de la même question sous forme de camembert pour les diplômés
de 2010 à 2019
22
En somme, à travers les Figures 2 à 7, on constate que la moyenne de personnes
connaissant l’intelligence artificielle avoisine les 40% de l’échantillon et ceux pour chaque
tranche d’âge. La seule différence notable est au niveau de la tranche de diplômés des années
1990 à 1999 avec « seulement » 35,14% d’architectes étant avertis sur l’IA.
Une hypothèse que je formule pour expliquer ce niveau de connaissance est que les
architectes (se) sont informés sur l’IA par curiosité, par intérêt ou par méfiance, mais qu’en
aucun cas elle découle de l’enseignement ou de la formation. En effet, parmi les cours
proposés à la Faculté d’Architecture de Liège, aucun ne concerne le futur du métier ou de
l’impact des technologies sur celui-ci12.
5.1.2. LA CONNAISSANCE DE L’IA PAR LES ETUDIANTS
Nous avons posé la même question aux étudiants des trois premières années d’études
de la Faculté d’Architecture de Liège.
On constate que sur la moyenne des trois années, seul 31,23% (soit 129 étudiants sur
les 413) connaisse l’intelligence artificielle. En comparant avec la moyenne pour les
architectes diplômés qui est de 39%, la baisse est significative, de près de 10%. Je n’ai pas de
certitude en ce qui concerne la cause de cette baisse, et ce n’est pas le but de l’étude mais il
semble que cela ne fait qu’ajouter un point sur l’hypothèse que j’ai formulé plus haut, à savoir
qu’il semblerait que cette connaissance viendrait d’un attrait plutôt que de la formation.
12 Voir l’ensemble des cours proposés au cours de la formation d’architecte à la Faculté d’Architecture de Liège :
https://www.archi.uliege.be/cms/c_5634606/fr/archi-bachelier et
https://www.programmes.uliege.be/cocoon/20212022/programmes/T2UARC01_C.html
Il en va de même pour une autre université belge, la Faculté d’Architecture de la Cambre Horta :
https://www.ulb.be/fr/programme/2020-ba-arch#programme et https://www.ulb.be/fr/programme/2020-ma-
arch#programme
Tableau 7 Résultat de la question "Connaissez-vous certains aspects de
l'intelligence artificielle ?" pour l’ensemble des étudiants des trois premières
années d'études
23
Les étudiants de première année (Bac 1) connaissant l’intelligence artificielle
représentent 27,12% contre 72.88% de non connaisseurs. Les deuxièmes années sont
respectivement 34,48% et 65,32%. Ainsi que 33,93% et 66,07 pour les étudiants de troisième
année (confère Figure 8 et Tableau 9).
Tableau 8 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les étudiants des
trois premières années d'études
Figure 7 Résultat de la question "Connaissez-vous certains aspects de l'intelligence artificielle ?" pour les étudiants des trois
premières années d'études
24
On constate une légère augmentation de la connaissance de l’intelligence artificielle
dans les deux années supérieures constituant le bachelier mais au vu du fort pourcentage de
ceux n’ayant pas de notions sur le sujet, il semble que cela apporte un point supplémentaire à
l’hypothèse que j’ai formulé, laquelle prône une perception de l’intelligence artificielle via la
curiosité plutôt que la formation. Par ailleurs, on peut conjecturer que l’augmentation de 6 à
7% respectivement entre la deuxième année d’étude et la troisième par rapport à la première
année viendrait de la culture générale que l’étudiant acquière de lui-même en plus de sa
formation.
5.1.3. L’HYPOTHESE DES ARCHITECTES DES TACHES IMPACTEES PAR
L’IA
En second, et découlant de la première question, la pertinence par rapport au sujet du
mémoire voulait que nous demandions aux architectes les tâches qui seraient, selon eux
impactées par l’intelligence artificielle.
Si la question originelle était « Si oui, quelles sont les tâches que vous remplissez
actuellement et qui pourraient être impactées d'après vous ? Indiquez une tâche par ligne. »,
il convient de noter que certaines des réponses données dont les entrées sont comptées ont été
mise après qu’un architecte ait répondu « non » à la question précédente (à savoir
« Connaissez-vous certains aspects de l'intelligence artificielle ? »). 7 entrées « non » ont
remplis des tâches que j’ai choisi de prendre en compte dans la somme des tâches
potentiellement impactées.
Tableau 9 Résultat de la question "Connaissez-vous
certains aspects de l'intelligence artificielle ?" pour
les étudiants des trois premières années d'études
avec les pourcentages
25
A travers l’ensemble des réponses à la question par les architectes, j’ai classé les
réponses dans des catégories communes en essayant d’être le plus « réaliste » possible par
rapport à ce que les architectes donnaient comme indications et par rapport au tableau des
tâches fournit par l’ordre des architectes belges. Certaines catégories englobent plusieurs
sous-notions que les architectes ont développé :
▪ La notion « Administratif » reprend ce que les architectes appellent par la rédaction
automatique de documents, la mise en forme d’un dossier et l’envoi des courriers
nécessaire, l’encodage administratif (permis d’urbanisme et sa soumission à
l’administration), mais aussi le secrétariat.
▪ La notion « Représentation graphique » reprend ce que les architectes appellent par le
fait de laisser à l’intelligence artificielle la réalisation du dessin, les mises en pages, la
modélisation, et les images de synthèses, de documents techniques...
▪ La notion « Métrés / relevés » est utilisée lorsque l’intelligence artificielle travaillera
avec l’architecte notamment générant le métré sur base des dessins de l’architecte, ou
encore le relevé d’un bâtiment existant, voir par drone remplaçant le relevé manuel. Le
choix de regrouper ces deux notions vient du fait que beaucoup d’architectes les ont
notés ensemble.
▪ La notion « Conception » reprend les cas où l’intelligence artificielle ferait « Les choix
en termes d'efficacité et de perfection de la construction (la matrice possède une base
de données infinie que l'architecte n'a pas) », nous explique un architecte en réponse à
la question. Mais aussi la conception spatiale avec la création d’espace intérieur selon
un volume, un programme et un style associé. En somme les paramètres du projet.
Certains parlent de conception paramétrique, dans l’idée d’une conception, peut-être,
plus organique comme le permet les outils de conception architectural paramétriques
actuels.
▪ La notion « Suivi de chantier » représente la rédaction des procès-verbaux des
chantiers, l’organisation de réunion, l’état d’avancement, les problèmes et leur
régularisation au fil de l’avancement…
▪ La notion « Maquette » reprend les représentations 3D d’un projet dans leur création
physique (notamment via imprimante 3D).
26
▪ La notion « Vérification » englobe aussi bien la vérification d’erreurs sur dossier,
structurelles ou techniques, que celles sur chantier, la précision des données présentes
ou encore d’erreurs administratives.
▪ La notion « Gestion » reprend les cas où l’intelligence artificielle s’occuperait de la
gestion d’équipes dans un bureau ou sur un chantier, mais aussi des documents, des
mails…
▪ La notion « Finance » reprend l’idée que l’intelligence artificielle libèrerait
l’architecte des suivis d’échéance par rapport à l’avancée du chantier, mais aussi des
déclarations de revenu ainsi que du versement des salaires (dans le cas d’employés).
▪ La notion « BIM » semble être ce qui sera l’ancêtre des futures intelligences
artificielles éventuellement associées à l’architecte et la coordination auprès des
différents acteurs que le métier côtoie.
Selon les réponses des architectes à ce questionnaire, les tâches qui seraient le plus
impactées sont premièrement les tâches administratives avec 43 entrées. Puis la représentation
Figure 8 Résultat de la question "Si oui, quelles sont les tâches que vous remplissez actuellement et qui pourraient être
impactées d'après vous ?" du questionnaire des architectes trié en fonction du nombre d'itération par tâche
27
graphique avec 37 entrées. La partie du métré / relevé vient en troisième position avec 33
entrées, la partie conception en quatrième position avec 31 entrées. Ainsi que la partie du
suivi de chantier avec 22 entrées.
Je me limite aux tâches avec le plus grand nombre d’entrées pour un soucis de
simplifications de recherche et d’analyse des tâches effectuées par l’IA dans d’autres
disciplines.
Je ne compte pas dans les tâches « majeures » que les architectes ont estimé être
impactées par l’IA les réponses de l’entrée « non applicable », qui comprend quatre
architectes ayant répondu « non » à la première question sur la connaissance de certains
aspects de l’IA. Ces quatre architectes pensent que l’intelligence artificielle ne peut
s’appliquer à la discipline. Vingt architectes, ayant répondu « oui » à la première question, ont
estimé que l’IA ne pouvait pas s’appliquer à l’architecture. Une des réponses : « Je lutte
contre ça quelle que soit sa forme éventuelle » montre que certains se sentent menacés par
l’arrivé de programme intelligent et indépendant, ou sont inquiets sur le sujet. Une autre
remarque est : « radicalement opposé à l'intervention de l'intelligence artificielle dans la
conception du projet ». Il semble que la partie conception du projet tienne beaucoup à cœur
pour l’architecte. Pour la majorité des justifications liées à la non applicabilité de l’IA dans le
métier, « le cœur de notre travail reste "humain" » et la partie émotionnelle, physique
(rencontre en personne, sentiment – « feeling » vis-à-vis du client et de l’architecte, le contact
avec les entrepreneurs…) sont des facteurs qui feraient que l’IA ne peut pas « remplacer »
l’architecte.
5.1.4. L’HYPOTHESE DES ETUDIANTS DES TACHES IMPACTEES PAR L’IA
Nous avons posé la même question aux étudiants de la Faculté d’Architecture de
Liège. Et si je ne me baserai pas sur leur réponse pour l’étude de l’analyse des tâches, je pense
qu’il est important de comprendre le regard d’étudiants en début de leur formation sur les
tâches qui composent le métier.
Le classement des réponses dans des catégories communes a essayé d’être le plus
égalitaire possible. Cependant certaines catégories englobent plusieurs sous-notions.
28
▪ La notion « Calcul » reprend ce que les élèves appellent par les calculs structurels, de
dimensions, de topographie, des matériaux (résistance thermique / acoustique, leur
nombre) mais aussi les calculs énergétiques et d’optimisation.
▪ La notion « Conception » reprend ce que les élèves appellent par le fait de laisser à
l’intelligence artificielle le choix de créer les caractéristiques spatiales du projet.
▪ La notion « Partenaire de travail » est utilisée lorsque l’intelligence artificielle
travaillera en binôme avec l’architecte. L’humain et la machine seront de pair.
▪ La notion « Gestion » reprend les cas où l’intelligence artificielle s’occupera de la
gestion d’équipes dans un bureau ou sur un chantier, mais aussi des documents, des
mails…
▪ La notion « Maquette » reprend les représentations 3D d’un projet, aussi bien
informatique que leur création physique (notamment via imprimante 3D).
▪ La notion « Représentation Graphique » comprend la création de plans normalisés, de
croquis, de documents techniques à destination des autres corps de métier du bâti,
mais aussi des rendus 2D ou 3D pour les concours ou les clients.
▪ La notion « Suivi de chantier » représente la rédaction des procès-verbaux des
chantiers, l’organisation de réunion, l’état d’avancement, les problèmes et leur
régularisation au fil de l’avancement…
▪ La notion « Traduction » se voit comme la traduction linguistique de document mais
aussi la traduction aux différents formats et langage qu’utilisent les différents corps de
métier.
▪ La notion « Vérification » englobe aussi bien la vérification d’erreurs sur dossier,
structurelles ou techniques, que celles sur chantier, la précision des données présentes
ou encore d’erreurs administratives.
▪ La notion « Enseignement » regroupe ce que les étudiants sous-entendent par la
connaissance générale sur l’architecture, de donner cours, de créer des synthèses et de
mieux visualiser le cours de projet avec des méthodes technologiques (aide à la
compréhension des attentes des professeurs).
▪ Par « réponse non utilisable » sont comprises des réponses comme « entretient
pelouse » ou « l’ordinateur » que j’ai préféré ne pas classer dans une catégorie de
tâches relatives à l’architecture.
29
On constate, via la Figure 10, que la représentation graphique arrive en première
position avec 55 itérations, la notion de maquette suit avec 51 entrées. Puis vient le calcul et la
conception avec respectivement 40 et 35 réponses. Et enfin l’enseignement avec 12
occurrences.
Par rapport au questionnaire fournit aux architectes, on remarque que la tâche
principale à laquelle les étudiants pensent consiste en la représentation graphique du projet.
Alors que pour les architectes, elle arrive en seconde position, après l’administratif que les
étudiants n’ont pas du tout envisagés dans leurs réponses. La conception est un point commun
aux deux études que les étudiants et architectes placent en quatrième position.
Une autre différence majeure est le placement de la notion « calcul » tandis que les
architectes parlent plutôt d’un métré / relevé. La différence, je suppose vient de la pratique du
métier car les architectes savent que le métré / relevé leur incombe tandis que le calcul et le
dimensionnement structurel ou la Performance Énergétique des Bâtiments (PEB) sont le
ressort d’indépendants extérieurs que l’architecte côtoie13.
13 Voir le tableau des tâches fournit par l’ordre des architectes belges dans lequel l’ordre indique que « Les
missions techniques concernent les tâches d’interventions, pour certaines obligatoires, confiées par le maître
d’ouvrage à des intervenants spécifiques. L’architecte assiste le maître d’ouvrage dans la désignation de ces
intervenants. Et il veille à la bonne coordination de ces missions techniques et d’interventions spécifiques. Si
l’architecte se voit confier des tâches visées à la colonne ‘MT’, il ne les exécute pas en sa qualité d’architecte » :
https://www.ordredesarchitectes.be/files/documents/ODA2469-
04_2020_De%CC%81pliant_Missions_Architecte_SITE.pdf
Figure 9 Résultat de la question "Si oui, quelles sont les tâches que vous remplissez actuellement et qui pourraient être
impactées d'après vous ?" du questionnaire des étudiants trié en fonction du nombre d'itération par tâche
30
5.1.5. LES TACHES ACCOMPLIES SELON LES ARCHITECTES
Une des questions posées, qui m’intéresse, pour pouvoir comprendre les tâches et
missions de l’architecte vécues par des professionnels comme témoignage direct de la
pratique, est la question portant sur le maximum de tâches que l’architecte peut citer.
Sous la question : « Pouvez-vous citer un maximum de tâches que vous devez accomplir dans
le cadre de votre travail actuel, correspondant à votre dernier emploi ? », nous avons pu
réunir un grand nombre de données. Mais il faut aussi prendre les données avec des
précautions. Celles-ci peuvent en effet être en partie biaisées par le fait que certains
architectes ont pu voir la question comme parlant du dernier « projet » ou de la dernière
« mission » qu’ils auraient conduit.
Si les tâches sont différentes en fonction de chacun, de ses missions des choix que le
bureau fait pour pratiquer le métier, il en ressort certaines tâches communes qui semble
inhérentes à la profession.
Tableau 10 Résultat de la question : "Pouvez-vous citer un maximum de tâches que vous devez accomplir dans le cadre de
votre travail actuel, correspondant à votre dernier emploi ?" avec le nombre d'itérations par tâche
31
D’après le Tableau 10, les tâches les plus mis en avant par les architectes sont : le
suivi de chantier avec 378 entrées, les tâches administratives avec 245 entrées, financières
avec 231 entrées, de gestion avec 228 entrées, de contact avec 227 entrées et la réalisation de
documents graphique avec 208 entrées.
On peut, d’ores et déjà, constater que certaines tâches ne sont pas représentées de la
même manière entre la question sur l’impact de l’IA dans les tâches. Les tâches de
« contact », de « gestion » et de « finance » qui sont ici représentées de manière significative,
le sont bien moins dans l’estimation sur leur remplacement. Ces tâches sembleraient ne pas
être, selon les architectes, parmi celles qui seront transformées par l’arrivée de l’IA.
5.1.6. LES TACHES LES PLUS CHRONOPHAGES SELON LES ARCHITECTES
La dernière question auprès des architectes qui me semble pertinente pour pouvoir
cibler des tâches à étudier sont les tâches qui consomment un certain temps, peut-être trop de
temps, pour les professionnels praticiens.
Figure 10 Résultat de la question : "Pouvez-vous citer un maximum de tâches que vous devez accomplir dans le cadre de
votre travail actuel, correspondant à votre dernier emploi ?" avec le pourcentage d'itérations par tâche
32
En leur demandant : « Parmi ces tâches, pouvez-vous identifier les trois tâches qui
monopolisent le plus de temps et indiquer pour chacune d'entre elles le pourcentage de votre
temps de travail qu'elles représentent ? » nous souhaitions connaitre les tâches qui selon eux
sont impactantes sur leur temps de travail.
Nous avons reclassé les tâches indiquées en mettant un numéro devant : 1- « Nom de
la tâche » pour la tâche la plus chronophage, 2- « Nom de la tâche » pour la seconde, et 3-
« Nom de la tâche » pour la moins monopolisatrice.
Parmi les tâches les plus chronophages (Tableau 11) citées par les architectes nous
avons :
▪ L’administratif arrive en première position avec 94 itérations,
▪ Le suivi de chantier avec 49 répétitions,
▪ La conception (42 réponses),
▪ La réalisation de documents graphiques avec 32 réponses,
▪ La gestion avec 24 récurrences.
Tableau 11 Résultat de la question "Parmi ces tâches, pouvez-vous identifier les trois tâches qui monopolisent le plus de
temps et indiquer pour chacune d'entre elles le pourcentage de votre temps de travail qu'elles représentent ?" pour les tâches
en 1
33
Sur les tâches amenées en second (Tableau 12) par les praticiens en réponse à la
question, on observe que :
▪ Le suivi de chantier prend la première place avec 59 répétitions,
▪ La gestion avec 40 occurrences
▪ L’administratif suit avec 39 réponses,
▪ La conception avec 27 itérations,
▪ Les demandes de permis, soit 26 occurrences.
Tableau 12 Résultat de la question "Parmi ces tâches, pouvez-vous identifier les trois tâches qui monopolisent le plus de
temps et indiquer pour chacune d'entre elles le pourcentage de votre temps de travail qu'elles représentent ?" pour les tâches
en 2
34
Enfin, les tâches utilisant le moins de temps parmi les plus chronophages citées on
retrouve :
▪ L’administratif avec 54 réponses,
▪ Le suivi de chantier avec 46 répétitions,
▪ La conception avec 37 itérations,
▪ La gestion avec 28 occurrences,
▪ La communication et le contact avec tous deux 15 réponses.
A travers les trois tableaux, on peut constater une part importante de l’administratif
dans les heures de travail effectuées par l’architecte. Vient ensuite le suivi de chantier. Puis la
conception et la gestion qui sont les tâches monopolisant une grande part du temps de travail.
Tableau 13 Résultat de la question "Parmi ces tâches, pouvez-vous identifier les trois tâches qui monopolisent le plus de
temps et indiquer pour chacune d'entre elles le pourcentage de votre temps de travail qu'elles représentent ?" pour les tâches
en 3
35
5.2. CORRELATION DES TACHES
Parmi les questions étudiées, j’ai fait un constat sur certaines tâches qui sont les plus
citées par les architectes dans leurs réponses à ces dites questions.
En effet dans la question sur les tâches impactées par l’IA dans l’architecture, on
s’aperçoit que l’administratif se trouve en première position (43 réponses), de même que pour
la question sur les tâches monopolisant le plus de temps (94 réponses). L’administratif obtient
la seconde place dans l’ensemble des tâches citées par les architectes (7%).
Le suivi de chantier est mentionné de manière très importante dans les deux questions
sur le temps des tâches et sur la question de donner un maximum de tâches (respectivement
deuxième position et 10% des réponses). Pourtant il n’arrive qu’en cinquième position avec
22 occurrences sur l’impact de l’IA. On peut dès lors supposer que les architectes estiment
que l’IA ne peut pas remplacer (facilement et à juste titre ?) l’architecte sur le suivi de
chantier.
La réalisation de documents graphiques et la conception occupent une place
d’importance dans le métier de l’architecte et parmi les tâches citées : 6% et 5%. Il en va de
même dans le temps que cette tâche prend. Et il semble que les architectes considèrent que
l’IA a de grande chance d’apparaitre dans ces deux tâches (soit 37 réponses pour les
documents graphiques et 31 occurrences pour la conception).
La gestion du bureau ou d’équipe fait partie des tâches les plus citées avec 6%, de
celles monopolisant le plus de temps. Mais pour autant, selon les architectes, elle semble
moins impactée par l’IA avec « seulement » 18 occurrences.
5.3. SYNTHESE
Avec la corrélation des tâches consommant du temps de travail et celles qui seraient
impactées par l’IA selon les architectes on remarque que les tâches administratives, de
réalisation de documents graphique, de conception et de gestion sont celles ou l’IA serait la
plus à même d’impacter la profession.
Pour autant le suivi de chantier, le contact avec les clients ou les entrepreneurs semblent à ce
stade l’apanage exclusif de l’architecte par sa dimension sociale et de responsabilité.
36
6. LES TÂCHES ADMINISTRATIVES EFFECTUEES PAR L’IA
En partant des tâches que les architectes ont estimé être impactées par l’intelligence
artificielle et celles prenant le plus de temps, on peut s’intéresser aux tâches que l’IA effectue
dans des disciplines différentes pour en conclure une éventuelle association aux tâches
administratives que l’architecte doit effectuer comme les demandes de permis, l’établissement
d’une convention et de formalisation de l’accord, la collecte des informations auprès des
services urbanistiques et autres administrations impliquées.
6.1. LA COMPREHENSION DU LANGAGE
Dans un premier temps, nous allons tâcher de comprendre sur quoi repose le langage
qui permet à l’homme de comprendre et d’analyser des éléments de plus en plus complexe
(contrat, loi, etc…). Grace à cette compréhension et de son apprentissage, le programme
intelligent peut alors se positionner pour comprendre le langage naturel et de pouvoir le
retranscrire comme le font déjà certaines IA en écrivant des romans : « 1 The Road », Ross
Goodwin, 2017, elle peut alors remplir des formulaires, des documents à destination de
l’administration ou des clients.
La faisabilité de la tâche donnée se fait par la compréhension entre les individus du but
à obtenir. Pour l’homme l’acquisition du langage se fait très tôt : « Le langage fait partie
intégrante de nos vies, il nous semble aussi naturel que de respirer ou de marcher (Clark,
2003). Mais les bébés passent beaucoup de temps à apprendre à parler, l’acquisition de leur
langue maternelle commençant même avant la naissance. En effet, l’oreille du fœtus est
fonctionnelle dès le cinquième mois de gestation (Lecanuet et al., 1995) et laisse passer
principalement les fréquences basses correspondant aux informations prosodiques (175-500
Hz). Après la naissance, les nouveau-nés vont manifester un certain nombre de capacités et
de préférences pour les sons de leur environnement (Mehler et al., 1986) et leur progression
dans l’acquisition des sons de leur langue maternelle va évoluer très rapidement au cours de
la première année, tant au niveau de la perception que de la production. Après avoir dominé
les sons de leur langue(s) maternelle(s), ils vont devoir en maîtriser les différents mots et
constructions, les différentes modalités, tout en réussissant à se faire comprendre par leur
37
entourage et à comprendre les productions des autres. »14. Cette acquisition se fait à force
d’expérience et de temps pour l’humain. Pour l’intelligence artificielle cette démarche est
différente dans la rapidité du traitement et de l’apprentissage.
Un groupe d’informaticiens français travaillant au sein l’INRIA a créé une IA nommée
CamemBERT (dont le programme se base sur des modèles de type BERT) capable de
détecter les différences des mots dans leur contexte, leurs natures grammaticales, les noms
propres et leurs types. L’IA analyse ensuite les mots et est capable d’en tirer des conclusions
selon les paramètres qui lui sont définis (Louis Martin et al, 2019). L’intérêt de cette IA se
base sur la langue française et non sur l’anglais comme la plupart de la recherche dans ce
domaine (les bases de données étant majoritairement en anglais). L’entrainement de l’IA a été
fait suivant différents corpus de textes en français tirés : « du sous-corpus français du corpus
multilingueOSCAR extrait de Common Crawl (Ortiz Suárez et al., 2019), un autre corpus
extrait de Common Crawl nommé CCNET (Wenzek et al., 2019) et un snapshot récent de la
Wikipedia française »15.
Lors de l’étude, les auteurs ont préparé plusieurs objectifs auquel le programme
CamenBERT devait répondre, dont une démarche de masquer au hasard les mots d’un texte
que l’IA devait compléter en retrouvant le mot original. L’utilisation de reconnaissance
d’entités nommées (NER)16 permet d’étiqueter les mots d’un texte à l’aide de paramètres
prédéfinis pour que l’IA puisse comprendre le sens du paragraphe. Ils ont évalué : «
CAMEMBERT dans cette utilisation sous forme de plongements lexicaux dans des tâches
d’étiquetage morpho-syntaxique, d’analyse de dépendance et en NER »17
L’exercice de plongement lexical fourni par l’IA consiste à vectoriser (convertir sous forme
de vecteur) les mots d’un dictionnaire sous forme binaire simplifiant la puissance de calcul
14Enfance et langage : voix, corps et discours C. DODANE et A. DEL RE
https://doi.org/10.4000/praxematique.4742
15« CamemBERT: a Tasty French Language Model » L. MARTIN & al 2020 - https://arxiv.org/abs/1911.03894
(Article de colloque)
16 La reconnaissance d’entités nommées consiste en l’extraction de mots ou groupe de mots pouvant être
catégorisé comme le noms géographique, de personnes, les concepts d’argent, de temps et de lieux, etc…
https://www.cairn.info/revue-i2d-information-donnees-et-documents-2015-2-page-70.htm
17 Les modèles de langue contextuels CAMEMBERT pour le français : impact de la taille et de l’hétérogénéité
des données d’entrainement » L. MARTIN & al 2020 - https://hal.archives-ouvertes.fr/hal-02784755/file/151.pdf
(Article de revue)
38
Figure 11 Résultat obtenu des plongements lexicaux par l'équipe travaillant sur CamemBERT
nécessaire à l’IA pour déduire le mot manquant d’après les autres termes façonnant le
contexte de la phrase.18
Via la Figure 11, on observe que le programme arrive, dans les différents corpus de
texte choisis lors de l’expérience (GSD, Sequoia, Spoken, ParTUT, Average) à bien traiter le
contexte des paragraphes et à compléter de manière assez juste et cohérente les mots ou
groupes de mots manquants. L’équipe constate : « Un résultat inattendu de nos expériences
est que le modèle CAMEMBERT standard, entraîné sur l’ensemble des 138Go de texte
d’OSCAR, ne surpasse pas massivement le modèle entraîné « uniquement » sur l’échantillon
de 4Go. Dans les configurations où le modèle de langue est utilisé comme plongements, le
modèle entraîné sur 4Go conduit plus souvent à de meilleurs résultats que le CAMEMBERT
standard entraîné sur 138Go, bien que les différences de scores soient rarement frappantes.
Dans les configurations fine-tuning, le CAMEMBERT standard fonctionne généralement
mieux que celui entraîné sur 4Go, mais là encore les différences sont toujours faibles. ». Il
semblerait donc qu’un corpus de texte minimal soit suffisant « lorsque les modèles sont
entraînés sur des corpus tels que OSCAR et CCNET, hétérogènes en termes de genre et de
style, 4Go de texte non compressé constitue un corpus de pré-entraînement suffisamment
volumineux pour atteindre l’état de l’art avec l’architecture BASE » permettant ainsi de
pouvoir entrainer l’intelligence artificielle à toutes les langues et à toutes les formes de
langages thématiques d’un travail (comme celui de l’architecture, ou des normes officielles).
En somme, ce programme, qui n’est qu’un exemple parmi d’autre, il existe aussi
FlauBERT (French Language Understanding via Bidirectional Encoder Representations from
18 La définition est ici simplifiée, et est issu de Wikipedia ( https://fr.wikipedia.org/wiki/Word_embedding )
39
Transformers), possède la réflexion nécessaire pour analyser un texte et répondre à des
demandes spécifiques. Il est possible d’envisager à l’avenir différentes applications dans le
monde professionnel pour remplir les cases de documents contractuels ou administratif à
partir de critères définis et d’une base d’expérience.
6.2. L’INTELLIGENCE ARTIFICIELLE DANS LE MONDE JURIDIQUE
6.2.1. COiN DE LA BANQUE JP MORGAN
La banque JP MORGAN a, dans son rapport annuel de 201619, indiqué qu’elle a
investi dans un programme d’intelligence artificielle permettant d’automatiser les taches
d’analyse de contrats et d’accord de crédit commercial avec les lois. En utilisant COiN,
acronyme pour Contract intelligence platform, la banque obtient l’analyse de 12 000
documents annuel en quelques secondes. Le temps de travail que les juristes doivent fournir
pour analyser en une année, le même travail est estimé à 360 000 heures. COiN réduirait
d’approximativement 80% les erreurs de crédit d’emprunt, toujours selon ce même rapport
annuel.
Selon une publication du cabinet d’avocat international CMS20, le CEO de JP Morgan,
Jamie DIMON est très porté sur l’avenir de l’intelligence artificielle et a investi plus de onze
milliards de dollars. La banque aurait aussi employé cinquante mille spécialistes de la
technologie.
COiN peut extraire 150 attributs pertinents des données de chaque contrat, c’est-à-
dire : des points clefs et des clauses de ces contrats. Le programme utilise l’apprentissage
19 JP Morgan, rapport annuel 2016 – p49 : https://www.jpmorganchase.com/content/dam/jpmc/jpmorgan-chase-
and-co/investor-relations/documents/2016-annualreport.pdf
20 La publication est parue sur le site de CMS, qui eux-mêmes s’intéressent à utiliser l’IA dans leurs services.
Par B. BRADLEY, R. BROWN, R. FREE, K, GANDHI, C. KERRIGAN, D. TURNER en 2019 : « Banking on
AI in financial services » : https://cms.law/en/gbr/publication/banking-on-ai-in-financial-services
40
pour parfaire ses erreurs et la reconnaissance d’image pour effectuer un comparatif entre les
différents attributs du contrat21.
6.2.2. L’IA DANS LE DOMAINE CONTRACTUEL
Une autre intelligence artificielle s’est faite remarquer dans le domaine contractuel
d’accord de non-divulgation (NDA : Non-Disclosure Agreements en anglais). LawGeex, nom
du programme intelligent, a concouru contre vingt juristes / avocats en 2018 sur l’analyse de 5
contrats pour identifier et mettre en évidence les points clefs problématiques. Les avocats
devaient utiliser un menu déroulant contenant différents problèmes à identifier.
Le rapport de l’étude22, nous explique que l’IA a été entrainé sur une douzaine de
types de contrat légal dont des dizaines de milliers de fois sur les accords de non-divulgation.
Pour répondre aux besoins de la tâche, les concepteurs ont mis en place un modèle de
« traitement de langage légal » (Legal Language Processing) et un modèle de
« compréhension de langage légal » (Legal Language Understanding). En outre, l’IA a
fonctionné via l’observation de concepts plutôt que la recherche de mots clés.
Les résultats ont été calculé sur la performance des participants sur trois points : un
problème a été manqué, un problème a été mal identifié, un problème a été correctement
identifié.
Figure 12 Résultats entre l'IA et les avocats de l'analyse des accords de non-divulgation
La Figure 12, ci-dessus, montre une moyenne pour les vingt avocats de 85% de
réussite, et 94% pour l’intelligence artificielle. Le temps moyen des avocats pour étudier les
21 Article de T. DAVENPORT pour Forbes : https://www.forbes.com/sites/tomdavenport/2019/11/12/ai-at-
jpmorgan-chasebreadth-depth-and-change/?sh=1f4d28a110bb 22 « Comparing the Performance of Artificial Intelligence to Human Lawyers in the Review of Standard Business
Contracts » Fevrier 2018 -https://images.law.com/contrib/content/uploads/documents/397/5408/lawgeex.pdf
Ce document a été trouvé depuis un moteur de recherche, il n’est plus disponible sur le site officiel de LawGeex.
41
cinq contrats est de 92 minutes tandis que celui de l’IA est de 26 secondes. Le gain de temps
par l’utilisation de l’IA est assez conséquent et pourrait permettre de traiter plus rapidement
des données. Notamment dans le cas de litige entre le client, l’architecte et/ou l’entrepreneur.
6.3. DISCUSSION : L’INTELLIGENCE ARTIFICIELLE EN JUSTICE
6.3.1. L’IA EN JUSTICE AU BRESIL
« L'intelligence artificielle insérée au système judiciaire est fascinante peut-être parce
qu'elle a la possibilité de réaliser l'un des plus anciens rêves de droit: un droit sans l’État, un
droit qui se caractérise notamment par un positivisme exagéré qui se confond à une machine
sans technique, un droit qui s'applique par lui-même et n'a pas d'administration, pas de sens
de la justice, un droit totalement manipulateur, que ne dépendant ni de la coutume ni de la
culture, un droit qui peut être confondu avec la science » conclu Giulia DE ROSSI
ANDRADE, avocate, membre du Centre de recherche sur les politiques publiques et le
développement humain de la Pontifice Université Catholique de Paraná dans « Les défis de
l'utilisation de l'intelligence artificielle dans le système judiciaire brésilien »23. Cette avocate
s’intéresse à l’intelligence artificielle dans le système judiciaire brésilien puisque la présidente
de la cour suprême fédérale de justice (Brazilian Supreme Court, STF) Carmen LUCIA (2016
– 2018), a sous son mandat donné l’impulsion à une IA nommé VICTOR, traitant les requêtes
que la cour suprême reçoit, pour connaitre et approfondir les connaissances de l’IA pour une
application judiciaire.
« L'objet de la recherche et du développement de ce projet est d'appliquer les
méthodes du « machine learning » pour utiliser ses potentiels dans la reconnaissance de
formes dans les processus juridiques liés aux jugements de répercussions générales du STF.
De manière pragmatique, cela vise à développer un système composé d'algorithmes de « deep
learning » permettant l'automatisation de analyses textuelles des processus juridiques »
23 DE ROSSI ANDRADE, Guilia. Les défis de l'utilisation de l'intelligence artificielle dans le système judiciaire
brésilien. Revue Internationale de droit des données et du numérique, [S.l.], v. 6, p. 75-88, avril. 2020. ISSN
2553-6893. Disponible à l'adresse : https://ojs.imodev.org/index.php/RIDDN/article/view/341
42
[traduction libre]24 explique F. M. DE SANCTIS dans un article paru en 202. La fonction du
« robot » est de classifier et séparer les cas. Contrairement aux serveurs spécialisés qui traitent
actuellement chaque dossier en trente minutes, VICTOR le fait en cinq seconde permettant
d’utiliser les serveurs pour d’autres tâches nécessaires au fonctionnement du STF.
Le « robot » a aussi comme but d’identifier les thèmes les plus courants des « general
repercussion » (concept de la justice brésilienne qui s’assure que seuls les cas vraiment
importants soient entendus par la STF25), en aidant à résoudre environ dix milles recours
spéciaux que doit traiter chaque année la cour suprême brésilienne.
La base de données de VICTOR comprend près de sept-cent-mille documents (environ
4,6 millions de pages) dont quarante-cinq-mille recours sous forme de PDF. Les chercheurs
ont mis au point trois forme de VICTOR contenant plus ou moins de données : Big VICTOR
(BVic) avec toutes les « data », Medium VICTOR (MVic) après un filtrage de certains
documents et Small VICTOR (SVic) contenant cent exemples de chaque type de cas que la
STF traite, avec environ cent-mille documents pour trois-cent-quarante-mille pages26.
Pour tester l’efficacité de l’intelligence artificielle, les chercheurs ont essayé
différentes architectures du mode de réflexion du programme.
Deux méthodes « Bag-of-words », consistant à chercher des mots dont au moins 50%
de fréquences de mots retrouvés sur la page pour un minimum de deux pages. Le vocabulaire
a été réduit aux 70 000 mots les plus fréquents.
24 « The object of research and development of this project is to apply machine learning methods to use its
potentials in pattern recognition in legal processes related to judgments of general repercussions of the STF.
Pragmatically, it aims to develop a system composed of deep machine learning algorithms enabling the
automation of textual analyses of these legal processes » p2
F. M. De Sanctis, « Artificial Intelligence and Innovation in Brazilian Justice », Int. ann. criminol., vol. 59, no 1,
p. 1-10, mai 2021, doi: 10.1017/cri.2021.4.
25 Explication du concept sur : https://www.mondaq.com/brazil/constitutional-administrative-law/57864/the-
supreme-federal-tribunal-and-the-general-repercussion-requirement
26 P. H. Luz de Araujo, Teófilo Emídio de Campos, Fabricio Ataides Braz, Nilton Correia da Silva, N. Correia da
Silva, T. Emidio De Campos, et F. Ataides Braz, « VICTOR: a Dataset for Brazilian Legal Documents
Classification », vol. Proceedings of the 12th Language Resources and Evaluation Conference, p. 1449 1458,
mai 2020.
43
Une première méthode consiste à utiliser un « Naïve Bayes Classifier » qui est un
algorithme utilisant les probabilités (théorème de Bayes) pour trouver le résultat en se basant
sur plusieurs variables indépendamment les unes des autres. La deuxième méthode utilisée est
le « SVM » (support vertor machine) dont le but est de séparer les données en différentes
classes avec une frontières. Les vecteurs de support sont les données les plus proches de la
frontière. En classant les données, le programme intelligent peut ensuite répondre au but
demandé.
La troisième méthode utilise les réseaux de neurones convolutifs (Convolutional
Neural Network, CNN), qui fonctionne de manière similaire à des connections neuronales
biologique en créant des filtres (des catégories) pour analyser l’objet (très souvent une image).
Chaque neurone fonctionne indépendamment mais se chevauche partiellement permettant aux
neurones de travailler ensemble tout en ne traitant qu’une partie de l’information.
L’architecture que les chercheurs ont
employée (confère Figure 13) se base sur le
modèle proposé dans un article « Proceedings
of the 15th Conference of the European
Chapter of the Association for Computational
Linguistics »27. Elle consiste à entrer le texte,
puis à la convertir sous forme vectoriel d’une
manière similaire à ce que fait l’IA
CamemBERT, puis l’analyse passe dans la
phase de réflexion au sein du réseau neuronal
(convolution), qui synthétise la réflexion
(concatenate), pour ensuite réduire le champ
d’action et cibler le résultat voulu.
La dernière méthode employée est le « Bidirectional LSTM Network » (Long Short-
Term Memory pour mémoire à court et long terme). C’est aussi une forme de réseau neuronal
dont les entrées sont indépendantes les unes des autres. Utilisant un réseau neuronal récurent
27 Conneau, A., Schwenk, H., Barrault, L., and Lecun, Y. (2017). « Very deep convolutional networks for text
classification ». In « Proceedings of the 15th Conference of the European Chapter of the Association for
Computational Linguistics »: Volume 1, Long Papers, pages 1107–1116, Valencia, Spain, April. Association for
Computational Linguistics.
Figure 13 Architecture CNN utilisée par les chercheurs via l'IA
VICTOR
44
(Recurrent neural networks, RNN) qui maintient une mémoire basée sur l’histoire de
l’information d’entrée, le LSTM Network fonctionne par des cellules qui traite l’information
tout en gardant une connexion entre la cellule précédant et l’actuelle. Le système
bidirectionnel rajoute une ligne permettant d’avoir à la fois la mémoire de la cellule
précédente et la fois celle de la cellule future28.
On retrouve, Figure 14, l’importation du texte dans
le programme, puis la vectorisation du texte avant de
le traiter avec le système LSTM (Forward et
Backward, avant et arrière) et puis le résumé
permettant de sortir le résultat.
Les résultats de l’expérience (Figure 15) montrent que les systèmes utilisant le CNN
ou le Bi-LSTM évalués avec le dateset MVic performent bien mieux que les deux autres,
même si le système SVM les suit de près. Pour le dataset SVic, le modèle SVM et le CNN ont
le mieux performés. Au final sur les deux database, le modèle CNN est le plus performant, les
chercheurs ont donc choisi d’utiliser un champ aléatoire conditionnel sur ce modèle
28 Z. Huang, W. Xu, et K. Yu, « Bidirectional LSTM-CRF Models for Sequence Tagging », arXiv:1508.01991
[cs], août 2015, http://arxiv.org/abs/1508.01991
J’ai trouvé l’explication du fonctionnement du système LSTM sur ce document, mais d’autres ressources
indiquent un mode de fonctionnement similaire.
Figure 14 Architecture du Bi-LSTM Network
utilisée par les chercheurs via l'IA VICTOR
Figure 15 Résultats des différents systèmes de réflexion utilisés par les chercheurs lors de l'étude
45
Pour améliorer les sorties de données, l’utilisation d’un champ aléatoire conditionnel
(conditional random fields, CRF) en post-traitement des méthodes de réflexions choisies,
permet de prendre en compte l’interaction des variables proches sémantiquement. Dans le cas
de l’étude le CRF traite le document non pas page par page, mais d’un ensemble de page
puisque « intuitivement, une page est plus probablement suivie d’une autre page de même
type »29 [traduction libre]
Une augmentation non négligeable de 6.29% sur les résultats du modèle CNN après le
post-traitement CRF dans le cas de la base de données MVic est une amélioration de
l’efficacité du programme ; utile pour valider la mise en place effective de son utilisation par
la justice brésilienne.
Cependant VICTOR ne prend pas de décisions n’y ne juge. Cela reste le ressort de
l’humain. Mais la machine peut aider les responsables pour analyser les procédures, au final
l’intention est d’aider et non de remplacer, d’après une interview de Luiz Fux, président du
STF depuis 2020, que madame DE SANCTIS, auteure de l’article, site (F. M. DE
SANCTIS « Artificial Intelligence and Innovation in Brazilian Justice » mai 2021).
29 « Intuitively, a page is more likely to be followed by another of the same type » (page 1453 de « VICTOR: a
dataset for Brazilian legal documents classification »)
Figure 16 Performance avant et après le post-traitement CRF sur les tests
précédents
46
6.3.2. PREDICTION DES DECISIONS DE JUSTICE PAR L’IA
En 2016, une équipe de chercheurs de l’University College London30 publie un article
(« Predicting judicial decisions of the European Court of Human Rights: a Natural Language
Processing ») sur une intelligence artificielle étant capable de prédire les décisions des juges
de la Cour Européenne des Droits de l’Homme (CEDH).
L’algorithme utilise un système SVM, qui après avoir analysé environ six-cent affaires
de la CEDH, correspondant à trois articles de la Convention européenne des droits de
l’homme : l’article 3 (« Nul ne peut être soumis à la torture ni à des peines ou traitements
inhumains ou dégradants »), l’article 6 (« Toute personne a droit à ce que sa cause soit
entendue […] par un tribunal »), et l’article 8 (« Toute personne a droit au respect de sa vie
privée et familiale, de son domicile et de sa correspondance »)31, prédit le jugement et le
compare au jugement donné par le juge.
L’intelligence artificielle prédit un jugement identique à celui du juge 79% du temps
sur la moyenne des trois articles.
Mais Boris BARRAUD32, dans un article, critique l’analyse que l’étude des
chercheurs anglais exprime: « pose la question d'une évolution des professions judicaires non
vers un remplacement des magistrats par des machines «intelligentes» disant le droit
automatiquement mais vers une association des magistrats et de ces machines «intelligentes»,
30 N. Aletras, D. Tsarapatsanis, D. Preoţiuc-Pietro, et V. Lampos, « Predicting judicial decisions of the European
Court of Human Rights: a Natural Language Processing perspective », PeerJ Computer Science, vol. 2, p. e93,
oct. 2016, doi: 10.7717/peerj-cs.93 .
31 Articles issus de la Convention européenne des droits de l’homme :
https://www.echr.coe.int/Pages/home.aspx?p=basictexts&c=fre
32 Barraud Boris, « Un algorithme capable de prédire les décisions des juges : vers une robotisation de la justice
? », Les Cahiers de la Justice, 2017/1 (N° 1), p. 121-139. DOI : 10.3917/cdlj.1701.0121. URL :
https://www.cairn.info/revue-les-cahiers-de-la-justice-2017-1-page-121.htm
Figure 17Résultats obtenus par l'IA sur l'exactitude de ses prédictions
47
laquelle pourrait permettre des gains de temps et des économies de moyens
considérables. » en effet car celle ne prédit que « les mêmes choix que les juges-humains dans
huit cas sur dix ». L’auteur nous amène ensuite à se questionner sur la justesse d’une
intelligence artificielle qui rendrait les jugements. Si en effet elle opérera de manière à
respecter les articles de loi par rapport aux faits qui lui sont apportés, le juge humain possède
une liberté par rapport à l’application stricte des lois par l’interprétation qu’il en fait : « Peut-
être les 21 % d'erreurs sont-ils plus intéressants que les 79 % de réussites. Si la prise de
décision juridictionnelle obéissait à une stricte logique formelle, les chercheurs auraient pu
parvenir à construire un juge algorithmique s'accordant plus systématiquement avec le juge
humain. »
6.4. SYNTHESE
L’intelligence artificielle d’analyse de langage (CamemBERT) pourrait aussi être
bénéfique pour des pays comme la Belgique où il existe plusieurs communautés linguistiques
et politiques, pour peut-être gagner du temps sur la partie administrative et l’échange des
documents dans différentes langues. L’intérêt y est aussi européen si l’on envisage une
traduction automatique des contrats et autres démarches administratives (lors de la demande
de permis de construire par exemple) valable pour l’ensemble des pays membre de l’Union
Européenne.
Les intelligences comme COiN et Lawgeex seraient utiles dans les tâches
contractuelles et peut-être notariales que le client et l’architecte doivent fournir à
l’administration publique.
Les modèles d’intelligence comme VICTOR pourrait permettre aux administrations
communales de traiter plus rapidement les demandes de permis en fonction de leur règlement
d’urbanisme et donner un gain de temps et d’argent pour le client et l’architecte.
En outre, il est possible d’imaginer qu’un jour les dossiers de soumissions et les
demandes de permis d’urbanisme pourront être remplis automatiquement par un programme
intelligent similaire en fonction de données que nous lui transmettrions.
48
7. L’IA ET L’ANALYSE D’IMAGES
A travers l’études de cas présent en médecine comme l’analyse d’image (radiologie)
nous essayerons de voir si l’intellige artificielle est capable d’analyser d’une manière similaire
les plans et documents (photos ou graphiques) que l’architecte pourrait lui fournir et en sortir
des données pertinentes, comme par exemple un métré ou bien un rapport de chantier.
Un autre moyen d’analyse d’image et d’interprétation par l’intelligence artificielle
permet par une reconnaissance de forme de créer une image de synthèse réaliste. C’est ce que
développe l’entreprise NVIDIA avec son IA : GauGAN.
7.1. L’IA ET L’IMAGERIE MEDICALE
7.1.1. LE BIG DATA A L’HOPITAL
« L'avènement du big data à l'hôpital a proposé un changement de paradigme par le
passage d'une approche centrée patient à une centrée sur les données ; cette nouvelle façon
de traiter l'information est une première étape au développement de l'intelligence artificielle
(IA). Cette grande quantité d'images médicales, rendue disponible grâce au big data, offre un
grand potentiel pour l'entraînement de réseaux de neurones et, en particulier, du deep
learning. »33 (A. Nerot et I. Bricault. 2020). Par ces mots, les deux chercheurs du service
d’imagerie du Centre Hospitalier Universitaire de Grenoble commencent leur explication du
fonctionnement de l’intelligence artificielle dans l’analyse d’imageries médicale. Ils
préviennent à ce titre sur le jeu de la sécurité des données médicales qui devront être
« partagés » à l’IA, mais ce n’est pas le but de ce mémoire.
Le big data, dans l’imagerie médicale, comme l’explique les chercheurs, correspond à
la multiplication des quantités de données. Ils précisent que le big data peut se traduire en 5
points, les « cinq V du big data ».
33 A. Nerot et I. Bricault, « Introduction au big data en radiologie et initiation en autonomie à
l’intelligence artificielle », J. Imag. Diagn. Interv. , août 2020, doi:
10.1016/j.jidi.2020.05.016.
49
▪ Le volume (quantité) : la quantité de données peut devenir astronomique dans ce
domaine de recherche. Intel, dans un article de 2019, concernant les besoins en
matériel, imposés par les recherches en intelligence artificielle, estime à 3000 Go le
volume de données créé par un « smart-hôpital » chaque jour [9] ;
▪ La vélocité correspond à la vitesse d'accumulation des données, provenant d'une
multitude d'origines possibles. De tels volumes de données limitent la possibilité
d'analyse sur la totalité et pousse à s'intéresser à des échantillons pour représenter
l'ensemble ;
▪ La variété fait référence au caractère hétérogène des données en rapport avec leur
type (imagerie, administratives, médicales, courriers. . .), leur caractère structuré ou
non (données prédéfinies telles que la date en format JJMMAAAA, contrairement à
une imagerie dont le nombre d'images et leur qualité est variable) et leur quantité (un
patient peut passer zéro, un ou plusieurs scanners) ;
▪ Le besoin de véracité : les données stockées doivent être certaines et utilisables ;
▪ La valeur : les données elles-mêmes n'ont que peu de valeur sans la capacité à en tirer
des informations34.
J’ai choisi de reprendre tel quel leur explication des 5 points du big data puisqu’ils
sont certes généraux par rapport au domaine, mais sont ici agrémentés de précisions
concernant l’imagerie médicale, ce qui semble utile dans le cadre de l’analyse de
l’intelligence artificielle dans le domaine médical.
Ils expliquent ensuite la structure du fichier « DICOM » (Digital Imaging and
Communications in Medicine) qui est le nom que prend la forme de stockage de l’imagerie
médicale d’après un standard international permettant de transmettre un ensemble
d’informations et de les afficher ensuite sur l’ensemble des différents appareils d’imagerie
médicale (différentes marques de constructeurs). D’autant que les sources d’images sont aussi
différentes s’il s’agit de scanners, radiologies, échographies, etc…
Selon eux, les données que l’on fournit au logiciel ne sont pas le problème principal.
Celui-ci se trouverait dans les données enrichies, c’est-à-dire les rapports (radiologiques dans
le cas présent) qui sont rédigés sous forme de texte très souvent non structurés. En aparté, si
34 A. Nerot et I. Bricault, « Introduction au big data en radiologie et initiation en
autonomie à l’intelligence artificielle », page 67
50
l’on voulait développer une IA s’appliquant à la rédaction des rapports de réunions (de
chantier) ou des procès-verbaux de réception de travaux, celle-ci aurait des difficultés en
utilisant le système du big data puisque la rédaction de ces documents ne sont pas soumis à
une forme structurée pour l’ensemble des architectes.
7.1.2. L’IMPACT DE L’IA EN ONCOLOGIE
Dans un article35 portant sur l’intelligence artificielle dans l’oncologie, qui est la
spécialité traitant l’études, le diagnostic et le traitement des cancers, et plus précisément dans
la partie diagnostique avec la radiologie, les auteurs proposent une perspective du métier dans
un proche avenir, qui semble s’être déjà mis en marche.
L’apport de l’IA impacterait la détection d’anomalies, la caractérisation et le suivit
d’évolution en évaluant les risques pour le patient. Ces tâches demanderaient différentes
compétences comme la détection et le diagnostique de la maladie mais aussi la capture et le
traitement des radiographies.
Lors de la détection, les radiologues doivent se focaliser sur les cellules défectueuses
d’après des images, se reposant sur leur éducation, leur expérience et leur compréhension des
radiographies.
Pour la caractérisation le radiologue doit noter la taille, l’extension et la texture interne de
l’anomalie. Ce qui selon les auteurs de l’étude serait problématique en tant que tâche
routinière car « les humains ne sont pas capables de comptabiliser plus d’une poignée de
caractéristiques qualitatives » [Traduction libre].
La surveillance de ces tumeurs est essentielle pour pouvoir émettre un diagnostique, qui
demande une radiographie constituée de plusieurs « scans » alignés, suivi par une évaluation
de leur taille.
35 A. Hosny, C. Parmar, J. Quackenbush, L. H. Schwartz, et H. J. W. L. Aerts, « Artificial intelligence in
radiology », Nat Rev Cancer, vol. 18, no 8, p. 500 510, août 2018, doi: 10.1038/s41568-018-0016-5.
51
Le schéma ci-dessus « Artificial intelligence impact areas within oncology imaging »
(les zones d’impact de l’intelligence artificielle dans l’imagerie oncologique) nous explique le
déroulement des tâches dans l’acquisition et le traitement de radiologies dans lesquels l’IA
aurait un impact important.
Voici la traduction de la légende, la première partie est explicitée dans le paragraphe
précédent :
▪ a/ Le déroulement des opérations comprend les étapes suivantes : prétraitement des
images après leur acquisition, les tâches cliniques basées sur l'image (qui impliquent
généralement la quantification de caractéristiques en utilisant soit des
caractéristiques élaborées avec le machine learning traditionnel ou le deep learning),
la communication des résultats par la génération de rapports radiologiques textuels
et, enfin, l'intégration des informations sur le patient provenant de plusieurs sources
de données. [Traduction libre]
▪ b/ L'IA devrait avoir un impact sur les tâches cliniques basées sur l'image, notamment
la détection d'anomalies ; la caractérisation d'objets dans les images à l'aide de la
Figure 18 Les zones d’impact de l'intelligence artificielle dans l'imagerie oncologique
52
segmentation, le diagnostic et la hiérarchisation ; et le suivi des objets pour le
diagnostic et l'évaluation de la réponse au traitement. [Traduction libre]
En somme la machine aiderait sur les tâches répétitives mais le radiologue serait
toujours présent pour vérifier ainsi qu’avoir le contact avec le patient pour lui expliquer le
diagnostique et le traitement à suivre. L’intelligence artificielle permettrait de gagner du
temps en obtenant les résultats et en traitant ou prétraitant les données toujours plus
nombreuses qui suivent chaque patient.
« Car les chiffres sont là. « En 2010, il fallait trois ans et demi pour que la quantité de
données médicales soit multipliée par deux. En 2020, il ne faut plus que 72 jours », observe le
directeur médical de GE Healthcare Europe, Mathias Goyen. Et l'imagerie y contribue
largement. Elle est non seulement utilisée pour le diagnostic dans un nombre croissant de
situations, mais aussi pour le suivi des traitements et même leur réalisation avec l'essor de la
radiologie interventionnelle. » nous explique Catherine Ducruet dans un article de Les
Echos36
7.1.3. LE SUCCES DE L’IA DANS LA DETECTION
Paul PARIZEL, professeur du département d’imagerie médicale à l’Hôpital
Universitaire d’Anvers, a participé en tant que membre du jury à un concours organisé en
2018 en Chine entre une intelligence artificielle et des spécialistes d’analyse d’imageries
neuronales sur l’identification de tumeur sur des radios37.
Les 15 docteurs avaient trente minutes pour identifier chacun 15 tumeurs et en donner
un seul diagnostique qui devait être le plus juste possible. L’IA, nommé BioMind a quant à
elle trouvé 196 bonnes réponses sur les 225 radiologies (elle a tout analysé), en moins de
quinze minutes. Le pourcentage de bonne réponse de l’IA est de 87% contre 66% pour les
spécialistes.
36C. Ducruet « L'imagerie médicale à l'heure de l'intelligence artificielle », 2019, Les Echos :
https://www.lesechos.fr/industrie-services/pharmacie-sante/limagerie-medicale-a-lheure-de-lintelligence-
artificielle-1156756 [En ligne]
37 P. Parizel « I’ve seen the future: a competition between physicians and AI », 2018,
https://www.myesr.org/article/1840 [En ligne] – Attention aux informations, si les mérites de ce professeur ne
sont pas remis en cause, les sources des résultats proviennent de sources journalistiques non vérifiables.
53
Un deuxième concours avec un groupe de docteurs différent ou les compétiteurs devaient
prédire l’évolution de l’expansion d’un hématome intracérébrale. L’IA a prédit de manière
correcte 83% des cas tandis que le groupe de docteur n’est arrivé « qu’à » 63%38
Cependant la réussite de l’intelligence artificielle dans ce domaine est attestée par la
publication dans le journal mensuel Radiology d’un article sur l’augmentation de la fréquence
de détection du cancer du sein via les mammographies avec l’aide de l’IA : « Improving
Breast Cancer Detection Accuracy of Mammography with the Concurrent Use of an Artificial
Intelligence Tool »39
Les auteurs de l’études expliquent que 30% à 40% des cancers du sein peuvent être
manqués lors des analyses de radiologies. Le but de leur démarche est de démontrer
l’amélioration de la découverte de cancer du sein grâce à l’utilisation d’un outil d’analyse
d’image avec l’intelligence artificielle.
Les données ont été collecté durant une période s’étalant sur trois ans, et seuls les
examens de femmes ne présentant aucuns symptômes cliniques ont été inclus. Des catégories
ont été créé : « vrai positif », « faux négatif », « vrai négatif » et « faux positif ». Ces
catégories correspondent après l’évolution des cas au cours du temps par les femmes :
▪ Les « vrai positif » sur les radiologies ont été vérifié par histopathologie (étude
microscopique des tissus). Et sont donc les radiologies ou une tumeur à bien été
détecté.
▪ Les « faux positif » ont aussi été vérifié par une biopsie (prélèvement d’une petite
partie d’organe ou de tissus en vue d’examen), la radiologie montrait une tumeur alors
qu’il n’y en avait pas.
▪ Les « vrai négatif » sont les femmes ne présentant aucun cancer sur les radiologies
après une vérification 18 mois plus tard.
38 CCTV Video News Agency, 2018, «AI Excels Human Doctors in Neuroimaging Recognition Contest in
Beijing » https://www.youtube.com/watch?v=qmHL6T9_NAs
Attention aux informations, je n’ai pas trouvé de documents scientifiques sur le sujet, hormis des articles
journalistiques sans sources. En outre la chaine Cctv est une télévision d’état chinoise fortement lié au pouvoir
en place.
39 S. Pacilè, J. Lopez, P. Chone, T. Bertinotti, J. M. Grouin, et P. Fillard, « Improving Breast Cancer Detection
Accuracy of Mammography with the Concurrent Use of an Artificial Intelligence Tool », Radiology: Artificial
Intelligence, vol. 2, nᵒ 6, p. e190208, nov. 2020, doi: 10.1148/ryai.2020190208.
54
▪ Les « faux négatif » sont définit par la radiologie ou aucune tumeur apparait, mais
qu’après 18 mois, il s’avère que les femmes avaient une tumeur.
La base de données contient 240 cas de patientes, dont l’âge moyen est de 59 ans
(pour une échelle de 37 à 85 ans). 80 cas étaient des « vrai positif », 40 des « faux négatif »,
80 des « vrai négatif » et 40 « faux positif ».
Le système d’IA utilisé a été créé par une entreprise française, Therapixel, basée à
Nice du nom de MammoScreen V1. Elle est conçue pour identifier des régions suspicieuses à
travers un assemblage digital en deux dimensions en utilisant un système de réseau neuronal
de convolution profond (deep convolutional neural networks – Deep CNN).
Pour évaluer la performance de l’IA, l’équipe a pris un échantillon de 14 radiologistes
et a comparé leur diagnostique avec l’analyse de l’IA, puis l’évolution de leur performance
dans leur diagnostique en étant aidée par l’IA.
Figure 19 Figure tirée de l'étude
Le graphique (A) représente la moyenne des courbes de fonction d’efficacité du
récepteur (c’est un système de représentation graphique pour classer les mesures de
performances) des radiologues en jaune, en vert celle des radiologues avec l’aide de l’IA et en
pointillés, l’IA seule.
Le graphique (B) représente la même donnée pour la performance de l’IA dans la
découverte de lésions des tissus mous en jaune et en rouge, la calcification.
55
On constate une amélioration moyenne de la performance moyenne des radiologues
dans le graphique (A). D’après les résultats de l’études, il y aurait une augmentation moyenne
de 18% dans la découverte de cas « faux négatif » et pour les « faux positif », la fausse
détection aurait baissé en moyenne de 25%.
Figure 20 Graphique tiré de l'étude, pour chaque radiologues, l'augmentation (en vert) ou la diminution (en rouge) de sa
performance dans la détection de cancer avec l'aide de l'IA
Selon le graphique ci-dessus, il semblerait que sur une grande majorité (11 sur 14) de
radiologues, l’aide de l’IA dans la lecture de radiologie soit bénéfique et améliore leur
performance. L’étude ne propose pas d’explication pour les trois radiologues ayant eu une
baisse de performance.
7.2. L’IA ET LE DESSIN
7.2.1. LA TECHNOLOGIE DE NVIDIA
NVIDIA a développé une IA nommée GauGAN4041 en hommage au peintre Paul
GAUGAIN et des GAN qui sont son mode de réflexion, qui arrive à créer des images de
synthèse réalistes à partir de plage de couleurs prédéfinies.
40 NVIDIA, GauGAN : https://www.nvidia.com/en-us/research/ai-playground/
56
Cette IA serait « à l’origine pensé pour les architectes, urbanistes et concepteurs de
jeux vidéo souhaitant rapidement créer des images au rendu réaliste » nous dit un article écrit
sur le sujet42
L’utilisation du logiciel est pour le moment assez intuitive. Des outils : pinceau, pot de
peinture, une pipette ainsi que des plages de couleurs correspondant à des éléments de
décors : arbres, montagne, ciel, mer, pont, maison etc…
Figure 21 Interface de la démo
Une « démo » est disponible sur le site de NVIDIA pour tester les outils. L’interface
est très simple et utilise la Beta de l’IA GauGAN
On peut voir sur la Figure 19 un dessin que j’ai réalisé avec un aplat de couleur
correspondant de haut en bas : au ciel, aux montagnes, à de la forêt, à de l’herbe, et à la mer.
Le logiciel a ensuite traité l’image pour en
proposer une image synthétique se basant sur des
photos réalistes en lissant et connectant des textures
pour rendre le tout vraisemblable. Cependant la
version web du programme n’est pas très abouti, les
textures sont un peu floues et cette version ne semble
41 Vidéo explicative de NVIDIA sur YouTube : https://www.youtube.com/watch?v=p5U4NgVGAwg&t=1s 42P. Nicoue, 2019 «Nvidia GauGAN : l’IA qui transforme des croquis en images photoréalistes »
https://www.lense.fr/news/nvidia-gaugan-lia-qui-transforme-des-croquis-en-images-photorealistes/ [En ligne]
Figure 22 Jonction entre la mer et l'herbe qui
n'est pas encore géré de manière sensible
57
pas gérer correctement la jonction de texture pour le rendre réaliste :
Il y a une application bureau, Canvas, qui semble plus poussée, mais je ne peux pas
l’étudier, mon ordinateur ne possède pas de carte graphique suffisamment récente pour
exécuter le logiciel
Sur la figure ci-dessus, on peut voir l’interface43 qui semble plus avancé que celui
disponible sur navigateur. Le logiciel semble aussi plus doué que celui de la version
navigateur.
Pour arriver à ces résultats44, le logiciel s’est entrainé sur une base de données de
dizaines de milliers d’images comprenant des classes sémantiques permettant à l’IA
d’apprendre à reproduire des rendus réalistes en fonction des données qui lui sont fournies par
l’utilisateur.
43 L’application bureau de l’IA GauGAN par NVIDIA : https://www.nvidia.com/en-us/studio/canvas/ [En ligne]
44 T. Park, M.-Y. Liu, T.-C. Wang, et J.-Y. Zhu, « Semantic Image Synthesis with Spatially-Adaptive
Normalization », arXiv:1903.07291 [cs], nov. 2019, [En ligne]. Disponible sur: http://arxiv.org/abs/1903.07291
Figure 23 Interface de l'application Canvas
58
Figure 24 Comparaison de l'image de synthèse obtenue en fonction de différentes bases de données sur un thème urbain
En fonction des bases de données fournis au logiciel, les chercheurs ont analysé la
qualité du rendu que l’IA conçoit d’après une image labelisée, c’est-à-dire qui est dessinée en
plages de couleurs correspondant à des mots clefs. L’image labelisé correspond à une
transformation d’une image réelle pour pouvoir établir une comparaison. Par ailleurs les
chercheurs ont établi leur propre base de données (nommée « Ours », soit « notre ») et qui
semble être une des plus performante par rapport aux autres bases de données.
7.2.2. GENERATION DE PLAN
Pour la conférence annuelle de l’association pour le design assisté par ordinateur en
architecture, ACADIA (Annual Conference of the Association for Computer Aided Design in
Architecture), une équipe de deux étudiants a choisi de modéliser une intelligence artificielle
utilisant les generatives adversiale network pour générer des plans d’appartements45.
Ils ont utilisé la même méthode que pour l’IA Gaugan avec la labélisation des données
en fournissant à l’IA une base de données
45W. Huang et H. Zheng, « Architectural Drawings Recognition and Generation through Machine Learning »,
http://papers.cumincad.org/cgi-bin/works/paper/acadia18_156
59
Figure 25 Gauche : Dessin du plan. Milieu : image labelisée. Droite : règle de labélisation
Une fois l’intelligence artificielle suffisamment entrainée à déduire les images
labélisées à partir des plans, il a été possible de lui apprendre à créer des plans à partir
d’images labelisées.
Les auteurs concluent l’étude en ouvrant une hypothèse sur le fait qu’il est possible
que d’ici peu, l’IA soit facilement capable de générer des plans à partir de paramètres que
l’architecte choisira. Lui permettant d’augmenter l’exploration de solutions créatives de
manière fonctionnelle ou formelle.
7.3. SYNTHESE
L’analyse d’images par l’intelligence artificielle pourrait permettre aux architectes de
gagner du temps sur des tâches répétitives ou contraignantes, et simplifier le métré ou le
relevé d’un bâtiment. On pourrait aussi envisager la détection de défauts de construction au
travers les photos de l’architecte pour aider à la rédaction du compte-rendu de chantier et
éviter au maximum les vices cachés.
Pour la création de plan et de rendu, il est possible de les envisager à court terme avec
l’élaboration de ces intelligences artificielles qui apprennent à dessiner.
60
8. CONCLUSION
A travers l’études des cas de disciplines dans lesquelles l’intelligence artificielle est
appliquée pour me permettre de répondre à la problématique suivante : « Quelles seront les
tâches de la maitrise d’œuvre impactées par l’intelligence artificielle ? », je me suis rendu
compte que :
A court terme l’impact de l’intelligence artificielle sera dans la planification du
chantier, notamment par l’utilisation des generatives adversiale network (GAN) qui permet à
l’ordinateur de générer des milliers voire des millions possibilités46 de planification dont
l’intelligence artificielle a permis de gagner du temps et de l’argent.
Toujours à court terme, l’utilisation des GAN dans l’élaboration de plans semble être
prometteur, si pour l’instant seul des cas d’études ont été fait, l’architecte choisi au final le
plan qu’il trouve le plus pertinent47.Il se pourrait que bientôt, un simple croquis avec les
couleurs adéquates permette de dessiner rapidement un plan normé ou de faire un rendu.
Cependant, je ne peux que supposer que l’utilisation de ce type d’outil pour de la création est
la suite logique de l’utilisation du BIM ou de logiciels de conception paramétrique comme
Rhino et Grasshopper qui en fonction de paramètres que l’on édifie dans l’interface de travail,
l’outil de modélisation en sort une forme que l’on peut faire varier en fonction des paramètres
mis en place48.
A moyen terme, des tâches, comme l’administratif ou les demandes de permis /
dossiers de soumission, seront impactées par l’intelligence artificielle. A travers les cas
d’analyse comme l’IA de la banque JP MORGAN ou du domaine juridique on peut en
conclure que l’aide à la rédaction des documents administratifs pourra aussi se faire dans
l’architecture.
Mais avec l’étude de l’analyse d’imagerie médicale, si cela pourra aussi être à moyen
terme une aide à l’architecture dans les tâches de rapport de chantier, de relevé de bâtiments
existant ou de métré de plans, il s’avère que cela ne se fera que si l’administration publique
(l’état) se joint à une majorité d’acteurs de l’architecture pour développer un logiciel le
46 Comme le montre le cas déjà pratique du centre de santé de Denver (J. CAULFIELD - bbcnetwork, 2018)
47 W. Huang, H. Zheng, 2018, « Architectural Drawings Recognition and Generation through Machine
Learning » http://papers.cumincad.org/cgi-bin/works/paper/acadia18_156 [En ligne]
48 Expérience personnelle dans le cours de conception numérique donnée à la Faculté d’architecture de Liège par
Frédéric DELVAUX
61
permettant. En effet à la différence d’une banque mondiale, ou d’hôpitaux, les architectes
fonctionnent majoritairement de manière plus indépendante avec une multitude de bureaux
opérant à faible effectif49, ce qui rend difficile un apport financier conséquent pour déployer
une intelligence artificielle à court terme.
Un autre constat consiste dans les tâches sociales d’interaction humaine comme les
réunions clients et de chantier, les visites de chantier resteront l’apanage de l’architecte. Le
décisionnel restera aussi le devoir de l’architecte notamment par la responsabilité auprès de la
loi et de son client qu’il a : responsabilité décennale.
Comme le dit Stéphane LUTARD, du conseil national de l’ordre des architectes
français : « L’apport de l’intelligence artificielle ne se résume pas aux seules tâches « nobles
» de la conception. Elle constitue également un outil adapté à la conduite des tâches triviales
et répétitives, laissant l’architecte se concentrer sur la synthèse du projet. L’intelligence
artificielle viendra alors alimenter son processus créatif tout en l’accompagnant sur les
recherches préalables à la conception du projet (recherches réglementaires, techniques,
économiques…). » 50
L’Homme ne sera pas remplacé par l’intelligence artificielle, que l’on puisse se sentir
menacé ou non par son arrivée, mais elle sera une assistance pour l’architecte qui devrait
avoir un travail de synthèse entre l’Homme et la machine.
On peut dès lors se demander comment accompagner les architectes pendant leur
formation pour en plus de leur faire prendre compte les problèmes sociétaux et les enjeux
environnementaux qui s’imposent à notre pratique architecturale, leur faire accepter et les
renseigner sur l’apport d’un nouvel outil de travail…
49 Selon l’ordre des architectes français : « Les agences d'architecture restent de petite taille puisqu'elles
disposent en moyenne de moins de 2 salariés par agence (sondage IFOP pour le CNOA) » :
https://www.architectes.org/la-profession-en-chiffres-0
50 Stéphane LUTARD, « Architecture et intelligence artificielle » https://www.architectes.org/architecture-et-
intelligence-artificielle
62
9. BIBLIOGRAPHIE
Aletras, Nikolaos, Dimitrios Tsarapatsanis, Daniel Preoţiuc-Pietro, et Vasileios Lampos.
2016. « Predicting Judicial Decisions of the European Court of Human Rights: A
Natural Language Processing Perspective ». PeerJ Computer Science 2 (octobre): e93.
https://doi.org/10.7717/peerj-cs.93.
Allen, Bibb, Steven E. Seltzer, Curtis P. Langlotz, Keith P. Dreyer, Ronald M. Summers,
Nicholas Petrick, Danica Marinac-Dabic, et al. 2019. « A Road Map for Translational
Research on Artificial Intelligence in Medical Imaging: From the 2018 National
Institutes of Health/RSNA/ACR/The Academy Workshop ». Journal of the American
College of Radiology 16 (9): 1179‑89. https://doi.org/10.1016/j.jacr.2019.04.014.
Araque P, Barbara. 2018. « Mémoire : Architecture sensorielle - Capturer les émotions dans
l’espace ».
Barraud, Boris. 2017. « Un algorithme capable de prédire les décisions des juges : vers une
robotisation de la justice ? » Les Cahiers de la Justice N° 1 (1): 121.
https://doi.org/10.3917/cdlj.1701.0121.
Beqiri, Rron. 2016. « Architecture and Urban Planning in the age of Artificial Intelligence ».
https://futurearchitectureplatform.org/news/28/ai-architecture-intelligence/.
Borrajo, Daniel, Sriram Gopalakrishnan, et Vamsi K. Potluru. 2020. « Goal Recognition via
Model-Based and Model-Free Techniques ». ArXiv:2011.01832 [Cs], novembre.
http://arxiv.org/abs/2011.01832.
Boton, Conrad, et Daniel Forgues. 2019. « Comprendre l’impact du numérique sur la gestion
de projet en construction ». Lien social et Politiques, no 81 (février): 41‑60.
https://doi.org/10.7202/1056303ar.
Bourdaire-Mignot, Camille, et Tatiana Gründler. 2018. « Intelligence artificielle et
robotisation : la performance de l’IA au prix de la relation humaine ? » Revue des
droits de l’homme, septembre. https://doi.org/10.4000/revdh.4669.
Burdett, Carolyn. 2011. « ‘The Subjective inside Us Can Turn into the Objective Outside’:
Vernon Lee’s Psychological Aesthetics ». 19: Interdisciplinary Studies in the Long
Nineteenth Century 0 (12). https://doi.org/10.16995/ntn.610.
Caulfield, John. 2018. « Tech Report 5.0: AI Arrives ». https://www.bdcnetwork.com/tech-
report-50-ai-arrives.
CCTV Video News Agency. 2018. AI Excels Human Doctors in Neuroimaging Recognition
Contest in Beijing. https://www.youtube.com/watch?v=qmHL6T9_NAs.
Chaillou, Stanislas. 2019. « AI & Architecture ». https://towardsdatascience.com/ai-
architecture-f9d78c6958e0.
Charlet, Jean. 2018. « Intelligence artificielle et santé Des algorithmes au service de la
63
médecine ». https://www.inserm.fr/dossier/intelligence-artificielle-et-sante/.
CIMA. 1988. Intelligence artificielle et CAO en BTP. Hermes.
Cohen, Naftali, Tucker Balch, et Manuela Veloso. 2019. « The Effect of Visual Design in
Image Classification ». ArXiv:1907.09567 [Cs, q-Fin], août.
http://arxiv.org/abs/1907.09567.
« Comparing the Performance of Artificial Intelligence to Human Lawyers in the Review of
Standard Business Contracts ». 2018. LawGeex.
https://images.law.com/contrib/content/uploads/documents/397/5408/lawgeex.pdf.
Conneau, Alexis, Holger Schwenk, Loïc Barrault, et Yann Lecun. 2017. « Very Deep
Convolutional Networks for Text Classification ». In Proceedings of the 15th
Conference of the European Chapter of the Association for Computational
Linguistics: Volume 1, Long Papers, 1107‑16. Valencia, Spain: Association for
Computational Linguistics. https://doi.org/10.18653/v1/E17-1104.
Davenport, Thomas, et Randy Bean. 2019. « AI At JPMorgan Chase—Breadth, Depth And
Change ». Forbes (blog). https://www.forbes.com/sites/tomdavenport/2019/11/12/ai-
at-jpmorgan-chasebreadth-depth-and-change/?sh=1f4d28a110bb.
DE ROSSI ANDRADE, Giulia. s. d. 2020 « les défis de l’utilisation de l’intelligence
artificielle dans le système judiciaire brésilien ».
http://ojs.imodev.org/index.php/RIDDN, 6: 75 à 87.
De Sanctis, Fausto Martin. 2021. « Artificial Intelligence and Innovation in Brazilian
Justice ». International Annals of Criminology 59 (1): 1‑10.
https://doi.org/10.1017/cri.2021.4.
Dodane, Christelle, et Alessandra Del Ré. 2018. « Enfance et langage : voix, corps et
discours ». Cahiers de praxématique, no 70 (décembre).
https://doi.org/10.4000/praxematique.4742.
Ducruet, Catherine. 2019. « L’imagerie médicale à l’heure de l’intelligence artificielle ». Les
Echos (blog). https://www.lesechos.fr/industrie-services/pharmacie-sante/limagerie-
medicale-a-lheure-de-lintelligence-artificielle-1156756.
Dupuis, Olivier. 2017. « l’architecte & ses missions ».
https://www.ordredesarchitectes.be/files/documents/ODA2469-
04_2020_De%CC%81pliant_Missions_Architecte_SITE.pdf.
Fok, Wendy W., et Antoine Picon, éd. 2016. Digital Property: Open-Source Architecture.
Architectural Design. Profile, no 243. London: John Wiley & Sons.
Frimousse, Soufyane, et Jean-Marie Peretti. 2020. « Les changements organisationnels induits
par la crise de la Covid-19 ». Question(s) de management n°29 (3): 105.
https://doi.org/10.3917/qdm.203.0105.
Gramazio, Fabio, et Matthias Kohler, éd. 2014a. Made by Robots: Challenging Architecture
64
at a Larger Scale. Architectural Design Profile 229. London: Wiley., éd. 2014b. Made
by Robots: Challenging Architecture at a Larger Scale. Architectural Design Profile,
229 = [84,3] [d. Gesamtw.]. London: Wiley.
He, Kaiming, Xiangyu Zhang, Shaoqing Ren, et Jian Sun. 2015. « Deep Residual Learning
for Image Recognition ». ArXiv:1512.03385 [Cs], décembre.
http://arxiv.org/abs/1512.03385.
Ho, Dean. 2020. « Artificial Intelligence in Cancer Therapy ». Science 367 (6481): 982‑83.
https://doi.org/10.1126/science.aaz3023.
Hosny, Ahmed, Chintan Parmar, John Quackenbush, Lawrence H. Schwartz, et Hugo J. W. L.
Aerts. 2018. « Artificial Intelligence in Radiology ». Nature Reviews Cancer 18 (8):
500‑510. https://doi.org/10.1038/s41568-018-0016-5.
Huang, Weixin, et Hao Zheng. s. d. « Architectural Drawings Recognition and Generation
through Machine Learning », 10.
Huang, Zhiheng, Wei Xu, et Kai Yu. 2015. « Bidirectional LSTM-CRF Models for Sequence
Tagging ». ArXiv:1508.01991 [Cs], août. http://arxiv.org/abs/1508.01991.
« Japanese company replaces office workers with artificial intelligence ». 2017.
https://www.theguardian.com/technology/2017/jan/05/japanese-company-replaces-
office-workers-artificial-intelligence-ai-fukoku-mutual-life-insurance.
JP Morgan. 2016. « Rapport Annuel 2016 ».
https://www.jpmorganchase.com/content/dam/jpmc/jpmorgan-chase-and-co/investor-
relations/documents/2016-annualreport.pdf.
LeCun, Yann. s. d. « Les Enjeux de la Recherche en Intelligence Artificielle », 7.
Li, Xiaoxiao, et Joao Saude. 2020. « Explain Graph Neural Networks to Understand Weighted
Graph Features in Node Classification ». ArXiv:2002.00514 [Cs], février.
http://arxiv.org/abs/2002.00514.
LUTARD, Stéphane. 2020. « Architecture et intelligence artificielle ». 23 septembre 2020.
https://www.architectes.org/architecture-et-intelligence-artificielle.
Luz de Araujo, Teófilo Emídio de Campos, Fabricio Ataides Braz, Nilton Correia da Silva,
Pedro Henrique, Nilton Correia da Silva, Teofilo Emidio De Campos, et Fabricio
Ataides Braz. 2020. « VICTOR: A Dataset for Brazilian Legal Documents
Classification » Proceedings of the 12th Language Resources and Evaluation
Conference (mai): 1449‑58.
Martin, Louis, Benjamin Muller, Pedro Javier Ortiz Suárez, Yoann Dupont, Laurent Romary,
Éric de la Clergerie, Djamé Seddah, et Benoît Sagot. 2020. « CamemBERT: A Tasty
French Language Model ». In Proceedings of the 58th Annual Meeting of the
Association for Computational Linguistics, 7203‑19. Online: Association for
Computational Linguistics. https://doi.org/10.18653/v1/2020.acl-main.645.
65
Martin, Louis, Benjamin Muller, Pedro Javier Ortiz Suárez, Yoann Dupont, Laurent Romary,
Benoît Sagot, et Djamé Seddah. s. d. « Les modèles de langue contextuels
CAMEMBERT pour le français : impact de la taille et de l’hétérogénéité des données
d’entrainement », 12.
Mohammadi, Mehdi, Ala Al-Fuqaha, et Jun-Seok Oh. 2018. « Path Planning in Support of
Smart Mobility Applications Using Generative Adversarial Networks ».
ArXiv:1804.08396 [Cs, Stat], avril. http://arxiv.org/abs/1804.08396.
Montagnon, Pascal. 2019. « Intelligence Artificielle : L’Ethique Au Coeur Du Débat ».
Forbes (blog). https://www.forbes.fr/technologie/intelligence-artificielle-lethique-au-
coeur-du-debat/.
Nagy, Danli, et Lorenzo Villaggi. 2020. « Generative Design for Architectural Space
Planning ». Autodesk (blog). https://www.autodesk.com/autodesk-
university/article/Generative-Design-Architectural-Space-Planning-2020.
Nerot, A., et I. Bricault. 2021. « Introduction au big data en radiologie et initiation en
autonomie à l’intelligence artificielle ». Journal d’imagerie diagnostique et
interventionnelle 4 (1): 66‑76. https://doi.org/10.1016/j.jidi.2020.05.016.
Nicoue, Paul. 2019. « Nvidia GauGAN : l’IA qui transforme des croquis en images
photoréalistes ». https://www.lense.fr/news/nvidia-gaugan-lia-qui-transforme-des-
croquis-en-images-photorealistes/.
« NVIDIA - GauGAN ». s. d. https://www.nvidia.com/en-us/research/ai-playground/.
Pacilè, Serena, January Lopez, Pauline Chone, Thomas Bertinotti, Jean Marie Grouin, et
Pierre Fillard. 2020. « Improving Breast Cancer Detection Accuracy of
Mammography with the Concurrent Use of an Artificial Intelligence Tool ».
Radiology: Artificial Intelligence 2 (6): e190208.
https://doi.org/10.1148/ryai.2020190208.
Parizel, Paul. 2018. « I’ve seen the future: a competition between physicians and AI ».
https://www.myesr.org/article/1840.
Park, Taesung, Ming-Yu Liu, Ting-Chun Wang, et Jun-Yan Zhu. 2019. « Semantic Image
Synthesis with Spatially-Adaptive Normalization ». ArXiv:1903.07291 [Cs],
novembre. http://arxiv.org/abs/1903.07291.
Picon, Antoine. 2010. Culture numérique et architecture : une introduction. Birkhauser Fr.
Ravi, Vineeth, Selim Amrouni, Andrea Stefanucci, Manuela Veloso, et Prashant Reddy. s. d.
« AI PptX: Robust Continuous Learning for Document Generation with AI Insights »,
10.
Schneider, Par Daniel K. s. d. « Modélisation de la démarche du décideur politique dans la
perspective de l’intelligence artificielle », 440.
66
« Se préparer pour l’avenir de l’informatique ». s. d. Intel (blog).
https://www.intel.fr/content/www/fr/fr/business/resources/future-of-it.html.
Teicholz, Paul. 2013. « Labor-Productivity Declines in the Construction Industry: Causes and
Remedies (Another Look) ».
https://www.aecbytes.com/viewpoint/2013/issue_67.html.
Turner, Duncan, Billy Bradley, Richard Brown, Rachel Free, Kushal Gandhi, et Charles
Kerrigan. 2018. « Banking on AI in financial services ».
https://cms.law/en/gbr/publication/banking-on-ai-in-financial-services.
VILLANI, Cédric. 2018. « Donner un sens à l’intelligence artificielle ». Pour une stratégie
nationale et européenne. https://www.dila.premier-ministre.gouv.fr/actualites/toutes-
les-actualites/innovation-donner-un-sens-a-l-intelligence-artificielle.
Vinogradoff, Luc. 2016. « L’intelligence artificielle n’est pas raciste, mais pas neutre non
plus ». Le Monde (blog). 9 septembre 2016. https://www.lemonde.fr/big-
browser/article/2016/09/09/l-intelligence-artificielle-est-elle-
raciste_4995302_4832693.html.
VITTORI, Jean-Marc. 2020. « Cette épidémie qui accélère la transition numérique ». Les
Echos (blog). https://www.lesechos.fr/idees-debats/editos-analyses/cette-epidemie-
qui-accelere-la-transition-numerique-1194534.
Wachter, Serge. 2009. « Promesses et impasses de l’architecture numérique ». Flux n° 78 (4):
24. https://doi.org/10.3917/flux.078.0024.
Wang, Xiangyu. 2012. « BIM Handbook: A Guide to Building Information Modeling for
Owners, Managers, Designers, Engineers and Contractors ». Construction Economics
and Building 12 (3): 101‑2. https://doi.org/10.5130/AJCEB.v12i3.2749.