La promesse d’un urbanisme augmenté par l’IA 2/2

La H-smart city, moderne et connectée. © ML - Midjourney.
La H-smart city, moderne et connectée. © ML - Midjourney.

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.

Certains concepts mobilisés dans cet article sont volontairement conservés dans leur formulation anglophone (data stewardship, data trust, bottom-up, fit-for-purpose, care, machine learning, Explainable AI, BIM…). Ce choix tient à deux raisons principales :

  1. Un ancrage international : ces notions ont émergé dans la littérature scientifique, technologique et professionnelle principalement en anglais et leurs traductions françaises varient ou restent imprécises. Les employer tels quels permet de rester fidèle à leur contexte d’origine et de faciliter le dialogue avec les travaux internationaux.
  2. Une valeur conceptuelle spécifique : certains termes condensent un cadre théorique, une culture professionnelle ou une approche méthodologique qui se perdrait dans une traduction littérale. Par exemple, care ne signifie pas simplement “soin”, mais désigne une éthique relationnelle de l’attention et de la responsabilité (Tronto). De même, bottom-up et top-down ne renvoient pas seulement à des “approches ascendantes” ou “descendantes”, mais à des visions de la gouvernance et de la planification urbaine.
    L’usage de ces termes n’exclut pas leur appropriation en français : il s’agit plutôt d’accepter une bilinguïté de travail, fréquente dans les domaines de l’innovation urbaine, afin de préserver la précision conceptuelle et la circulation des idées.

L’intelligence de terrain

Mais cette vision oublie une distinction fondamentale : la différence entre l’exhaustivité des données et la compréhension réelle des lieux. Depuis Jacobs1 , Lefebvre2 , Lynch3 , on sait qu’un plan ne saisit pas la vie d’un lieu. Ce travers rejoint une faiblesse déjà ancienne dans la pratique de l’urbanisme : la fascination pour la carte, le chiffre, l’inventaire4 . Trop souvent, on confond l’outil et la finalité. Les collectivités produisent des diagnostics patrimoniaux exhaustifs, mais qui peinent à orienter des choix opérationnels. L’IA risque d’amplifier ce biais : multiplier les données, sans fournir de grille de lecture partagée.

L’expérience montre que les arbitrages ne relèvent pas seulement de la mesure, mais du dialogue et de l’interprétation. À quoi sert de cartographier chaque façade si l’on n’explique pas aux habitants pourquoi certaines sont déterminantes pour la valeur patrimoniale d’un quartier ? L’IA, en se concentrant sur la détection, risque de masquer cette dimension pédagogique et politique du travail urbain. La représentation est performative : ce que l’on mesure se met à exister, ce que l’on ne mesure pas tend à disparaître. Pour éviter le “biais cartographique”, marions deux épistémologies :

  • Top-down5  : données, modèles, risques, indicateurs (îlots de chaleur, ruissellement, albédo, exposition).
  • Bottom-up6  : marches exploratoires, récits d’habitants, inventaires sensibles (odeurs, sons, micro-climats), cartographies participatives, photo-sollicitations.
Un village français, à un certain point de l’espace latent. © ML – Midjourney

La médiation des tensions

Le rôle de l’architecte des bâtiments de France se situe précisément là : dans la médiation. L’ABF peut orchestrer cette double boucle : un modèle propose ; le terrain confirme, infirme, nuance ; le modèle apprend ; le décideur arbitre. La vérité n’est pas dans le modèle : elle émerge du dialogue modèle-terrain. Il ne s’agit pas seulement d’identifier ou de classer, mais d’expliquer, de convaincre, de tenir une ligne. Chaque autorisation d’urbanisme est une négociation entre intérêt privé et intérêt collectif, entre confort immédiat et valeur durable, entre économie massifiée et valeur ajouté du geste artisanal.

Dans la pratique, cela signifie des heures passées en mairie, à écouter les habitants, à expliquer aux élus pourquoi tel projet, apparemment anodin, peut altérer la qualité d’un site. Cela suppose aussi un travail en réseau : des ateliers avec l’agence locale de l’énergie pour expliquer les limites de l’isolation thermique par l’extérieur, des échanges avec les opérateurs de téléphonie pour intégrer les antennes relais dans le paysage, une coordination avec les procureurs pour faire sanctionner les infractions les plus graves.

Ces démarches sont lentes, exigeantes, parfois frustrantes. Mais elles constituent le cœur du métier. Aucun logiciel ne pourra remplacer cette médiation, car elle repose sur une part règlementaire, mais aussi sur la confiance, sur la construction d’un langage commun entre acteurs aux intérêts divergents.

Ce travail de care7 (Tronto8 ) — écouter, traduire, prendre soin — ne peut être automatisé. L’IA peut l’outiller (illustrer, simuler, expliciter) mais non le remplacer. La responsabilité reste humaine.

Un village français, depuis un autre point. © ML – Midjourney.

La responsabilité en nom propre

L’ABF est garant d’un urbanisme du quotidien qui n’a pas été couvert par les grandes théories. Il intervient sur les projets situés en secteurs protégés (abords de monuments, sites patrimoniaux, sites classés) mais reste compétent en tant qu’expert sur l’ensemble d’un département, y compris en dehors des espaces protégés.

Il formule un accord ou un avis (anciennement avis conforme et avis simple), en fonction de l’outil de protection, éventuellement des covisibilités avec le monument, et de la nature de l’intervention. L’instruction couvre un spectre très large : des projets urbains de grande ampleur (ensembles de plusieurs centaines de logements, infrastructures) jusqu’à des interventions ponctuelles (fenêtres, clôtures, volets). La diversité des échelles implique une capacité à passer du détail architectural à la réflexion urbaine globale.

Ce rôle place l’ABF à la jonction entre :

  • l’accompagnement des particuliers : les projets modestes pouvant avoir un impact dans leur répétition ;
  • la négociation avec les opérateurs : grands projets de densification, reconstructions urbaines ou aménagements métropolitains ;
  • le soutien à la création architecturale, loin de l’image d’une créativité innovante s’opposant à un existant conservateur, une opposition stérile dont on peine à sortir.
Une instruction automatisée. © ML DALL-E.

Tel ABF raconte qu’un pétitionnaire lui a envoyé une insertion IA d’abri de jardin. Tel autre évoque ChatGPT pour des notices. L’IA intègre le quotidien. Mais l’ABF est attendu à un autre niveau : il est médiateur entre discours politiques, contraintes environnementales et préservation des qualités patrimoniales :

  • Les exemples récents de requalification métropolitaine illustrent certaines contradictions : la densification parfois excessive, justifiée au nom de l’écologie, produit des effets urbains discutables (construction au contact direct des voies rapides, destruction d’arbres d’alignement compensée par des replantations inadaptées sur les dégagements paysagers des parcs urbains, etc.).
  • Les logiques de filière (fenêtres PVC, polystyrène expansé, standardisation constructive) imposent des solutions toutes faites, souvent incompatibles avec la qualité patrimoniale ou architecturale des lieux.
  • Les démolitions prononcées au titre du péril, parfois utilisées comme un levier d’opportunité foncière, sans justification technique suffisante. Or, en tant qu’architectes, les ABF disposent des compétences pour apporter des contre-expertises solides, encore trop rarement mobilisées.

L’ABF n’oppose pas les politiques publiques apparemment contradictoires : il traduit l’une dans les contraintes de l’autre. L’IA peut accélérer la pédagogie de ces compromis.

La compétence d’une IA

Ce qu’elle peut faire :

  • Classement et repérage : typologies de menuiseries, modénatures, couvertures ; détection d’altérations (changement de menuiserie, percement, ravalement discordant)9  ;
  • Synthèse documentaire : résumés de PLU, chartes, SPR ; différences entre versions ; questions et réponses sur les règles ;
  • Scénarisation : variantes d’implantation, d’emprise, de volumétrie, avec indicateurs (ensoleillement, vues, masques, ruissellement) ;
  • Pré-instruction : tri des dossiers, détection d’incohérences, préparation de courriers types —sans délégation de signature ;

Ce qu’elle ne peut pas faire :

  • Arbitrer quand des valeurs s’opposent (ex. authenticité vs accessibilité, densité vs végétation mature) ;
  • Comprendre le sens d’un paysage vécu, d’un rituel d’usage, d’une mémoire locale ;
  • Répondre du résultat : la responsabilité demeure personnelle. L’IA assiste, elle n’endosse pas ;

Une IA peut être illégitime si elle fige la ville dans un perfectionnisme stérile ou si elle invisibilise des habitants. Son utilisation exige trois garanties :

  • Proportionnalité : recourir à l’IA quand l’enjeu est réel (volume, impact), pas par réflexe10  ;
  • Subsidiarité : laisser aux acteurs de terrain (élus, services, artisans, habitants) la première main ; l’IA intervient à l’appui11  ;
  • Contestabilité : organiser le droit au désaccord argumenté ; publier des avis minoritaires quand ils éclairent la délibération ;
  • Détecter les enjeux patrimoniaux lorsqu’ils n’ont jamais été inventoriés.

Dix principes pour un urbanisme augmenté… et habité

  1. La donnée ne vaut que par le débat qu’elle rend possible.
  2. Petit modèle, grand effet : privilégier le fit-for-purpose12 sobre et local.
  3. Toujours réversible : préférer les solutions et décisions faciles à corriger.
  4. Explicabilité avant performance : mieux vaut un modèle « suffisamment bon » mais compréhensible.
  5. Terrain d’abord : aucune décision majeure sans vérification in situ.
  6. Accompagnement : la pédagogie est un travail ; l’IA aide à le documenter, pas à l’esquiver.
  7. Pluralité des temps : court terme (usages), moyen terme (investissements), long terme (héritage) doivent coexister.
  8. Bien commun : documenter, ouvrir, transmettre ; la ville est un bien partagé.
  9. Soin : considérer l’entretien, la réparation, le modeste comme des actes de projet.
  10. Responsabilité en nom propre : l’IA conseille, l’humain décide.

L’IA comme révélateur, la ville comme promesse

La historical smart city existe déjà : elle hésite, tâtonne, se contredit, mais elle invente des manières d’habiter le futur sans renier le passé. L’IA peut amplifier ses forces (intelligibilité, participation, réversibilité) si nous refusons l’illusion du calcul total. Le rôle de l’ABF n’est pas de sanctuariser contre, mais de médiatiser pour : pour un confort d’été soutenable qui respecte des façades anciennes, pour des filières artisanales qui font paysage, pour des densifications douces qui n’écrasent pas les arbres d’alignement, pour des matériaux qui vieillissent avec grâce.

La ville n’a pas besoin d’oracles : elle a besoin d’arbitres responsables et d’outils honnêtes. L’IA n’est pas l’urbanisme ; elle en sera, peut-être, la bonne conseillère.

  1. Jane Jacobs, The Death and Life of Great American Cities (1961) - Défense de la complexité urbaine et des pratiques quotidiennes, essentielle face aux approches top-down. ↩
  2. Henri Lefebvre, Le droit à la ville (1968) - Fondement théorique pour penser justice urbaine, participation et pouvoir d’usage. ↩
  3. Kevin Lynch, The Image of the City (1960) - Concept de lisibilité urbaine (repères, cheminements) ; clé pour l’expérience sensible des lieux. ↩
  4. Christopher Alexander, A Pattern Language (1977) - Répertoire de solutions spatiales récurrentes ; utile pour penser la continuité avec le patrimoine. ↩
  5. “De haut en bas”, “descendant” décisions ou directives imposées par les autorités centrales, qu’elles soient politiques ou administratives -souvent opposé au bottom-up, il décrit la planification centralisée ou normative, par ex. les règlements de zones, les plans de densification. ↩
  6. “De bas en haut”, “ascendant” -une approche où les décisions ou initiatives viennent des acteurs locaux, des citoyens ou du terrain- cela valorise l’expérience des habitants et des petites équipes, plutôt que de tout décider depuis les instances centrales. ↩
  7. “Soin”, “prise en charge attentive” - concept éthique développé par Joan Tronto et d’autres (Gilligan, etc) : la responsabilité inclut non seulement l’efficacité mais le souci du bien-être d’autrui et de l’environnement. ↩
  8. Joan Tronto, Moral Boundaries: A Political Argument for an Ethic of Care (1993) - Référence majeure sur l’éthique du care ; éclaire la mission de l’ABF comme pratique de soin aux lieux et aux communautés. ↩
  9. Geoffrey Bowker & Susan Leigh Star, Sorting Things Out (1999) - Montre comment les classifications structurent les pratiques ; utile pour penser les normes patrimoniales et algorithmiques. ↩
  10. Dominique Cardon, À quoi rêvent les algorithmes (2015 ) - Expose les dynamiques des algorithmes dans les sociétés contemporaines, en français. ↩
  11. Antoinette Rouvroy, travaux sur la “gouvernementalité algorithmique” - Théorisation du rôle des algorithmes dans la transformation de la gouvernance. ↩
  12. “Adapté à l’usage” ou “proportionné à l’objectif” : l’idée est qu’il vaut mieux entraîner ou utiliser un modèle modeste mais ciblé, qui répond bien à un besoin précis, plutôt que de mobiliser un énorme modèle généraliste, coûteux et opaque ↩
Dans le même dossier