Ce projet vise à développer le prototype d’un instrument algorithmique capable de caractériser un grand nombre de rues urbaines pour la recherche en architecture et en urbanisme. Son but est d’aborder d’un autre angle les notions sœurs d’identité du lieu et d’esprit du lieu, deux idées clés pour les concepteurs du milieu bâti. Les deux puisent leurs sources dans le genius loci, ou le « génie du lieu », qui était pour l’Antiquité un esprit protecteur du lieu. S’il ne s’agit plus d’affirmer dans un contexte scientifique l’existence d’un génie de ce genre, le problème demeure que l’identité du lieu, sa singularité, ne peut pas être caractérisée de manière exhaustive. Les recherches scientifiques sur l’identité du lieu remontent au milieu du siècle précédent. Les modèles mathématiques de l’époque issus de l’économie urbaine ne permettaient pas de saisir la nature singulière des lieux. Les scientifiques ont répondu à cette lacune en partant de la perception des habitants et des caractéristiques des lieux afin d’asseoir l’identité du lieu dans un sentiment d’attachement et d’appartenance.

 

Nos techniques contemporaines de traitement de données n’ont plus les mêmes défauts que celles du XXe siècle. Contrairement aux modèles statistiques, basés sur une conception théorique des phénomènes, et pour lesquels un grand nombre et hétérogénéité de cas ou de propriétés s’avèrent problématiques, les algorithmes d’apprentissage-machine ont l’avantage de devenir plus performants face aux données « massives » (big data), en tirant profit de l’hétérogénéité de l’échantillon et de la singularité de chaque cas. Les cartes autoadaptatives (self-organizing maps), par exemple, adaptent un réseau neuronal à la structure latente des données. L’identité de chaque cas est approximée en relation à tous les autres cas. Cette approche s’accompagne de considérations méthodologiques supplémentaires qui ont été élaborées récemment en architecture, en philosophie et en mathématiques.

 

Avec les données de presque 600 000 tronçons de rues commerciales et résidentielles du Québec, ce projet pilote cherchera à répondre aux questions suivantes : comment l’instrument caractérise-t-il les rues ? En quoi l’instrument trouve-t-il des similarités inattendues, mais plausibles ? En quoi les résultats confirment-ils ou remettent-ils en question les classifications typiques des lieux employés en architecture ou en urbanisme, que ce soit vue d’en haut ou à la hauteur de l’œil humain ? Pour ce faire, le projet se divise en trois étapes qui seront menées de façon itérative : 1) récolte de données cartographiques ou géoréférencées (p. ex. OpenStreetMap, Données ouvertes, Google Maps, Google StreetView) ; 2) construction du prototype du modèle numérique en Python et déploiement du prototype sur le Web (p. ex. avec le service d’Amazon, AWS) ; 3) tests d’application du modèle, notamment pour la recherche de rues similaires, des promenades urbaines thématiques et la collecte participative de données manquantes. En parallèle aux expériences empiriques, le projet mènera une réflexion théorique sur l’esprit du lieu à l’ère numérique et sur sa complémentarité aux approches phénoménologiques du siècle précédent. Les deux volets feront l’objet de publications et de communications scientifiques au Québec, au Canada et à l’étranger.