Isles Of Dreams, Miami Beach

Distinctions

Discipline : Architecture

Catégories : Autres catégories en architecture / Architecture assistée par IA : Certification argent

Isles of Dreams est une proposition mixte de grande envergure conçue par ODP Architects pour Sunbeam NBV dans le cadre d’un masterplan plus large visant à redéfinir et revitaliser l’identité de North Bay Village. Le projet s’inscrit dans une ambitieuse stratégie de requalification urbaine axée sur la reconnexion de la ville à son caractère riverain et sur l’introduction d’un nouveau langage architectural pour le quartier.

Au cours du développement du projet, des techniques de conception computationnelle et des flux de travail assistés par apprentissage automatique ont permis d’informer et d’optimiser le système de façade. Le bâtiment n’a ni été conçu ni généré par intelligence artificielle, et il ne s’agissait pas non plus d’une démarche computationnelle spéculative. L’IA a plutôt été utilisée comme un outil de conception ciblé, intégré à un processus de conception dirigé par des architectes et géré avec rigueur.

Le système de façade a été développé à l’aide d’un flux de travail paramétrique dans Grasshopper, intégré à Rhino et Revit pour la modélisation géométrique, la coordination et la documentation. Des systèmes de points attracteurs ont guidé les dynamiques de façade à travers l’ensemble du projet, permettant un contrôle localisé précis de la densité, de l’espacement, de la porosité et de l’articulation en réponse à des critères formels et à des facteurs environnementaux.

Afin d’accélérer les itérations et d’améliorer la prise de décision, un modèle léger de machine learning LunchBox ML a été entraîné à partir d’études antérieures sur les façades et les attracteurs, ainsi que sur des options paramétriques développées pendant le processus de conception. Des indicateurs de performance tels que la qualité des vues et les performances en matière de gain solaire ont été intégrés au jeu de données, permettant au modèle de révéler des corrélations entre les paramètres des attracteurs et les résultats de façade.

Le modèle d’apprentissage automatique ne générait pas directement la géométrie. Il produisait plutôt des ajustements ciblés de paramètres, tels que des multiplicateurs de densité, des décalages de rotation, des contrôles d’espacement et des biais de porosité, qui étaient ensuite réintégrés dans le script paramétrique principal. Cette approche a permis à l’équipe de conception d’évaluer et d’orienter efficacement les performances de la façade tout en conservant une maîtrise complète de l’intention architecturale et de la géométrie.

Le flux de travail résultant intègre la conception computationnelle, l’analyse environnementale et un apprentissage automatique léger dans un processus concret de réalisation de projet architectural. Plutôt que de remplacer l’auteur architectural, ces outils ont renforcé le développement d’un système de façade complexe répondant aux exigences d’échelle et de coordination d’une importante proposition de requalification urbaine.

Le projet en images