La thèse propose une méthode de rétroconception fondée sur l’intégration de la modélisation paramétrique et de l’intelligence artificielle dans un cadre systémique. Elle s’appuie sur un corpus de 29 thermes impériaux romains (11 en Tunisie, 10 en Algérie, 2 en Libye et 6 à Rome). Ces monuments présentent des états de conservation variables, allant du complet au très lacunaire, ce qui limite les approches traditionnelles de restitution. Les chercheurs doivent souvent recourir à des analogies historiques ou à des exemples partiels pour formuler leurs hypothèses. L’objectif est de dépasser ces contraintes en concevant un système capable de prédire, à partir d’éléments fragmentaires, des hypothèses spatiales cohérentes avec les principes architecturaux romains. L’hypothèse centrale suppose qu’une machine peut être entraînée, à partir d’un nombre restreint de plans complets, à compléter un plan fragmentaire. La démarche repose sur deux modèles complémentaires : (1) un parametric dataset model (PDSM) structurant les informations architecturales dans un format numérique modifiable ; (2) un artificial intelligence completion model (AICM), fondé sur l’apprentissage automatique supervisé. L’AICM se compose de cinq sous-modèles successifs destinés à prédire les fonctions des espaces, les manques, leur organisation, leurs gabarits géométriques et l’emprise totale de l’édifice. Cette approche permet : (1) de produire des hypothèses exploitables avant les fouilles ; (2) de constituer un outil pédagogique pour l’architecture, l’archéologie et l’informatique ; (3) d’offrir une structure ouverte, évolutive et collaborative, capable d’intégrer de nouvelles données et de stimuler la conception de thermes inédits.
Naifer, Z. (2025). Rétroconception paramétrique assistée par intelligence artificielle. Cas des thermes impériaux romains en Afrique du Nord. https://hdl.handle.net/2078.5/270893