Gemini et recherche sémantique : une IA choisit le mobilier à partir de plans avec 87 % de précision

Choisir du mobilier à partir d'un plan d'architecte reste une tâche réalisée à la main dans la construction et l'architecture d'intérieur. Le spécialiste prend le plan, ouvre le catalogue du fournisseur et passe méthodiquement les références en revue : il compare les dimensions, les matériaux, le style. Cette seule étape représente de 20 à 40 heures-homme par projet. Avec plusieurs chantiers, le coût se multiplie. Une équipe russe de développeurs a voulu combler cette lacune en construisant un système d'IA qui automatise tout le processus de sélection et fournit des recommandations avec 87 % de précision.

Le problème se situe à la frontière entre vision par ordinateur et recherche d'information. Un plan d'architecte est un document spécialisé, avec ses notations, ses symboles, ses grilles d'échelle et ses calques multiples. Reconnaître un objet sur une image ne suffit pas : il faut comprendre l'agencement dans son ensemble, repérer les zones fonctionnelles, isoler les emplacements destinés à des catégories précises de mobilier et tenir compte des contraintes réelles de l'espace.

Le cœur du système est une architecture multimodèle dont Gemini est le coordinateur principal. C'est ce modèle qui se charge de comprendre le plan : il reconnaît l'agencement, identifie les pièces, détermine où se trouvent la chambre et le salon, quelles sont les zones de circulation et où existent des limites de hauteur, d'éclairement ou de configuration des murs. Ce n'est pas seulement de l'OCR ni de la simple reconnaissance d'objets : Gemini travaille sur la sémantique du document architectural et en extrait des données structurées pour la couche suivante du système.

Une fois le plan décomposé en unités de sens, la recherche sémantique dans le catalogue prend le relais. Chaque référence a été vectorisée au préalable : ses caractéristiques (dimensions, matériau, style, palette de couleurs, segment de prix) sont converties en embeddings vectoriels. Le système met en regard les exigences du plan et cette représentation vectorielle, puis trouve les correspondances les plus proches. Il ne produit pas seulement une liste de centaines de références adaptées, mais une sélection classée, accompagnée d'une explication de la raison pour laquelle tel modèle est recommandé pour tel emplacement du plan.

L'architecture technique ne se limite pas à deux composants. Outre Gemini et la recherche sémantique, le pipeline intègre des modèles de prétraitement des plans : normalisation de l'échelle, séparation des calques, nettoyage des artefacts de numérisation. Les plans réels fournis par les bureaux d'études arrivent dans des états très divers, des exports CAD propres aux documents papier numérisés, avec déchirures et taches. Le système doit fonctionner de façon stable sur toute cette étendue, sans prétraitement manuel.

Atteindre 87 % de précision ne s'est pas fait du premier coup. L'équipe a itéré sur plusieurs briques clés : la qualité de l'analyse des plans de formats différents, la stratégie de vectorisation des données du catalogue et le mécanisme de classement final. Les agencements atypiques ont posé une difficulté à part, par exemple lorsque l'architecte emploie des notations non standard ou que le plan ne montre qu'un fragment de la pièce. Pour ces cas limites, l'équipe a ajouté une logique de repli (fallback) et une couche supplémentaire de validation du résultat.

L'intérêt pratique de ce développement tient à la démultiplication du temps de travail des spécialistes. Là où un designer pouvait auparavant traiter en détail 2 à 3 projets par semaine, il vérifie et corrige désormais des recommandations déjà prêtes au lieu de les construire de zéro. Pour les entreprises de construction qui travaillent sur des ensembles résidentiels standardisés, cela permet de mener des dizaines de chantiers en parallèle sans hausse proportionnelle des effectifs.

Le projet montre comment les systèmes d'IA multimodèles commencent à automatiser des tâches opérationnelles longtemps jugées trop spécialisées pour un traitement automatique. Les plans d'architecte constituent un type complexe de données non structurées, et le fait que Gemini en maîtrise l'analyse sémantique ouvre la voie à des solutions comparables dans des domaines voisins : schémas d'ingénierie, plans de structure, spécifications techniques. La prochaine étape logique est l'intégration avec les plateformes BIM et l'export direct des recommandations vers la documentation du projet.