💻 computer science

How Many Visual Levers Drive Urban Perception? Interventional Counterfactuals via Multiple Localised Edits

Ce papier propose un cadre d'intervention par « leviers » visuels permettant de transformer des modèles de perception urbaine purement corrélatifs en outils explicatifs capables d'identifier quels changements locaux spécifiques influenceraient le jugement humain sur des attributs tels que la sécurité.

Auteurs originaux : Jason Tang, Stephen Law

Publié 2026-04-27

📖 3 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Jason Tang, Stephen Law

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le titre : « Quels sont les leviers visuels qui changent notre perception de la ville ? »

Imaginez que vous marchez dans une rue. Sans même y réfléchir, votre cerveau vous chuchote : « Ici, je me sens en sécurité » ou « Ici, je ne me sens pas très à l'aise ». Mais pourquoi ? Est-ce à cause de l'éclairage ? Des graffitis ? De la présence de plantes ?

Jusqu'à présent, les ordinateurs arrivaient à deviner ce sentiment, mais ils étaient incapables d'expliquer le "pourquoi" précis. Ils voyaient des corrélations, mais ils ne savaient pas manipuler la réalité pour tester leurs théories.

L'analogie du "Tableau de Bord de la Ville" 🕹️

Les chercheurs de l'UCL ont imaginé que chaque rue est comme un immense tableau de bord avec plein de petits leviers invisibles.

Un levier pour la "propreté".
Un levier pour la "verdure".
Un levier pour l'état des trottoirs.

Leur but ? Tester chaque levier un par un pour voir lequel, lorsqu'on le bouge, change radicalement notre sentiment de sécurité.

La méthode : Le "Photoshop Magique" et le "Juge Robot" 🤖🎨

Comme on ne peut pas aller dans la vraie rue et repeindre un passage piéton juste pour une expérience, les chercheurs ont utilisé une méthode très moderne :

Le Planificateur (L'Architecte) : Un programme regarde la photo et dit : "Tiens, sur cette photo de San Francisco, on pourrait essayer de retirer les graffitis ou d'ajouter des fleurs."
Le Générateur (Le Peintre Magique) : Une Intelligence Artificielle (comme un Photoshop ultra-intelligent) modifie la photo pour appliquer le changement. Elle crée une version "alternative" de la rue.
Le Critique (Le Gardien de la Réalité) : C'est l'étape cruciale. L'IA fait parfois n'importe quoi (elle transforme un arbre en dinosaure par erreur !). Un deuxième robot vérifie : "Est-ce que la rue ressemble toujours à la même ? Est-ce que c'est réaliste ?" Si le changement est trop bizarre, on jette la photo.
Le Scoreur (Le Thermomètre de l'Humeur) : Enfin, un dernier programme analyse la nouvelle photo et donne une note de "sécurité".

Ce qu'ils ont découvert (Les premiers résultats) 🔍

Ils ont testé cela sur 50 scènes dans des villes comme Amsterdam, Singapour ou Santiago. Voici ce qui ressort :

Le levier "Infrastructure de mobilité" est le plus puissant : Repeindre un passage piéton ou des lignes au sol semble booster instantanément le sentiment de sécurité dans les calculs de l'IA. C'est comme si une route bien marquée disait au cerveau : "Ici, tout est sous contrôle."
Le levier "Entretien physique" fonctionne très bien : Nettoyer les déchets ou réparer une façade change la donne.
Le paradoxe de la verdure : Ajouter des plantes rend la rue plus agréable, mais attention ! Si on ajoute trop de buissons qui cachent la vue, l'IA (et peut-être les humains) pourrait se sentir moins en sécurité car on ne voit plus ce qui se passe derrière.

En résumé : Pourquoi c'est important ? 🏙️

Ce n'est pas juste un jeu de manipulation d'images. Si on arrive à comprendre précisément quels "leviers" visuels changent le moral des citadins, les urbanistes pourront concevoir des villes plus apaisantes.

Au lieu de construire des bâtiments au hasard, ils pourront savoir : "Si on répare ce mur et qu'on trace ce passage piéton, les gens se sentiront 20% plus sereins en marchant ici."

C'est le passage de la "devinette" à la "recette précise" pour créer des villes où l'on se sent bien.

Résumé Technique : Combien de leviers visuels pilotent la perception urbaine ?

Ce document présente un cadre de recherche innovant visant à transformer l'explicabilité des modèles de perception urbaine (comme la perception de la sécurité, de la richesse ou de la vivacité) d'une approche purement corrélative vers une approche interventionnelle et contrefactuelle.

1. Problématique (Le Problème)

Les modèles actuels de vision par ordinateur capables de prédire des attributs subjectifs de l'environnement urbain (ex: "ce quartier semble sûr") sont limités par leur nature "boîte noire". Bien qu'ils identifient des corrélations, ils ne permettent pas de répondre à la question causale : « Quels changements visuels localisés et plausibles modifieraient réellement le jugement humain pour cette scène spécifique ? » Les méthodes d'explicabilité classiques (Saliency maps, SHAP) indiquent où le modèle regarde, mais pas ce qu'il faudrait changer pour modifier la perception.

2. Méthodologie (Le Cadre d'Intervention)

Les auteurs proposent un protocole de contrefactuels basés sur des "leviers" (levers). Un levier est défini par un quadruplet $l = (c, s, d, \tau)$ : un concept sémantique ( $c$ ), un support spatial dans la scène ( $s$ ), une direction d'intervention ( $d$ , ex: ajouter/supprimer) et un modèle d'édition contraint ( $\tau$ ).

Le processus se déroule en trois phases :

Construction des candidats : Un planificateur basé sur un modèle de langage-vision (VLM) identifie des concepts théoriquement fondés (ex: végétalisation, entretien, éclairage) et les ancre spatialement dans l'image.
Intervention stochastique et Audit de validité : Des modèles de diffusion (type prompt-conditioned editing) génèrent des versions modifiées de l'image. Chaque modification subit un audit de validité automatisé par un VLM pour garantir quatre critères : la préservation du lieu, la localité de l'édition, le réalisme et la plausibilité. Seules les éditions validées entrent dans l'analyse.
Évaluation par proxy : Les changements de score de sécurité sont mesurés via un modèle de vision pré-entraîné (ViT-B/16 sur le dataset Place Pulse 2.0). Ce score sert de signal de priorité pour de futures validations humaines.

3. Contributions Clés

Formalisation mathématique : Introduction d'une unité d'explication structurée basée sur l'intervention plutôt que sur l'attribution de pixels.
Pipeline de génération et d'audit : Un système capable de transformer des concepts sémantiques en modifications d'images localisées et vérifiées.
Benchmark pilote : Une étude sur 50 scènes issues de cinq villes mondiales (Amsterdam, Abuja, San Francisco, Santiago, Singapour) pour tester la faisabilité technique.

4. Résultats Principaux

L'étude révèle des tendances directionnelles importantes via le proxy de sécurité :

Infrastructures de mobilité : C'est la famille qui génère les plus grands gains de sécurité perçue (+0,579), notamment via le marquage au sol et les passages piétons.
Maintenance physique : Cette catégorie montre les résultats les plus constants et larges (nettoyage, réparation de façades, retrait de graffitis).
Aménités environnementales : Les résultats sont hétérogènes ; l'ajout de verdure est très positif, mais la gestion de la canopée (élagage) peut être perçue négativement par le modèle (potentiellement car elle réduit la visibilité).
Diagnostic de faisabilité : Le taux de réussite de l'édition est élevé pour la maintenance, mais reste un défi pour la réparation de l'éclairage (faible taux de validité).

5. Signification et Perspectives

Ce travail marque un changement de paradigme : l'explicabilité ne consiste plus à pointer des pixels, mais à proposer des interventions sémantiquement cohérentes.

Bien que ce pilote utilise un "proxy" (modèle de vision) et non un jugement humain direct, il fournit une méthode pour prioriser les interventions qui méritent une validation humaine. Les auteurs ouvrent la voie à des systèmes d'urbanisme assistés par IA où l'on pourrait tester virtuellement l'impact de projets de rénovation urbaine sur le sentiment de sécurité des citoyens avant même leur mise en œuvre.