Mémoire de fin d'études Proposition d'un outil méthodologique d'optimisation des plans à destination des bureaux d'architecture, basé sur l'intelligence artificielle et intégrant le critère environnemental de la lumière naturelle

Abstract

Ce travail de fin d’études propose une méthodologie d’optimisation des plans architecturaux intégrant l’intelligence artificielle et le critère environnemental de la lumière naturelle. Dans un contexte de transition écologique et de développement des outils numériques, la recherche explore comment les technologies d’optimisation et de génération assistée par IA peuvent être mobilisées dès les premières phases de conception afin d’améliorer la qualité spatiale, la performance environnementale et l’efficacité du processus architectural. L’étude combine une analyse théorique des méthodes d’optimisation, une comparaison de logiciels intégrant l’IA, des entretiens avec des bureaux d’architecture et une expérimentation appliquée à un cas d’étude en région liégeoise. Les résultats mettent en évidence le potentiel des outils d’IA pour accélérer l’exploration de solutions et intégrer plus tôt les critères environnementaux dans la conception. Le travail aboutit à la proposition d’un cadre méthodologique destiné à accompagner les architectes dans l’adoption de pratiques de conception plus performantes et durables.

This final-year project proposes a methodology for optimizing architectural plans that integrates artificial intelligence and the environmental criterion of natural light. Within the context of ecological transition and the development of digital tools, the research explores how AI-assisted optimization and generation technologies can be mobilized from the earliest stages of design to improve spatial quality, environmental performance, and the efficiency of the architectural process.

The study combines a theoretical analysis of optimization methods, a comparison of AI-integrated software, interviews with architectural firms, and an experiment applied to a case study in the Liège region. The results highlight the potential of AI tools to accelerate the exploration of solutions and integrate environmental criteria into the design process earlier. The work culminates in the proposal of a methodological framework to support architects in adopting more efficient and sustainable design practices.