Accueil > Actualités > Soutenance de thèse de Claire Duclos-Prevet - 12 janvier 2024
mardi 9 janvier 2024
Claire Duclos, doctorante encadrée au MAP-MAACC et en partenariat avec l’agence Architecture Studio, soutiendra sa thèse de doctorat intitulée "La modélisation des processus d’exploration numérique en Architecture : Design génératif, performance et optimisation"
Vendredi 12 janvier 2024 à 14h00.
ENSA de Paris La villette, site Ardennes, 21-23 rue des Ardennes, 75019 Paris - Salle des séminaires - Rdc.
Composition du jury :
Mr. François Guéna - ENSA Paris La Villette - Directeur de thèse
Mr. Philippe Marin - ENSA de Grenoble
Mr. Pascal Terracol - ENSA Paris Val-de-Seine
Mme. Aurélie De Boissieu - Université de Liège
Mr. Xavier Marsault - ENSA de Lyon
Mme. Nazila Kahina Hannachi-Belkadi - ENSA Paris-La-Villette
M. Laurent Lescop - ENSA de Nantes
Résumé :
Les contextes climatiques et réglementaires imposent aux architectes une prise en compte de plus en plus précoce des contraintes environnementales lors la conception de leurs projets. Depuis la fin des années 1990 des méthodes de conception innovantes qui permettent de prendre en compte les paramètres environnementaux en phase amont de projet en s’appuyant sur la puissance de calcul des ordinateurs sont décrites dans la littérature scientifique. Elles suivent toutes une même approche, à savoir l’élaboration d’une technique générative reliant (1) un modèle génératif, souvent paramétrique, pour définir un espace de solutions, (2) un modèle d’évaluation impliquant l’utilisation éventuelle d’outils de simulation, et (3) un modèle d’exploration nécessitant l’usage d’algorithmes métaheuristiques d’optimisation comme les algorithmes évolutionnaires multicritères. Ces méthodes cherchent à reproduire automatiquement et rapidement, et dans des quantités beaucoup plus importantes, le processus itératif qui existe entre architectes et ingénieurs dans la méthode de conception traditionnelle. Toutefois, si elles sont très populaires auprès des chercheurs, elles restent peu utilisées en agence d’architecture. Les suppositions énoncées dans la littérature pour expliquer ce « gap » entre leur intérêt théorie et leur utilisation en pratique restent à démontrer dans un contexte professionnel de conception architecturale. Le premier objectif de cette thèse est d’expérimenter ces techniques sur des projets réels. La quarantaine d’expérimentations réalisées a permis d’identifier de nouveaux verrous sur l’usage de ces pratiques dans un contexte professionnel jusqu’ici non relevés par la littérature, notamment des limites « structurelles » liées aux méthodes de travail et d’organisation des architectes, mais aussi à la nature même du projet d’architecture. D’un point de vue technique, le frein majeur rencontré lors de l’usage de techniques d’optimisation s’est révélé être la difficile intégration de contraintes permettant de restreindre l’espace de solutions à des solutions réalisables. Les méthodes de gestion des contraintes génériques se sont révélées inefficaces lors de nos expérimentations sur ce type de problèmes. Ainsi, le second objectif de cette thèse est d’identifier des méthodes de gestion des contraintes adaptées. Une étude comparative de 7 méthodes a permis de révéler que la méthode des fonctions de réparation qui nécessite l’usage de techniques génératives telles que des modèles à base d’agents peut être très efficace. Ainsi, nous avons entrepris le développement d’une bibliothèque d’outils numériques pour Grasshopper permettant aux architectes d’utiliser des techniques génératives pour faire de l’optimisation multicritère sous contraintes.