Table of Contents

Introduction : Le défi de la préservation de l'intégrité structurelle dans les édifices du patrimoine

Les bâtiments historiques sont des liens tangibles avec notre passé culturel, incarnant l'artisanat, l'art et l'ingénierie des époques lointaines. Des cathédrales médiévales aux anciens ponts de maçonnerie, ces structures sont confrontées à une menace commune : une détérioration progressive causée par l'exposition à l'environnement, la fatigue matérielle et l'activité sismique. La préservation de ces structures nécessite des interventions délicates qui améliorent la sécurité sans effacer le tissu d'origine. Les méthodes traditionnelles de renforcement sont souvent en conflit avec les principes de conservation – les poutres d'acier ou les vestes en béton peuvent renforcer la stabilité mais détruire le caractère historique.

Selon le Conseil international des monuments et sites (ICOMOS)[, de nombreuses structures historiques sont menacées par la négligence, le changement climatique et l'urbanisation. Les lignes directrices de l'ICOMOS soulignent que les interventions doivent être -minimalement invasives et réversibles-critères que l'optimisation multi-objectifs soutient directement.Dans les sections suivantes, nous examinons les fondamentaux de cette technique, ses applications dans le monde réel, et les mesures pratiques que les ingénieurs peuvent prendre pour la mettre en œuvre dans des contextes patrimoniaux.

Qu'est-ce que l'optimisation multi-objectifs?

Dans le domaine de l'ingénierie structurelle, ces objectifs consistent généralement à réduire les coûts, à maximiser la sécurité, à réduire l'utilisation des matériaux et à préserver les caractéristiques esthétiques. Contrairement à l'optimisation mono-objectif (qui donne une solution -Best), le MOO génère un ensemble de solutions de compromis, connues sous le nom de Front de Pareto. Chaque point sur le front de Pareto représente un design où aucun objectif ne peut être amélioré sans en aggraver un autre.

Sur le plan mathématique, le MOO est exprimé comme suit:

Minimis (ou maximisez) f1[(x), f2(x), ..., fk[[] sous réserve de contraintes g(x) ≤ 0 et h(x) = 0, où x représente des variables de conception

]

Pour les bâtiments historiques, les objectifs pourraient être les suivants:

  • Sécurité structurelle[: contrainte maximale sous des charges de conception, résistance sismique ou probabilité d'effondrement.
  • Préservation du patrimoine[: pourcentage de matériel original conservé, impact visuel ou degré de réversibilité.
  • Coût économique: coût total d'intervention, coût du cycle de vie d'entretien ou valeur économique du bâtiment.
  • Impact environnemental: carbone incorporé de nouveaux matériaux, utilisation de l'énergie ou production de déchets.

Les algorithmes les plus populaires pour résoudre les problèmes de MOO sont les Algorithme génétique de tri non dominé II (NSGA-II), [Multi-objectif Swarm Optimization (MOPSO) et Méthodes de somme pondérale. Ces algorithmes sont mis en œuvre dans des logiciels d'ingénierie tels que MATLAB, Ansys et des bibliothèques spécialisées en open-source.

Pourquoi les bâtiments historiques posent-ils des défis uniques en matière d'optimisation

Conflit entre force et authenticité

L'un des principaux défis de l'ingénierie patrimoniale est que les codes structuraux modernes (par exemple ASCE 7, Eurocodes) sont conçus pour de nouvelles constructions avec des matériaux homogènes et des chemins de charge connus. Les structures historiques utilisent souvent des matériaux de pierre irréguliers, des cadres en bois ou des briques non renforcées, des matériaux à grande variabilité et des défauts internes inconnus.

Incertitude dans les propriétés des matériaux et le chargement

Les conditions du sol ont peut-être changé, et les vides ou fissures invisibles peuvent compromettre l'intégrité. Le MOO peut intégrer des modèles probabilistes de résistance du matériau, de variabilité de la charge (vent, tremblement de terre, changement de table d'eau) et d'incertitude de mesure. En générant un front Pareto robuste, les ingénieurs peuvent sélectionner des conceptions qui fonctionnent bien dans une gamme de scénarios plausibles, plutôt que d'assumer des valeurs déterministes.

Conflits entre parties prenantes

Les projets de préservation impliquent souvent de multiples parties prenantes : autorités patrimoniales, collectivités locales, organismes gouvernementaux et propriétaires privés. Chacun peut avoir des priorités différentes – contrôle des coûts, sécurité, valeur touristique ou précision historique. Le MAO fournit un cadre transparent pour montrer comment chaque compromis affecte les objectifs, facilitant le consensus. Par exemple, une communauté locale pourrait accepter un coût légèrement plus élevé si la façade originale reste inchangée, alors qu'une firme d'ingénierie pourrait préférer une solution moins chère mais plus visible.

Applications de l'optimisation multi-objectifs dans les structures patrimoniales

Renforcement des murs et des arcs de maçonnerie

Les murs de maçonnerie non renforcés (URM) sont communs dans les bâtiments historiques. Rénover leur adaptation pour résister aux forces sismiques implique souvent l'application de béton de tir ou l'installation de cadres en acier. Le MOO peut identifier l'épaisseur optimale, la disposition et la composition matérielle des couches de rénovation. Une étude publiée dans le Journal of Cultural Heritage a démontré comment l'optimisation multi-objectifs minimisait à la fois le volume de bandes de FRP ajoutées et l'augmentation de la rigidité (qui pourrait conduire à des concentrations de contraintes imprévues) tout en atteignant les niveaux de résistance requis. Le Journal of Cultural Heritage présente régulièrement de telles études de cas, soulignant l'intégration croissante de l'optimisation dans la conservation.

Remplacements et réparations des toits en bois

Les toits en bois anciens souffrent souvent de dégradation ou de dommages causés par les insectes. En les remplaçant, ils détruisent complètement le matériau d'origine, tout en laissant des points faibles. Le MOO peut optimiser la distribution des joints écharpes, des espèces de bois de remplacement et du nombre de nouvelles fermes. En modélisant le toit comme un système structurel avec des voies de chargement, les ingénieurs peuvent trouver une configuration qui maximise la réutilisation du bois existant tout en respectant les normes modernes de charge.

Positionnement optimal des barres de renforcement dans les arches

Les arcs en pierre ou en brique sont des caractéristiques emblématiques de nombreuses structures historiques. Cependant, ils manquent souvent de capacité de traction. L'ajout de barres de renfort internes (par exemple, tendons en acier inoxydable) dans les canaux forés peut préserver l'apparence extérieure. Le MOO peut déterminer le nombre optimal, le diamètre et l'emplacement des tendons pour minimiser le forage et éviter l'interconnexion des lignes de mortier historiques.

Stabilisation de la Fondation dans des structures sensibles

Les solutions traditionnelles comme le sous-sol avec des pieux en béton peuvent perturber les vestiges archéologiques. Le MOO permet aux ingénieurs d'évaluer les combinaisons d'amélioration du sol, de micro-piles et de coulis pour minimiser la déviation verticale et la perturbation du patrimoine enterré. Ceci a été utilisé dans la stabilisation de la tour de fuite de Pise où une approche multi-objectifs a équilibré correction d'inclinaison, coût, et intrusion minimale.

Études de cas sur le monde réel

Étude de cas 1: Réaménagement sismique d'une église médiévale en Italie

Une église de pierre du XIIe siècle en Ombrie, en Italie, a subi de graves fissures après une série de petits tremblements de terre. Les ingénieurs ont utilisé NSGA-II pour optimiser trois objectifs : (1) déplacement latéral maximal sous un tremblement de terre de conception, (2) coût total d'intervention (matériaux et travail), et (3) pourcentage de la surface de pierre originale laissée visible. Le front Pareto a révélé un groupe de solutions utilisant des bandes de fibres de carbone appliquées dans un motif de croix derrière l'autel et le long des murs latéraux. Le modèle choisi a réduit la dérive de 85 % tout en maintenant intacte 94 % de la pierre exposée d'origine. Le coût était inférieur de 30 % à la solution conventionnelle d'un faisceau de béton renforcé complet.

Étude de cas 2: Réaménagement d'un pont maçonnerie du 19e siècle au Royaume-Uni

Un pont en fer forgé et en arc de maçonnerie construit en 1840 a subi une charge de trafic croissante. Les ingénieurs ont appliqué une optimisation multi-objectifs pour décider du renforcement des murs de la maçonnerie. Objectifs : minimiser la masse de renforcement, maximiser la capacité de charge résiduelle et minimiser l'impact visuel. L'optimisation a suggéré d'installer des tiges verticales post-tensionnantes à l'intérieur des cavités de la maçonnerie remplie, les tiges étant ancrées à la base.

Étude de cas 3: tremblement de terre Renforcement d'un bâtiment de l'école de maçonnerie à Lisbonne

Une école de la fin du XIXe siècle à Lisbonne (Portugal) a besoin d'une mise à niveau sismique pour répondre aux normes de sécurité modernes tout en conservant sa façade décorative néo-manueline. Le problème d'optimisation comprenait trois objectifs : la capacité de cisaillement de base, le coût et le degré de altération esthétique. La solution choisie était une combinaison de injection de béton dans les vides internes[ et connecteurs de tôles d'acier mince[ cachés dans les diaphragmes de plancher.

Avantages de l'adoption d'une optimisation multi-objectifs dans la conservation du patrimoine

Les avantages du MOO vont au-delà de la simple visualisation de compromis.

  • Transparence: Toutes les options de conception et leur performance sont rendues visibles, réduisant la prise de décisions arbitraires. Les autorités du patrimoine peuvent voir exactement ce que chaque option sacrifie ou gagne.
  • Efficacité: La méthode explore systématiquement des milliers de candidats à la conception, en identifiant des solutions que l'essai manuel et l'erreur pourraient manquer.
  • Reversibilité conformité[: Parce que les objectifs peuvent inclure la facilité de retrait, ou le degré de réversibilité, le MOO génère naturellement des solutions alignées sur les chartes de conservation modernes (par exemple, la Charte de Venise).
  • Réduction des risques[: En intégrant des incertitudes (résistance matérielle, variation de charge, dégradation future), le front Pareto comprend des conceptions robustes qui fonctionnent bien dans les scénarios les plus défavorables.
  • Engagement des intervenants : La visualisation des compromis aide les non-ingénieurs (groupes communautaires, politiciens) à comprendre les contraintes techniques, à favoriser la confiance et à faciliter l'approbation des projets.

Ces avantages ont été reconnus dans les lignes directrices du ICOMOS et du Comité scientifique international pour l'analyse et la restauration des structures du patrimoine architectural (ISCARSAH)[. Les deux organisations recommandent que les plans d'intervention soient appuyés par une analyse rigoureuse, de préférence en utilisant des cadres multi-objectifs où il existe de multiples objectifs.

Étapes de mise en oeuvre pour les ingénieurs et les conservateurs

Étape 1: Définir les objectifs et les contraintes

Travailler avec les intervenants pour déterminer les objectifs mesurables 3-5. Pour chaque, définir les plages et les unités. Contraintes peuvent inclure le budget de coût maximal, la durée de vie minimale restante, ou le changement maximal admissible de la géométrie du bâtiment. Il est essentiel de préciser clairement si chaque objectif doit être minimisé ou maximisé.

Étape 2: Créer un modèle de calcul de la structure

Construisez un modèle d'éléments finis (FEM) ou un modèle d'analyse structurelle équivalent du bâtiment existant. Inclure les propriétés du matériau (avec une variabilité appropriée), les conditions limites et les cas de charge (mort, vivant, vent, sismique). Étalonner le modèle à l'aide de modèles de fissure existants ou de données de déformation historiques.

Étape 3: Sélectionnez un algorithme d'optimisation

Pour les problèmes de moins de 10 variables de conception, une méthode de somme pondérée peut suffire, mais pour les géométries complexes, les algorithmes basés sur la population comme NSGA-II ou MOPSO sont préférés.Les plateformes open-source comme pymoo (Python) ou MOEAFramework (Java) fournissent des codes prêts à l'emploi.

Étape 4: Exécutez l'optimisation et visualisez le front Pareto

Exécuter la boucle d'optimisation, qui appellera le solveur FEM pour chaque candidat de conception. Après convergence, tracer le front Pareto en utilisant des coordonnées parallèles ou des tracés de dispersion. Identifier les points du genou – solutions où les améliorations dans un objectif viennent au coût de baisses brusques dans un autre. Typiquement le -knee-- représente un design équilibré qui est susceptible d'être acceptable pour toutes les parties.

Étape 5 : Faire participer les intervenants à la sélection finale

Présenter le Pareto aux intervenants, en mettant en évidence les compromis. leur permettre de classer les objectifs au besoin — certains peuvent prioriser la conservation du patrimoine par rapport au coût, ou vice versa. utiliser des outils de visualisation interactifs (p. ex. D3.js sur un tableau de bord Web) pour permettre aux intervenants d'explorer différentes solutions.

Orientations futures et innovations

Le domaine de l'optimisation multi-objectifs des bâtiments patrimoniaux évolue rapidement. Trois tendances émergentes sont particulièrement prometteuses :

  • Intégration avec la modélisation de l'information sur le bâtiment (BIM): Les plateformes de BIM du patrimoine (HBIM) supportent maintenant la modélisation paramétrique des éléments historiques.
  • Utilisation de modèles de substitution pour l'apprentissage profond: La réalisation de milliers de simulations FEM peut être coûteuse sur le plan informatique.Les chercheurs forment des réseaux neuronaux pour en arriver à un comportement structurel approximatif, réduisant ainsi le temps d'optimisation de quelques jours à quelques minutes.
  • Probabilistic Multi-Objectivity Optimization: Au lieu d'estimations ponctuelles, la prochaine génération de MO comprend des distributions probabilistes complètes pour les objectifs, donnant un --probabilité Pareto front --qui montre la probabilité d'atteindre chaque compromis.

De plus, des initiatives internationales de partage de données (p. ex., le projet européen Patrimoine-care[) créent des bases de données de structures patrimoniales qui peuvent être utilisées pour former et valider les modèles de MOO, ce qui accélère l'adoption dans la communauté de la conservation.

Conclusion : Une évolution nécessaire en génie de la conservation

L'optimisation multi-objectifs offre une façon rigoureuse, transparente et efficace de naviguer dans les compromis difficiles inhérents aux projets de préservation. En générant un ensemble de solutions paréto-optimales, les ingénieurs peuvent démontrer à tous les intervenants exactement ce qui est acquis et perdu avec chaque choix de conception. Des études de cas des églises aux ponts confirment que le MAO mène à des interventions qui sont structurellement saines, rentables et respectueuses des valeurs patrimoniales. À mesure que les outils informatiques deviennent plus accessibles et intégrés à HBIM, cette approche deviendra une pratique courante en ingénierie de conservation.