Existe-t-il des caractéristiques inhérentes à tous les projets lauréats de concours d’architecture ? Serait-ce possible de cerner ce qui a su les distinguer afin d’élaborer des propositions qui incarnent à leur tour ces caractéristiques ?
—
Dans le cadre de ce projet, c’est en utilisant des algorithmes d’apprentissage automatique (machine learning), soit des réseaux antagonistes génératifs (RAGs ou GANs en anglais), nourris par les données de projets lauréats issus du Catalogue des Concours canadiens (CCC), qu’il fut possible d’aborder ces questions en générant des documents architecturaux pouvant servir à la définition de nouvelles propositions. Il fut aussi possible de produire des descriptifs de projets grâce à des générateurs de texte par chaînes de Markov, aussi nourris par les données de projets lauréats, afin de servir à la lecture et à l’interprétation des documents générés.
—
C’est ainsi en fonction des contraintes du site, des exigences du programme dictées par l’atelier et du catalogue de descriptifs de projet et de dessins architecturaux générés qu’il fut possible d’entreprendre l’élaboration d’un projet ayant le potentiel d’incarner la lauréat-eté.
—
ARC-3018-B H20 : Édifice et artifice : La fabrique du réel, dirigé par Thomas Balaban et Andrei Nejur.
—
GAN : DCGAN-Keras © 2018 DataSnaek : https://github.com/mitchelljy/DCGAN-Keras
—
Chaînes de Markov : Doctor Nerve's Markov Output : Nick Didkovsky, © 1996 Didkovsky/Nerveware
—
Adresse web du CCC : https://www.ccc.umontreal.ca/
—
Merci à Léo, Léo et Gab.