Design génératif : le projet produit par la machine ?
Techniques actuelles et pistes de co-conception homme-machine

Un concours d’architecture, quelque part en Europe.
Pendant que l’équipe rentre chez elle, un script continue à tourner sur le serveur du bureau. Au petit matin : 2 000 variantes de plan, chacune évaluée sur la lumière, la compacité, la structure, le bilan carbone, l'organisation interne, etc.
Sur l’écran, un nuage de points : chaque point, un projet possible.
Question qui dérange : si la machine a généré les options, qui est vraiment l’auteur du projet ?

Et, plus intéressant encore pour nous : comment faire du générative design un co-concepteur, et non un remplaçant ?

🧩 Ce que le design génératif change vraiment


Sous le terme un peu intimidant de generative design (= design génératif), on désigne un ensemble de méthodes où l’on :

  1. définit des objectifs (énergie, coût, confort, carbone, etc.) ;
  2. fixe des contraintes (gabarits, règlements, structure, PEB…) ;
  3. laisse un algorithme explorer des milliers de variantes ;
  4. puis on choisit et retravaille quelques solutions.

Autodesk définit ainsi le design génératif comme un moyen d’explorer rapidement des alternatives en fonction de vos objectifs, contraintes et entrées, pour prendre des décisions plus informées.

La rupture n’est pas seulement formelle, elle est surtout processuelle : on passe d’un mode « je dessine et j’ajuste » à un mode « je formule un problème, j’explore un champ de possibles, je décide ».
Le geste de conception se déplace : moins dans le dessin d’une variante unique, davantage dans la définition du champ de jeu et dans la lecture critique des résultats.

💡 Conseil

Si vous démarrez : oubliez la tour iconique. Choisissez un sujet très concret (trame de poteaux, orientation de logements, optimisation d'un brise-soleil) et utilisez le design génératif pour ouvrir la discussion dans l’équipe plutôt que pour « trouver la forme magique ».


🚫 Sous le capot : algorithmes, données… et limites

Le design génératif n’est pas un logiciel unique, mais une chaîne d’outils :

  • un modèle paramétrique (Grasshopper, Dynamo…) pour décrire la géométrie en paramètres ;
  • un moteur d’exploration/optimisation (Galapagos, Wallacei…) qui génère et trie des centaines de solutions ;
  • des simulateurs (énergie, lumière, confort, structure, coût, carbone) qui évaluent chaque variante ;
  • parfois, des modèles d’IA qui accélèrent les prédictions ou génèrent des géométries pré-optimisées.


Au niveau théorique, Caetano, Santos et Leitão proposent une taxonomie entre paramétrique, génératif et algorithmique : le génératif se distingue par sa capacité à produire des solutions à partir de règles et de processus, plutôt que de seulement mettre à jour une forme paramétrée.

Côté pratique, les workflows publiés montrent que l’architecte/ingénieur ne disparaît pas : il devient chef d’orchestre de cette chaîne. Et c’est là que les premières limites apparaissent :

  • si vos critères sont mal définis, vous optimisez « à côté » de l’enjeu réel ;
  • si vos données sont médiocres (mauvais climat, coûts approximatifs, hypothèses ACV simplistes), les résultats sont trompeurs ;
  • si vous ne documentez pas vos scripts, vous ne pouvez plus expliquer pourquoi telle option a été privilégiée.

⚠️ Attention

Un outil génératif est un amplificateur : il amplifie la qualité de vos questions… ou de vos approximations.
Avant de « lancer » un millier de variantes, prenez le temps de valider vos hypothèses (données climatiques, scénarios d’usage, conventions carbone, etc.).



🤝 Co-conception homme–machine : un dialogue, pas un bouton magique

Les retours d’expérience et la recherche (notamment les travaux de Jani Mukkavaara sur l’exploration de l’espace de solutions en architecture) montrent que le design génératif fonctionne bien lorsqu’il est intégré comme un cycle de dialogue.

Une séquence typique dans un bureau :

1. Cadrage humain

  • L’équipe choisit 3–5 objectifs clés : compacité, ensoleillement, confort d’été, structure, énergie grise…
  • On décide des variables actionnables : profondeur de plan, hauteur, orientation, trame structurelle, proportion vide/plein, etc.

2. Exploration par la machine

  • Le moteur génère des centaines ou milliers de solutions.
  • Chaque solution est évaluée par des scripts (énergie, flux, structure, coût approximatif).

3. Lecture critique par les concepteurs

  • Visualisation de l’« espace de solutions » : nuages de points, diagrammes, familles de variantes.
  • Sélection de quelques solutions « extrêmes » (très performantes) et « équilibrées » à discuter avec le maître d’ouvrage.

4. Itérations

  • Ajustement des variables, ajout de critères qualitatifs, élimination de combinaisons absurdes, réécriture du script.


Dans ce scénario, la machine ne décide pas. Elle propose et classe.
L’architecte et l’ingénieur deviennent curateurs-explorateurs : ils choisissent où regarder dans le nuage de points, quelles variantes méritent un dessin détaillé, quelles options sont rejetées pour des raisons non quantifiables (usage, ambiance, esthétique, contexte social…).

💡 Conseil

Organisez des revues de variantes : affichez le nuage de solutions, faites voter l’équipe, demandez-leur pourquoi certaines options attirent l’œil. Vous transformerez un workflow algorithmique en moment de conception en intelligence collective.



⚖️ Responsabilités, réglementation et écologie : un trio indissociable

L’AI Act : un nouveau cadre de fond

Depuis le 1ᵉʳ août 2024, l’AI Act européen est entré en vigueur, avec une mise en œuvre progressive jusqu’en 2027. Il instaure une approche par niveaux de risque :

  • certains usages « inacceptables » sont interdits,
  • les systèmes à haut risque sont soumis à des obligations fortes (gestion des risques, qualité des données, documentation technique, supervision humaine, transparence).

La plupart des workflows de générative design en architecture ne seront pas automatiquement classés « haut risque ». Mais la philosophie de l’AI Act s’applique déjà à notre pratique :

  • être capable d’expliquer comment fonctionne l’outil,
  • documenter les données et hypothèses utilisées,
  • démontrer la présence d’une supervision humaine effective.

En clair : même avec un générateur sophistiqué, la signature reste la vôtre. Ni Revit, ni Grasshopper, ni un script maison ne peuvent porter la responsabilité finale du projet à votre place.


Standardisation vs diversité

Autre enjeu : la standardisation des formes.
Si tout le monde utilise les mêmes plateformes, entraînées sur les mêmes jeux de données, le risque est de produire des architectures très optimisées sur le papier… mais étrangement similaires.

Les travaux sur le design numérique et le design génératif (de Caetano à Agkathidis) insistent au contraire sur le potentiel de ces médias pour diversifier les régimes de forme et de performance, en explorant des zones du champ de possibles difficilement accessibles par un travail manuel.

Et l’écologie dans tout ça ?

Le design génératif est souvent vendu comme un moyen d’« optimiser l’empreinte environnementale ». Il peut effectivement aider à :

  • comparer objectivement des variantes d’implantation ou de gabarit sur la base de leurs besoins énergétiques ;
  • tester des configurations de façades, de protections solaires ou de ventilation naturelle ;
  • explorer des compromis entre carbone incorporé, performances et coûts.

Mais il ne remplace ni une vraie démarche ACV, ni le regard critique sur la pertinence du programme (densité, mutualisation, réemploi…).

💡 Bon à savoir

Couplé aux outils PEB et aux exigences européennes (performance énergétique, confort, carbone), le design génératif peut devenir un allié précieux pour démontrer la qualité de vos choix : scénarios comparés, hypothèses explicites, traçabilité des variantes éliminées.
Mais ni le règlement PEB, ni l’AI Act n’exonèrent l’architecte de son devoir de jugement professionnel.



📍 Par où commencer dans un bureau d’architecture ou d’ingénierie ?

Concrètement, comment passer du concept à la pratique dans un contexte réaliste (temps limité, équipe réduite) ?

Choisir un premier cas d’usage

Visez un problème récurrent :

  • trame de poteaux et rampes dans un parking,
  • implantation de logements sur une parcelle contrainte,
  • orientation et profondeur de plateaux de bureaux,
  • disposition de sheds, brise-soleil ou patios pour le confort d’été.

Monter une « chaîne générative » minimale

Une chaîne simple peut déjà beaucoup apporter :

  1. Modèle paramétrique dans Grasshopper ou Dynamo.
  2. Moteur d’optimisation (Galapagos, Wallacei) pour générer et filtrer les variantes.
  3. 1 ou 2 simulateurs robustes (lumière, énergie, structure de base) pour évaluer les solutions.

Les frameworks de recherche montrent que ce trio – paramétrique + optimisation + simulation – est le cœur d’un workflow génératif efficace.

Organiser les rôles et documenter

  • Identifier un binôme : un·e architecte porteur·se du sens du projet + un·e profil plus « code / données » (ingénieur numérique, computational designer).
  • Documenter systématiquement : scripts, conventions de calcul, critères de sélection, cartes du nuage de solutions.

💡 Conseil

Pensez vos scripts comme des pièces de dossier : un jour, ils pourront justifier une décision face à un client, à un jury ou à un assureur. La documentation est une partie intégrante de la conception, pas une corvée d’après-coup.



🧭 Conclusion : vers un projet « augmenté » plutôt que produit par la machine

Non, le design génératif ne fait pas « le projet à votre place ».
Il déplace le centre de gravité de la conception : de la production d’une seule forme vers la mise en scène d’un champ de possibles.

Dans ce paysage, l’architecte et l’ingénieur :

  • définissent les bons objectifs,
  • contrôlent les données,
  • explorent l’espace des solutions,
  • assument les décisions finales.

La machine, elle, amplifie la capacité d’exploration.
Reste à nous d’en faire un levier pour plus de qualité, de responsabilité et de diversité… plutôt qu’une fabrique automatique de formes standardisées.


💬 Et Maintenant ?

  • Quels aspects de vos projets gagneraient à être explorés par centaines de variantes… et lesquels doivent rester le fruit d’une intuition lente, d’un dessin à la main, d’une visite de site ?
  • Comment intégrer dans vos scripts des critères aujourd’hui peu quantifiés (usage réel, ambiance, appropriation, bien-être) sans les réduire à des chiffres trompeurs ?
  • Comment former la prochaine génération d’architectes et d’ingénieurs à être à la fois concepteurs et traducteurs de ces systèmes génératifs auprès des maîtres d’ouvrage et du grand public ?


Références & liens utiles

Lire tous nos articles sur le numérique...

Cet article est issu d'une collaboration entre intelligence humaine et intelligence artificielle, pour explorer ensemble l’avenir de la conception architecturale.

Cet article est réalisée dans le cadre du projet Construction du Futur soutenu par Digital Wallonia (Agence du Numérique)


Partenaires du projet Construction du Futur : Buildwise, Union Wallonne des Architectes, Embuild Wallonie, Centre de Recherches Routières,  CAP Construction, Infopole et GreenWin


Encore une question ?

Le service des facilitateurs numériques de l'UWA est un projet mené avec le soutien et à l’initiative de la Wallonie.

Pour toute question complémentaire, n'hésitez pas à nous contacter à l'adresse numerique@uwa.be 

Prescrire avec l’IA : utopie ou avenir proche ?
L’intelligence artificielle au service des cahiers spéciaux des charges