METTRE AU CARRÉ L’HYPERSPHÈRE

Agostino Nickl est professeur associé en intelligence architecturale (groupe Design, Data and Society, Université Technique de Delft). Sa thèse de doctorat à l’ETH Zurich explore la manière dont les modèles informatiques peuvent servir d’instruments d’imagination et d’invention plutôt que de simples outils d’automatisation. Nickl a été professeur invité et a animé des séminaires théoriques et des ateliers dans nombre d’écoles et d’universités à l’international (★★★)

Ces espaces latents, dotés de propriétés géométriques et topologiques, peuvent être appréhendés comme autant de manières spécifiques d’indexer le réel, la culture et la mémoire – non plus au travers d’objets finis, ni même de données brutes compressées, mais via des coordonnées au sein de distributions continues structurant l’espace des possibles.

2022 marque la diffusion de Chat GPT 3.5, premier agent conversationnel d’intelligence artificielle (IA) à destination du grand public. En quelques années, nos relations à ces interfaces donnant accès à de grands modèles d’apprentissage (LLM) sont en passe de transformer nos usages – professionnels et culturels -, affectant le politique autant que l’intime, soulevant critiques et dithyrambes. Les architectes, comme d’autres, se trouvent confrontées à des procédures dont l’intelligibilité est inversement proportionnelle aux performances. Cela fonctionne. Les modalités de communication volontairement abordables, en langage naturel, suffisent à ce que se répète un précédent historique: une normalisation rapide et tacite des usages numériques, telle que la profession l’avait déjà connue avec la diffusion des logiciels de représentation et de conception assistées par ordinateur (CAO) au tournant des années 1990. A nouveau, le numérique est abordé comme un outil que l’on substituerait à d’autres, en vue d’optimiser des processus aux finalités connues. Si la souris imitait le crayon dans le geste de dessin sans paraître le modifier fondamentalement, l’IA supplée à une série de procédés sans développement d’une compréhension (fine) de l’histoire, des mécanismes et des procédures informationnelles à l’œuvre. L’IA nous apparaît à travers une série de menaces, de récits et de spectres planant sur la profession: remplacement, homogénéisation et assujettissement, bien réels, à des logiques et des plateformes propriétaires.

Les modèles d’IA opèrent par apprentissage à partir de corpus de données à grande échelle (aussi dites « massives »). Ces données sont représentées sous forme de vecteurs, formant ensemble des « espaces latents », des structures mathématiques abstraites de haute dimensionnalité. Le développement des réseaux de neurones induit une transformation majeure de notre rapport à l’information: la donnée peut non seulement être analysée, mais encore produite par inférence statistique. La latence de ces espaces est de fait celle des représentations intermédiaires (d’un pixel, d’un token, d’un voxel, etc.), issues de processus de réduction ou de transformation dimensionnelle : elle désigne l’écart entre des représentations apprises par le modèle, au sein duquel peut émerger autre chose que l’existant qui en constitue pourtant la substantifique moelle.

Si c’est l’exploration même de ces espaces et de ses latences qui produit du sens, comment s’y adonner en architecte ? C’est la réflexion que développe Agostino Nickl dans sa thèse de doctorat intitulée The Digital Comedy: An Architect’s Guide to Latent Space, soutenue en 2025 au Chair of Digital Architectonics (ETH Zurich), l’un des rares laboratoires en Europe à travailler sur les déplacements théoriques et épistémologiques que l’apprentissage automatisé induit dans le champ de l’architecture. Nickl s’est embarqué dans une quête empruntant ses conventions à la littérature épique autant qu’aux jeux vidéos. Formé au code, il manipule, en architecte, des corpus massifs de données hétérogènes et multimodales (textes, images, objets, etc.) au travers de modèles apprenants, constituant à la fois les paysages et des instruments lui permettant de s’y positionner et d’y forger des récits. Cette pratique expérimentale interroge la manière dont les architectes, et l’architecture, peuvent encore projeter, joindre ensemble et stabiliser – autant de procédures somme toute classiques – au sein de milieux caractérisés par la profusion, l’irrégularité et le bruit (informationnel). Comment travailler, lire et penser, quand la quantité de textes, de projets, d’images et de sources produites quotidiennement dépassent de loin ce que chercheur ses, architectes ou simples lecteur ices peuvent espérer absorber, qui plus est articuler et synthétiser ? Quelles relations à la technique l’architecture doit-elle (ré)inventer pour opérer au sein d’espaces pluridimensionnels et de procédures probabilistes? L’article inédit qui suit interroge ce que ces grands modèles génératifs font à l’architecture et à sa propension, fondamentale, à penser et à travailler à partir de latences et d’attentes-tout à la fois délais, désirs et projections.

Emmanuelle Chiappone-Piriou

Les architectes, comme bien d’autres professionnel-les, sont à la fois fascinées et déconcerté-es par les nouvelles capacités offertes par les modèles d’IA toujours plus grands, récents et coûteux. Iels se demandent ce que ces modèles peuvent produire images, plans, rendus, plannings, cahiers des charges, variantes – ou quels impacts ils pourraient avoir sur leur pratique: automatisation du travail, uniformisation des goûts, usurpation de la propriété intellectuelle sur les œuvres, accélération de l’uniformisation. Ce sont là des questions légitimes, mais dans la polémique contre et la course vers – les outils de l’IA, l’un des aspects les plus intéressants et les plus importants des modèles destinés aux architectes reste caché derrière le bruit des réseaux sociaux : leurs espaces de représentation latents, où les attentes architecturales se transforment en une géométrie des probabilités.

Alors que la latence désigne généralement le délai avant l’apparition d’une réponse, l’espace latent fait référence à un domaine caché à travers lequel des réponses possibles commencent à prendre forme. Plus précisément, l’espace latent n’est pas un lieu unique au sein d’un modèle, mais une famille d’états et d’espaces de représentation: certains sont activés de manière transitoire pendant la génération, d’autres sont suffisamment stables pour permettre la comparaison et l’extraction organisant ainsi ce que les modèles d’IA ont appris lors de leur entraînement sur des textes, des images ou d’autres médias. Parmi les espaces de représentation, les espaces latents sont particulièrement importants: ils traduisent des textes, des images ou des objets multimodaux en vecteurs, rendant les relations apprises géométriquement mesurables sous forme de distances, d’angles et de proximités¹. Cela devrait susciter une curiosité architecturale, non pas parce qu’il y a là quelque chose de directement visible – malgré ce que le terme représentation pourrait laisser entendre, mais parce que ces espaces de très grande dimension sont devenus des lieux de contact entre le code et la culture, la géométrie et l’attente, et donc entre l’intelligence artificielle et l’architecture. La question architecturale ne porte donc pas sur la visualisation directe de ces espaces, mais sur la manière de s’inspirer de la probabilité sans céder à son attrait – pour, en quelque sorte, mettre au carré l’hypersphère.

METTRE AU CARRÉ L’HYPERSPHÈRE

La sémiotique cette science qui étudie tous les phénomènes culturels comme s’il s’agissait de systèmes de signes², selon la définition d’Umberto Eco occupe une place particulière dans ce débat. L’idée que l’architecture puisse non seulement abriter, enjamber et soutenir, mais aussi signifier, a été avancée il y a plusieurs décennies³. L’IA vient tout juste de faire son entrée dans le domaine de la sémiotique. Plus récemment, des chercheur ses ont proposé de considérer les grands modèles linguistiques (LLM, Large Language Models) comme des machines sémiotiques pour contrer la tendance à leur attribuer une conscience ou une intention⁴, ou comme des agents de sémiosis pour interroger les types de création de sens dont ils sont capables⁵. Mais au-delà des structures dyadiques et triadiques du signe, un autre modèle suggestif est invoqué ici : la sémiosphère⁶. De nature hétérogène, écrit son théoricien Juri Lotman, « la sémiosphère se développe à des vitesses différentes et en des lieux différents. […] Elle a désormais pris un caractère mondial et englobe en son sein l’indication des appels des satellites, les vers des poètes et les cris des animaux.⁷ » A l’instar de la biosphère, la sémiosphère désigne l’espace vivant au sein duquel les signes naissent, circulent, mutent et acquièrent de la valeur⁸. Dans cette perspective, les modèles d’IA générative apparaissent comme des lieux d’échanges significatifs, principalement en raison de leur ancrage dans un cadre culturel où les signes ont un sens une langue, un domaine académique ou une profession, comme l’architecture. Dans un essai sous-titré La sémiotique de l’architecture, Eco va encore plus loin : en posant l’architecture comme une forme de communication de masse, un bâtiment apparaît comme un système codé de signes qui entre en dialogue avec ses destinataires. Une cathédrale véhicule des connotations religieuses, historiques et institutionnelles qui rendent son message lisible même lorsqu’une dimension, telle que la verticalité, devient moins expressive comme c’est le cas des églises miniatures de Manhattan⁹. Suivant ce raisonnement, même un élément architectural plus modeste peut être considéré comme communiquant non seulement sa fonction, mais aussi l’idée culturelle de cette fonction¹⁰. Un toit peut protéger de la pluie, mais évoque aussi le climat; les colonnes peuvent soutenir, autant que véhiculer l’idée de soutien.

Ainsi, lorsqu’une architecte abrite un lieu donné par un toit, iel introduit également toutes les idées qui accompagnent la notion de couverture¹¹. Qu’il soit rouge ou bleu, en polycarbonate ou en cuivre, ce toit s’accompagne d’affinités imaginaires avec les colonnes qui le soutiennent, les tuiles qui pourraient le recouvrir et les attentes culturelles qui le rendent lisible en tant que toit.

Bien qu’Eco et Lotman aient tous deux écrit plusieurs décennies avant l’apparition des modèles actuels d’IA, leurs réflexions trouvent un écho dans notre curiosité contemporaine. Eco explique pourquoi l’architecture peut être interprétée comme une forme de communication; Lotman, pourquoi cette communication ne peut se réduire à un dictionnaire statique de signes. Ensemble, ils permettent de comprendre à la fois l’architecture comme un mode de communication au sein d’un champ culturel capable de lire, de confirmer, de contester et de transformer ses codes, et l’IA comme un opérateur sémiotique. Ironiquement, l’IA tend vers la sémiotique précisément en déstabilisant une structure présupposée: celle selon laquelle les signes seraient disponibles à l’avance en tant qu’unités atomiques signifiantes¹². Les modèles contemporains ne se basent généralement pas sur une analyse sémiotique explicite des signes ni d’ontologies sémantiques qui prédéter-mineraient ce qu’une chose pourrait signifier. Au contraire, leur structure est apprise statistiquement à partir de corpus massifs d’images et de textes, de vidéos et d’enregistrements audio, rassemblés à grande échelle sur le World Wide Web.

SUSPENDRE LE TEMPS

Les architectes connaissent déjà bien les typologies, les taxonomies et d’autres modes de représentation des données hautement structurés, des systèmes de classification aux ontologies BIM (FIG. 1). Dans les espaces latents, cependant, la différence n’est pas ontologique. C’est une question de degré ou de distance¹³. Plutôt qu’un signe au sein d’un code, un élément architectural est un vecteur parmi d’autres¹⁴. Dans de nombreux flux de travail latents, les vecteurs sont normalisés à une longueur unitaire, de sorte que leurs extrémités peuvent être considérées comme situées à la surface d’une sphère unitaire de grande dimension¹⁵ (FIG. 2).

Aujourd’hui, des métriques simples permettent d’explorer les relations entre différents éléments en fonction de leur similarité, ce qui permet d’utiliser ces espaces pour l’indexation et la recherche de sources. Une justification conceptuelle, une image de référence, une description de matériau, un fragment de bâtiment ou une consigne architecturale peuvent être intégrés, comparés, recherchés, regroupés, interpolés et déplacés. Selon le domaine sur lequel les modèles de base sont entraînés – texte, images ou les deux, chaque espace latent est distinct: il témoigne de la taille et d’une architecture de modèle spécifiques, et des données et du régime d’entraînement. Cependant, comme de nombreux modèles sont entraînés sur des corpus qui se chevauchent et des schémas statistiques récurrents, les similitudes structurelles entre leurs espaces de représentation peuvent devenir de plus en plus probables¹⁶. Mais malgré toute cohérence apparente, la géométrie de ces espaces latents est loin d’être uniforme : elle est biaisée, inégale et non linéaire¹⁷.

Cette structure computationnelle rappelle la sémiosphère: une sphère hétérogène, inégale, différenciée en son sein et imprégnée de culture¹⁸. Les similitudes sémantiques réparties sur les surfaces continues des espaces latents évoquent le continuum sémiotique, […] rempli de modèles sémiotiques multivariants¹⁹» imaginé par Lotman. Si l’analogie a ses limites (la sémiosphère est un modèle conceptuel de la vie culturelle, et non un modèle computationnel), elle n’est pas pour autant vide de sens: la sémiosphère nous offre une image théorique d’un continuum d’expression culturelle, tandis que l’hypersphère d’un espace latent normalisé offre une surface sur laquelle certains aspects de ce continuum deviennent opérationnels, même si ce n’est que partiellement et de manière imparfaite. Pourtant, dans leur distribution et leur application massives, les LLM et autres modèles fondateurs génératifs ne peuvent être compris comme de simples représentations, même si leurs espaces latents peuvent remplir cette fonction. Ils ne sont pas seulement des modèles météorologiques de la sémiosphère; ils sont devenus des phénomènes météorologiques intégrés aux modèles. Leurs productions circulent, leurs styles se sédimentent, leurs hallucinations deviennent des références, leurs probabilités deviennent des atmosphères mais surtout, ils façonnent les attentes, l’un des matériaux les plus anciens de l’architecture.

Aussi, à travers des codes communs, « le message architectural devient quelque chose qui séduit le grand public, quelque chose que l’on peut considérer comme acquis, quelque chose auquel on s’attend²⁰», écrit Eco. Alors que l’IA générative produit des imaginaires architecturaux et des modes de raisonnement extrêmement prévisibles – parce qu’ils sont très probables, le contrepoint proposé par Eco prend encore plus d’importance : « L’architecture peut aussi s’orienter vers l’innovation et un contenu informationnel plus riche, allant à l’encontre des attentes rhétoriques et idéologiques existantes.²¹»

Tant qu’un modèle fondateur est entraîné sur des corpus suffisamment vastes contenant des artefacts culturels, son espace latent peut être considéré comme une compression de traces sémiosphériques: il ne s’agit pas de la culture elle-même, ni d’une représentation de la culture en tant que telle, mais d’une abstraction opérationnelle qui rend les attentes architecturales à nouveau vérifiables, et que les architectes peuvent apprendre à sonder, à parcourir et à explorer. Plutôt que de jouer avec les attentes d’une situation vernaculaire locale en s’appuyant sur l’intuition, les architectes peuvent commencer à jouer avec les attentes d’un champ global d’associations acquises. Au lieu de s’engager uniquement dans un système codé de signes, iels peuvent encoder et décoder des concepts, des imaginaires et même des éléments architecturaux vers et à partir de ces espaces latents acquis.

L’architecture devient une articulation locale au sein d’une répartition de probabilités globale. Toute composition peut désormais être envisagée non seulement comme dotée d’un jumeau numérique, mais aussi d’un jumeau vectoriel²² : un profil calculable d’affinités culturelles, de références et d’attentes. Un assemblage générique aura tendance à se situer à proximité de zones denses d’associations familières (FIG. 3). Une composition plus audacieuse pourra établir des relations moins prévisibles sans pour autant devenir illisible (FIG. 4). Mais l’improbabilité à elle seule peut difficilement constituer un critère de qualité architecturale: une répartition d’éléments improbables pourrait être aussi fade qu’une répartition qui s’accorde trop facilement avec ses probabilités. Des hyperparamètres tels que la température qui augmentent l’indétermination lors de l’échantillonnage des réponses peuvent affaiblir les résultats d’un décodage avide, mais son caractère stochastique ²³à lui seul peut difficilement se substituer à la qualité architecturale. Parmi une infinité virtuelle de résultats, il faut de la maîtrise pour proposer quelque chose d’assez lisible pour communiquer, mais d’assez surprenant pour modifier le champ d’attente dans lequel il est reçu, pour élargir les limites sémiotiques de sa localisation au sein de la sémiosphère, pour reprendre les termes d’Eco et de Lotman. En recherchant le rapport de proportion entre le probable et l’improbable, l’architecte est à nouveau chargée de résoudre la quadrature du cercle ²⁴(FIG. 5).

Avec l’IA, au lieu du cercle familier de la géométrie plane, iels doivent traduire les proximités apprises d’une hypersphère inconnue dans l’espace familier que nous habitons: un monde dense de codes et de signes, de culture et de signification.

Les machines probabilistes ne doivent donc pas être considérées comme des outils de contrôle²⁵, mais bien comme des instruments permettant d’explorer l’abondance des associations acquises²⁶. Contrairement aux idées souvent évoquées concernant la menace potentielle d’uniformisation et de production générique, l’IA, maîtrisée, pourrait ainsi révéler le contraire, ce qui serait exprimé dans les résultats générés. Lorsque les représentations latentes sont mobilisées lors de la génération pour faire émerger sur la planche à dessin ce qui est prévisible et plausible, les espaces latents offrent aux architectes des chambres d’écho probabilistes. Si l’IA ne peut pas offrir aux architectes un accès direct à la culture, et encore moins à la signification, elle leur donne un accès indirect à des répartitions acquises de probabilités significatives. Loin d’être des fondations stables, les modèles fondateurs- et les espaces latents à travers lesquels les architectes peuvent sonder leurs relations latentes sont des objets informatiques précieux qui transforment l’attente en géométrie (même s’il y a des pertes), tout en rappelant aux architectes que leurs bâtiments vont au-delà de leur empreinte géométrique. L’intelligence architecturale ne consiste donc pas à travailler avec l’IA ou contre elle, mais à composer avec ses probabilités de manière proportionnée ★

Remarque : cet article s’appuie sur ma thèse de doctorat intitulée The Digital Comedy: An Architect’s Guide through Latent Space.

Remerciements : Je tiens à exprimer ma gratitude à mes directeur ices de thèse, Ludger Hovestadt et Vera Bühlmann, ainsi qu’aux nombreux ses esprits brillantes de la chaire d’architectonique numérique de l’ETH Zurich et de l’ATTP de Vienne, pour leur soutien intellectuel et les discussions qui m’ont aidé à réfléchir à l’IA et à l’architecture en termes abstraits. La notion de sémiosphère a été portée à mon attention lors d’une conversation informelle avec Luigi Cocchiarella à Politecnico di Milano, pendant l’exposition finale du master intitulé Sloppy Studio.

1. Nickl, Agostino. 2025. Navigating CLIPedia: Architectonic Instruments for Querying and Questing a Latent Encyclopedia. Frontiers of Architectural Research, volume 15, issue 2 [en ligne]. Disponible à l’adresse: doi.org/10.1016/j.foar. 2025.08.003 (consulté le 18 juin 2026). ↩︎
2. Eco, Umberto. 1997. Function and Sign: The Semiotics of Architecture. Rethinking Architecture: A Reader in Cultural Theory, edited by Neil Leach, Routledge, p. 173. ↩︎
3. Ibid. ↩︎
4. Picca, Davide. 2026. Not Minds, but Signs: Reframing LLMs through Semiotics. Arxiv [en ligne]. Disponible à l’adresse: doi.org/10.48550/arXiv 2505.17080 (consulté le 21 juin 2026), p. 2. ↩︎
5. Thellefsen, Martin, Muderspach, Bent Sørensen et Dewi, Amalia Nurma. 2025, Generative AI and the Semiosic Reconfiguration of Knowledge Organization a Preliminary Exploration. Journal of Documentation 81, n. 5-6:1181-99 [en ligne]. Disponible à l’adresse: doi.org/10.1108/JD-04-2025-0094 (consulté le 21 juin 2026). ↩︎
6. Picca, op. cit. ↩︎
7. Lotman, Juri et Clark, Wilma. 2005. On the Semiosphere. Sign Systems Studies 33, nº 1: 205-29 [en ligne]. Disponible à l’adresse: doi.org/10.12697/SSS.2005.33.1.09 (consulté le 21 juin 2026), pp. 215, 219. ↩︎
8. Ibid. ↩︎
9. Eco, op. cit. ↩︎
10. Ibid. ↩︎
11. D’après Valéry, Paul. 1956. Dialogues. Traduit en anglais par William McCausland Stewart. Bollingen Foundation Inc., Pantheon Books, p. 97. ↩︎
12. Lotman and Clark, op cit. ↩︎
13. Nickl. 2025, op. cit. ↩︎
14. Nickl, Agostino. 2023. Matter Mutter: Talking Things. Scroope: The Cambridge Architecture Journal, n° 32. ↩︎
15. Nickl, 2025, op. cit. ↩︎
16. Huh, Minyoung, Cheung, Brian, Wang, Tongzhou et Isola, Phillip. 2024. The Platonic Representation Hypothesis. Arxiv [en ligne]. Disponible à l’adresse: doi.org/10.48550/arXiv 2405.07987 (consulté le 21 juin 2026). ↩︎
17. Nickl. 2025, op. cit. ↩︎
18. Lotman et Clark, op. cit. ↩︎
19. Lotman et Clark, op. cit., p. 206. ↩︎
20. Eco, op. cit., p. 188. ↩︎
21. Ibid. ↩︎
22. Nickl. 2025. op. cit. ↩︎
23. Caractère de ce qui relève du domaine de l’aléatoire, du calcul des probabilités. NDLR. ↩︎
24. Voir Alberti, Leon Battista. 2010. On Squaring the Lune. The Mathematical Works of Leon Battista Alberti, edited by Kim Williams, Lionel March and Stephen R. Wassell, Springer Basel [en ligne]. Disponible à l’adresse: doi.org/10.1007/978-3-0346-0474-1 (consulté le 21 juin 2026), pp. 204-208. Voir aussi Hovestadt, Ludger. 2026. On Digital Architecture in Ten Books: A Tractatus. Vol. 2, Books 4-6. Birkhäuser, p. 737. ↩︎
25. Hovestadt, Ludger. 2020. Graphs & Graphics. Atlas of Digital Architecture: Terminology, Concepts, Methods, Tools, Examples, Phenomena, édité par Ludger Hovestadt, Urs Hirschberg, et Oliver Fritz. Birkhäuser [en ligne]. Disponible à l’adresse: doi.org/10.1515/9783035620115 (consulté le 21 juin 2026), p. 204. ↩︎
26. Nickl, 2023, op. cit. ↩︎