L’intelligence artificielle générative bouscule la conception, la gestion et l’imaginaire de la ville. Elle promet des diagnostics instantanés, des simulations omniscientes et des arbitrages optimisés. Mais l’urbanisme ne se réduit pas à l’algorithme : il se nourrit d’arbitrages situés, de médiations patientes et d’une intelligence collective faite d’usages, de savoir-faire et de mémoire. Au cœur de cette tension, l’architecte des bâtiments de France (ABF) tient un rôle singulier : il relie la rigueur réglementaire au génie des lieux. L’IA peut-elle l’y aider ? Oui, si elle se met au service de la médiation, de l’explicitation et du soin —non si elle prétend substituer un calcul total à la vie des lieux.
NB : Cet article s’appuie sur un ensemble de retours recueillis auprès de collègues ABF autour des usages et des enjeux de l’IA dans nos pratiques. Il propose une synthèse collective, complémentée à l’aide de Chat GPT, rédigée et structurée par France Chapron et Marc Louail.
La smart city et l’urbanisme du quotidien
La smart city s’est imposée dans les années 1990–2000 comme un horizon d’optimisation des réseaux urbains1 : capteurs, plateformes, big data, pilotage en temps réel. On la définit classiquement comme « une ville qui utilise les technologies de l’information pour améliorer la qualité de vie, l’efficacité des services et la durabilité2 ». Cette vision a produit des gains tangibles (gestion des mobilités, réseaux énergétiques, maintenance prédictive3 ), mais elle a aussi laissé à la marge l’urbanisme du quotidien, celui des devantures de commerces affichant les photos des menus, des menuiseries “remplacées sur un week-end”, des réfections de chaussées par la régie communale, des petits murs en pierre remontés par un cantonnier.
Or, la poésie d’un lieu tient à ces détails qui n’en sont pas : une rose trémière surgissant entre deux pavés, la vibration des tuiles plates petites moules, le craquèlement d’une peinture à l’huile de lin qu’il faudra reprendre. Ces gestes modestes et quotidiens contribuent fortement à la qualité des paysages et des villes. Ils sont portés par des acteurs discrets —services techniques, artisans, instructeurs— souvent dévalorisés face aux “grands créateurs” de l’architecture.
NOTA : Certains concepts mobilisés dans cet article sont volontairement conservés dans leur formulation anglophone (voir encadré suivant).
À l’inverse, les mésusages pèsent lourd sur l’harmonie d’un espace protégé. Mais les détails de la fabrique urbaine ont aussi un poids économique. Multipliez des menuiseries PVC par des millions de fenêtres et le détail devient une filière industrielle4 . De même, l’industrie du béton, par la banalisation du parpaing, a supplanté des savoir-faire traditionnels de maçonnerie. Les exemples sont innombrables et la standardisation des pratiques paraît inéluctable. L’IA renforcera cette dynamique ou permettrait-elle, justement, de renverser la table ?
L’ IA smart city, vers une smart city générative
L’IA générative permet d’élargir la smart city au-delà du paramétrique :
- Modèles urbains adaptatifs : génération de variantes de plan, simulations 3D multi-scénarios, optimisation multi-critères (confort d’été, ensoleillement, vues, accessibilité, cycle de vie) ;
- Participation assistée : synthèses automatiques des contributions citoyennes, visualisations compréhensibles, scénarisation d’impacts ;
- Proposition proactive : au lieu de réagir aux flux, l’IA émet des hypothèses d’aménagement, en croisant contraintes, risques, usages et patrimoine.
On pourrait ainsi parler d’une smart city générative : « une ville qui mobilise l’IA pour co-concevoir, simuler et gouverner ses espaces avec les habitants, en articulant efficacité, durabilité et intelligibilité des choix publics. »
L’IA Smart City promet donc de combiner l’intelligence paramétrique avec des outils de conception de la ville qui utilisent des modèles génératifs et des simulations pour optimiser les formes urbaines, et pourquoi pas demain intégrer du machine learning5 pour générer des formes urbaines optimisées en temps réel. L’image d’une ville organique, neuronale et génératrice de sa propre mutation devient tangible6 .
Gouvernance des données : collectif, sobriété, confiance
La smart city générative suppose une gouvernance claire :
a) Bien commun numérique et data stewardship7
Les données urbaines (géométrie, usages, énergie, patrimoine) ne sont pas un gisement privé : ce sont des biens communs qui demandent des règles d’accès, de qualité, de documentation, de traçabilité8 . Des data trusts9 locaux, des licences ouvertes et une comptabilité claire des sources limitent l’opacité des modèles. Le pouvoir vient autant de la métadonnée (qui a produit quoi, quand, pour quoi) que de la donnée elle-même.
b) Sobriété numérique
Former de grands modèles, c’est de l’énergie, de l’empreinte carbone et des ressources matérielles10 . L’urbanisme durable ne peut ignorer la sobriété : privilégier des modèles adaptés (small is beautiful11 ), mutualiser, exécuter en edge computing12 lorsque c’est possible, limiter la rétention indéfinie d’images sensibles (façades, intérieurs visibles, plaques, visages).
c) Confiance et explicabilité
Algorithmes opaques, biais de jeux de données, “neutralité” illusoire : autant de risques13 . En urbanisme, la décision doit être discutable. D’où la nécessité d’explicabilité (XAI14 ), de journalisation des versions, de model cards15 publiques, et de revues contradictoires associant services, habitants et experts.
H-CIM smart city, introduire la profondeur historique
Le BIM (Building Information Modeling) a permis de structurer des jumeaux numériques riches en données. Son prolongement “heritage”, le H-BIM, introduit la valeur patrimoniale comme paramètre : stratigraphie, états successifs, réversibilité, pathologies, authenticité.
Progressivement, cette logique s’est étendue de l’échelle du bâtiment à celle de la ville entière, donnant naissance au CIM (City Information Modeling). La ville devient alors un vaste modèle de données, capable de simuler les impacts d’un projet sur la circulation, l’ensoleillement ou les réseaux. Un H-CIM introduirait la valeur patrimoniale à l’échelle d’une ville : la complexité devient alors vertigineuse. La richesse d’une ville tient au croisement des pensées qui sont à l’origine de ses développements et dont les strates successives ont façonné son profil contemporain. Comment modéliser le genius loci de Norberg-Schulz16 sans l’aplatir ? Comment discrétiser des théorisations aussi diverses que celles de Camillo Sitte17 , Michel Ragon18 , Le Corbusier19 ou encore Rem Koolhass20 ? Comment inclure les méthodologies d’analyse de Françoise Choay21 ou Philippe Panerai22 ?
On sent ici la promesse et la limite du paramétrique : un modèle peut-il intégrer la complexité historique, symbolique et sensible d’une ville ?23
L’illusion d’exhaustivité objective
L’intelligence artificielle promet de cartographier en quelques secondes des milliers de bâtiments, d’inventorier, de croiser automatiquement les données cadastrales avec les bases patrimoniales, de générer des diagnostics presque instantanés sur les tissus urbains, de classer par typologies. Et pourquoi pas, demain, éditer des règlements, définir automatiquement la valeur patrimoniale ? Chaque village pourrait alors avoir son règlement de SPR, son article sur les menuiseries historiques, son référentiel des matériaux et des mises en œuvre mobilisables.
Pour les collectivités, ces outils semblent offrir une garantie d’objectivité et d’exhaustivité : il suffirait de “nourrir” la machine pour obtenir une photographie complète du patrimoine bâti, susceptible d’orienter les politiques locales. Cette perspective est séduisante. Les élus comme les techniciens voient dans ces dispositifs une manière de simplifier les procédures, d’accélérer l’instruction des autorisations d’urbanisme, de sécuriser les décisions. Pourquoi continuer à s’appuyer sur des analyses longues et coûteuses, quand un logiciel peut tout produire en quelques clics ?
Pour lire la suite de l’article, cliquer ici
- Dans son ouvrage La ville des réseaux (1999), Antoine Picon explore l’émergence de la ville contemporaine à travers l’histoire des réseaux, en particulier l’urbanisme haussmannien. ↩
- IBM et Cisco ont joué un rôle central dans la promotion de la smart city, en présentant la ville comme un système optimisé grâce aux technologies de l’information (capteurs, big data, systèmes de gestion) ↩
- William J. Mitchell, City of Bits (1995) - Une des premières théorisations de la ville numérique, annonciatrice de la smart city. ↩
- 58,9 % des fenêtres et huisseries posées sont en PVC sur neuf millions sept de fenêtres installées en 2017 en France, dont 65 % pour le marché de la rénovation ↩
- Apprentissage automatique - le machine learning est un sous-domaine de l’intelligence artificielle qui consiste à entraîner des modèles capables d’apprendre à partir de données plutôt que d’être explicitement programmés. L’IA ne suit pas uniquement des règles codées par un humain : elle découvre des régularités, des corrélations et des structures dans de grands ensembles de données. ↩
- Carlo Ratti & Matthew Claudel, The City of Tomorrow(2016) - Prospective concrète sur la ville numérisée, entre utopies et cas pratiques. ↩
- Gestion responsable des données -en urbanisme, ça veut dire que les données sur l’espace public, les bâtiments, les flux, ne devraient pas être accaparées par des entreprises, mais gérées avec des règles de responsabilité et d’éthique. ↩
- Shoshana Zuboff, The Age of Surveillance Capitalism (2019) - Met en lumière les risques de captation des données et de marchandisation des comportements. ↩
- Gestionnaire de données (trust = confiance) -c’est une structure juridique, inspirée des trusts anglo-saxons, qui gère les données au nom d’un collectif ou d’une communauté, comme un tiers de confiance pour que les habitants puissent confier leurs données urbaines (mobilité, consommation, usages) sans craindre leur exploitation commerciale abusive. ↩
- Kate Crawford, Atlas of AI(2021) - Analyse critique des coûts matériels, sociaux et environnementaux de l’IA. ↩
- Titre du livre de l’économiste E. F. Schumacher (1973) - la durabilité passe par des solutions modestes, locales, adaptées, plutôt que par des mégasystèmes industriels - en IA urbaine, ça veut dire privilégier des solutions locales, explicables, peu énergivores (ex. micro-modèles entraînés sur des petites bases) plutôt que des systèmes géants type GPT appliqués à la ville. ↩
- “Informatique en périphérie” ou “au plus près de la source” -au lieu de tout envoyer dans un cloud centralisé, on traite les données au plus près de l’endroit où elles sont produites (capteurs, smartphones, objets connectés)- réduit la consommation énergétique et protège la vie privée (les données restent locales). Dans la ville, ça veut dire : un lampadaire connecté traite localement les données de luminosité sans les envoyer dans un serveur central. ↩
- Keller Easterling, Extrastatecraft: The Power of Infrastructure Space(2014) - Montre le pouvoir invisible des infrastructures, cadre pour comprendre l’IA comme structure d’action. ↩
- eXplainable Artificial Intelligence -intelligence artificielle explicable- ce sont les méthodes et techniques qui visent à rendre les décisions d’un modèle d’IA compréhensibles par les humains. Contrairement aux modèles dits “boîtes noires” (par ex. un réseau de neurones profond qui donne une décision sans justification claire), le XAI cherche à montrer pourquoi et comment une IA arrive à tel résultat. ↩
- “Fiches modèles” ou “fiches de transparence des modèles” -proposées par Google en 2018, ce sont des fiches standardisées qui documentent un modèle d’IA : comment il a été entraîné, avec quelles données, pour quels usages, quelles limites, quels biais possibles- c’est un outil de transparence et de gouvernance des IA. En urbanisme, cela permettrait de comprendre pourquoi un modèle de prédiction (ex. flux de mobilité, densité) donne tel résultat et pas tel autre. ↩
- Christian Norberg-Schulz, Genius Loci (1980) - Approche phénoménologique de l’esprit du lieu ; met en valeur la dimension existentielle des paysages. ↩
- Camillo Sitte, L’art de bâtir des villes (1889) - Défend la dimension esthétique et sensible de l’espace public, contre les visions purement fonctionnalistes. ↩
- Michel Ragon, Histoire de l’architecture et de l’urbanisme modernes (1971) - Panorama critique des doctrines urbaines ; permet de replacer le numérique dans une longue histoire de modèles. ↩
- Le Corbusier, Vers une architecture (1923) - Symbole de la rationalisation et de la standardisation modernes ; contrepoint aux approches patrimoniales. ↩
- Rem Koolhaas, Junkspace (2011) - Critique de la banalisation des espaces contemporains ; met en garde contre un urbanisme technicisé. ↩
- Françoise Choay, L’urbanisme, utopies et réalités (1965) - Réflexion sur les modèles urbanistiques et leurs écarts avec la pratique. ↩
- Philippe Panerai, Analyse urbaine (1999) - Outil méthodologique pour comprendre la morphologie urbaine et l’articuler au projet. ↩
- Bernard Stiegler, La technique et le temps(1994–2001) - Philosophie de la technique, de la mémoire et du soin ; cadre pour penser responsabilité et transmission. ↩
