Words, Spaces and Generative AI: Layers of language in contemporary architecture
Cet article soutient que le langage fonctionne comme un matériau de conception critique dans l'architecture contemporaine, particulièrement avec l'essor de l'IA générative, en analysant l'interaction entre le discours, les langages de programmation et les annotations pour proposer un programme de recherche reliant les théories linguistiques aux pratiques de conception computationnelle.
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
Depuis des siècles, les architectes ont traité les mots comme de simples instructions, un moyen d'indiquer aux constructeurs ce qu'ils doivent bâtir. Mais une pensée croissante suggère que le langage est en réalité un matériau de construction en soi, aussi essentiel au design que la brique ou l'acier. Cette idée repose sur une observation simple : nous ne nous contentons pas de décrire le monde avec des mots ; nous utilisons les mots pour façonner la manière dont nous le percevons. Lorsque nous qualifions un quartier surpeuplé de « bidonville », nous le présentons comme un problème à éliminer ; lorsque nous l'appelons « communauté », nous le présentons comme quelque chose à préserver. Ce cadrage intervient avant même qu'une solution ne soit trouvée, guidant notre pensée de manières qui nous échappent souvent. Aujourd'hui, alors que les outils d'intelligence artificielle capables de transformer du texte en images et en modèles 3D se généralisent en architecture, cette relation entre le langage et l'espace est devenue critique. Ces outils ne se contentent pas de suivre des ordres ; ils interprètent la manière désordonnée et métaphorique dont les humains s'expriment pour générer de nouvelles formes. Comprendre comment ces machines lisent nos mots n'est plus seulement un exercice théorique ; c'est la clé pour comprendre comment l'environnement bâti du futur sera conçu.
Le chapitre d'Anca-Simona Horvath, « Words, Spaces and Generative AI », explore cette nouvelle frontière en examinant comment trois couches distinctes de langage s'entrelacent lorsque les architectes utilisent ces nouveaux outils puissants. La première couche est le langage naturel que nous parlons et écrivons quotidiennement, incluant le jargon spécifique que les architectes utilisent pour discuter de leur travail. La seconde couche est le code de programmation qui fait fonctionner les ordinateurs, un langage artificiel fondé sur une logique stricte plutôt que sur la nuance humaine. La troisième couche est constituée des annotations — les courtes étiquettes et descriptions attachées aux millions d'images utilisées pour entraîner ces systèmes d'IA. Horvath soutient que lorsqu'un architecte tape une invite telle que « une bibliothèque durable avec un toit végétalisé », l'IA ne cherche pas simplement une définition. Au lieu de cela, elle navigue dans un réseau complexe où les métaphores humaines, le code informatique rigide et les catégories biaisées de ses données d'entraînement entrent en collision pour produire un résultat.
Pour comprendre comment cela fonctionne, l'article retrace l'histoire de notre conception du langage. Il revient au début du XXe siècle, lorsque le philosophe Ludwig Wittgenstein a suggéré que la communication est comparable à un échange d'images mentales ; nous utilisons les mots pour déclencher des images dans l'esprit des autres. Plus tard, des chercheurs comme George Lakoff et Mark Johnson ont montré que nos esprits sont câblés par des métaphores, utilisant des expériences concrètes pour comprendre des idées abstraites. Par exemple, nous comprenons le temps comme quelque chose qui « coule » ou « vole », traitant le temps comme un fleuve ou un oiseau. Ces métaphores ne sont pas de simples fioritures poétiques ; elles sont la structure même de notre pensée. Dans les années 1970, l'urbaniste Donald Schön a appliqué cela à la conception, arguant que la manière dont nous cadrons un problème détermine les solutions que nous pouvons percevoir. Si nous considérons un pâté de maisons comme une « machine », nous concevons pour l'efficacité ; si nous le voyons comme un « jardin », nous concevons pour la croissance. Ces idées constituent l'ossature de l'interaction humaine avec le design, mais elles créent un défi unique pour les machines.
L'article se tourne ensuite vers la mécanique spécifique de fonctionnement des outils de texte-vers-image et de texte-vers-3D. Des études récentes montrent que ces systèmes peuvent générer des plans de bâtiments, des structures de ponts et même des styles d'habitat vernaculaires à partir de descriptions textuelles. Cependant, les résultats révèlent souvent un écart entre l'intention humaine et le résultat de la machine. Par exemple, lorsque des chercheurs ont demandé à l'IA de générer des maisons traditionnelles de Turquie, du Japon et du Mexique, les modèles ont réussi à copier le style visuel — la forme des toits et la disposition des fenêtres — mais ils ont souvent manqué la logique culturelle profonde et la signification sociale derrière ces formes. L'IA a produit des images visuellement plausibles mais sémantiquement pauvres, dépourvues du riche contexte qu'un architecte humain comprendrait. Une autre étude a révélé que lorsque les architectes utilisaient ces outils sans méthode structurée, les résultats n'étaient souvent que des collections aléatoires de formes qui ressemblaient à des bâtiments mais n'avaient aucun sens fonctionnel. Les chercheurs suggèrent que pour obtenir de meilleurs résultats, les architectes doivent traiter le « prompting » non pas comme une simple commande, mais comme un acte de communication sophistiqué qui nécessite de comprendre les règles cachées de la machine.
Une partie importante de l'article se concentre sur la couche cachée du langage : les annotations qui alimentent ces systèmes. Le jeu de données le plus célèbre utilisé pour entraîner les IA génératrices d'images, appelé ImageNet, contient plus de 14 millions d'images organisées en plus de 20 000 catégories. Ces catégories n'ont pas été choisies au hasard ; elles étaient basées sur un dictionnaire de mots appelé WordNet, qui organise les concepts de manière hiérarchique. Cela signifie que l'IA a appris à voir le monde à travers un prisme humain spécifique, incluant nos biais et nos suppositions. L'article souligne que ce jeu de données a classé des personnes de manière offensante, en les regroupant sous des diagnostics psychiatriques ou des insultes, car les étiquettes humaines originales contenaient ces préjugés. Lorsqu'une IA génère l'image d'une « famille » ou d'un « professionnel », elle puise dans ces catégories défectueuses. La machine ne sait pas ce qu'est une famille ; elle sait seulement comment le mot « famille » était statistiquement lié à certaines images dans ses données d'entraînement. Cela révèle que l'IA n'est pas un observateur neutre, mais un miroir reflétant la manière spécifique, et souvent biaisée, dont les humains ont organisé leurs connaissances.
L'auteur conclut que pour que l'architecture progresse avec ces outils, le domaine doit prendre le langage au sérieux en tant que matériau de conception. Cela signifie dépasser l'idée qu'une invite est une simple instruction. Au lieu de cela, les architectes doivent comprendre « l'incarnation » de la machine — le fait qu'elle traite l'information différemment d'un cerveau humain. Tandis que les humains expérimentent le monde à travers leur corps et leurs sens, les systèmes d'IA expérimentent le monde à travers les données et les motifs. L'article suggère que les recherches futures devraient examiner de près comment les différentes langues et cultures façonnent la pensée conceptuelle, et comment ces différences pourraient être perdues ou déformées lors de la traduction en code machine. Il appelle à une nouvelle approche qui combine la précision de l'informatique avec la nuance de la communication humaine. En étudiant comment les mots façonnent nos images mentales et comment ces images sont traduites en code, les architectes peuvent commencer à exploiter tout le potentiel de l'IA générative, garantissant que les bâtiments du futur ne soient pas seulement visuellement frappants, mais aussi profondément significatifs et culturellement résonnants.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.