PRÉLIMINAIRES

I. Objectifs Pédagogiques et Compétences Visées

Ce manuel structure l’acquisition de compétences en programmation appliquée à l’architecture. L’objectif est de transformer l’étudiant d’un simple utilisateur de logiciels en un concepteur de solutions informatiques sur mesure. Il ne s’agit pas d’apprendre un langage pour lui-même, mais de le maîtriser comme un outil d’ingénierie pour résoudre des problèmes concrets de calcul de structure, d’analyse de données urbaines et d’automatisation de tâches de dessin. À l’issue de ce cours, l’apprenant développera des scripts capables d’optimiser des processus techniques spécifiques au contexte constructif congolais.

II. Positionnement de l’UE dans le Cursus d’Architecture

L’Unité d’Enseignement “Informatique 2” constitue un pivot stratégique dans la formation de l’architecte-ingénieur. Elle assure la transition entre les connaissances informatiques de base et les cours spécialisés de calcul des structures, de modélisation des informations du bâtiment (BIM) et de systèmes d’information géographique (SIG). En fournissant les fondements de l’algorithmique et de la manipulation de données, cette UE dote l’étudiant d’une autonomie intellectuelle et technique. Il pourra ainsi critiquer, adapter et étendre les outils logiciels standards pour répondre aux défis uniques des projets en RDC.

III. Méthodologie d’Évaluation et Projets Pratiques

L’évaluation sanctionne une maîtrise opérationnelle et non une restitution théorique. Elle repose sur un contrôle continu (40%) via des exercices de codage ciblés et la réalisation d’un projet final (60%). Ce projet consiste à développer un script Python complet résolvant un problème d’ingénierie architecturale ancré localement : automatisation du calcul de descente de charges pour un bâtiment type à Kinshasa, analyse de données climatiques de Goma pour l’orientation d’un projet, ou encore génération de plans paramétriques simples. La validité du code et sa pertinence pratique sont les seuls critères.

IV. Guide d’Utilisation du Manuel

Ce manuel est conçu comme un instrument de travail, non comme un traité exhaustif. Chaque chapitre suit une progression rigoureuse : il introduit un concept de programmation, le dissèque techniquement, puis démontre son application directe dans un cas d’étude architectural ou urbanistique congolais. Les exemples de code sont fonctionnels et commentés pour être immédiatement testables et adaptables. L’étudiant est invité à exécuter, modifier et déconstruire activement ces exemples pour forger une compréhension profonde et une compétence durable, loin de toute mémorisation passive de la syntaxe.

PARTIE 1 : FONDAMENTAUX ALGORITHMIQUES ET PROGRAMMATION STRUCTURÉE POUR L’INGÉNIEUR-ARCHITECTE

Chapitre I. Logique Algorithmique et Traduction en Langage Python

La pensée algorithmique, formalisée par des figures comme Donald Knuth, fournit la grammaire universelle de la résolution de problèmes. Cependant, son abstraction pure est stérile sans un langage pour l’exécuter. Ce chapitre opère cette traduction cruciale en utilisant Python, choisi pour sa syntaxe épurée et son écosystème scientifique robuste. Nous partons d’un problème concret, comme le calcul de la résistance d’un matériau local, pour le décomposer en une séquence logique d’opérations. L’étudiant forgera la compétence fondamentale de transformer une problématique d’ingénierie en un programme informatique fonctionnel et vérifiable.

I.1 Décomposition d’un problème d’ingénierie en pseudo-code

Face à la complexité des calculs de stabilité d’un ouvrage, une approche directe en code est vouée à l’échec. La méthode du pseudo-code impose une discipline intellectuelle préalable, forçant la décomposition du problème en étapes logiques et non ambiguës. Cette section enseigne comment formaliser la séquence de calcul des contraintes sur une fondation à Bukavu, en identifiant les entrées (type de sol, charge), les processus (formules de Terzaghi) et les sorties (dimensionnement). L’étudiant apprendra à structurer sa pensée avant d’écrire une seule ligne de code.

I.2 Syntaxe fondamentale de Python : Variables, types et opérateurs

Une maîtrise rigoureuse des types de données est le socle de la programmation scientifique. Un nombre flottant n’est pas une dimension abstraite, mais représente une charge en kilonewtons ou une coordonnée géographique précise. Ce sous-chapitre ancre la syntaxe Python dans la réalité physique de l’architecture. Les variables stockent les propriétés des matériaux, les opérateurs arithmétiques modélisent les forces physiques. L’apprenant saura manipuler ces éléments pour traduire fidèlement les équations de la statique ou de la thermique du bâtiment en instructions machine exécutables et fiables.

I.3 Structures de contrôle : Conditions et boucles itératives

Sous l’angle de l’automatisation des vérifications normatives, les structures de contrôle sont des outils décisifs. Une instruction conditionnelle (if/else) permet de valider automatiquement si une section de poutre respecte les normes de construction en vigueur en RDC. Une boucle itérative (for) parcourt systématiquement tous les éléments structurels d’un plan pour appliquer un même calcul de charge. L’étudiant sera capable de scripter des routines de vérification qui éliminent l’erreur humaine et accélèrent drastiquement la phase de conception et de validation technique d’un projet.

I.4 Fonctions et modularité : Encapsuler la complexité calculatoire

D’origine mathématique, le concept de fonction trouve en programmation une application pragmatique : isoler et nommer un bloc de code réutilisable. Plutôt que de réécrire dix fois le calcul de l’aire d’un polygone irrégulier pour un plan cadastral de Matadi, on définit une seule fonction calculer_aire_parcelle(). Cette approche modulaire rend le code plus lisible, plus facile à déboguer et infiniment plus efficace. L’architecte-programmeur forgera la compétence de construire des bibliothèques de fonctions personnelles, capitalisant son savoir-faire technique pour ses projets futurs.

Chapitre II. Structures de Données pour la Modélisation Spatiale et Matérielle

La controverse entre l’usage de structures de données génériques et le développement de modèles spécifiques au domaine trouve ici sa résolution pragmatique. Pour l’architecte, une simple liste de nombres est insuffisante ; il lui faut des structures capables de représenter la complexité d’un bâtiment ou d’un territoire. Ce chapitre tranche ce débat en appliquant les structures fondamentales de Python (listes, dictionnaires) à la modélisation d’entités architecturales. L’étudiant apprendra à organiser l’information pour gérer les données d’un projet urbain, comme l’inventaire des parcelles de la commune de la Gombe.

II.1 Listes et Tuples : Gestion séquentielle des données de chantier

Une connaissance approfondie des séquences ordonnées est indispensable pour la gestion de projet. Une liste Python peut modéliser le phasage chronologique d’un chantier, où chaque élément représente une tâche avec sa durée et ses prérequis. Un tuple, immuable, peut stocker en toute sécurité les coordonnées géographiques (latitude, longitude, altitude) d’un point de relevé topographique. Ce module enseigne comment utiliser ces deux structures pour suivre l’avancement des travaux, gérer les inventaires de matériaux ou stocker des séries de mesures de terrain de manière structurée et fiable.

II.2 Dictionnaires : Indexation sémantique des propriétés d’un bâtiment

Face au besoin d’accès rapide à l’information, les dictionnaires (clés-valeurs) offrent une solution puissante. Ils permettent de modéliser un objet architectural non comme une suite de chiffres, mais comme un ensemble de propriétés sémantiques. Un élément de mur peut être un dictionnaire contenant : {'materiau': 'bloc_ciment_15', 'resistance_feu': 'RF1h', 'fournisseur': 'local_Kin'}. L’étudiant apprendra à construire des bases de données légères et intelligentes pour cataloguer les composants d’un projet, facilitant ainsi les requêtes, les métrés et la génération de nomenclatures techniques.

II.3 Ensembles : Opérations logiques sur les parcelles cadastrales

Inspirée de la théorie mathématique, l’utilisation des ensembles en programmation permet des opérations logiques d’une efficacité redoutable pour l’analyse spatiale. En représentant les parcelles d’un quartier de Lubumbashi comme des ensembles de points ou d’identifiants, on peut calculer instantanément leur intersection (zones de conflit), leur union (superficie totale d’un projet d’aménagement) ou leur différence (zones à exclure). L’apprenant maîtrisera un outil conceptuel puissant pour la résolution de problèmes d’urbanisme réglementaire et de gestion foncière, directement applicable aux données du cadastre congolais.

II.4 Manipulation de fichiers : Lecture et écriture de relevés topographiques (CSV, TXT)

La pérennisation des données de terrain est un enjeu critique. Un architecte doit pouvoir exploiter les fichiers bruts issus des appareils de mesure (stations totales, GPS). Ce sous-chapitre se concentre sur la compétence technique de lire un fichier de points au format CSV ou TXT, d’en extraire les coordonnées X, Y, Z, puis de les traiter avec Python pour, par exemple, calculer des courbes de niveau ou estimer des volumes de déblais/remblais. L’étudiant deviendra autonome dans la chaîne de traitement de la donnée, de l’acquisition sur site à l’exploitation numérique.

Chapitre III. Introduction aux Bibliothèques Scientifiques : NumPy et Matplotlib

L’année 1995 marque un tournant avec la genèse de Numeric, l’ancêtre de NumPy, qui a initié la démocratisation du calcul scientifique haute performance. Ce chapitre plonge au cœur de cette révolution en exploitant NumPy pour le calcul matriciel et Matplotlib pour la visualisation. Pour l’architecte en RDC, cela signifie la capacité de réaliser des simulations de base (statique, thermique) sans dépendre de logiciels propriétaires coûteux. L’étudiant forgera une compétence stratégique : utiliser l’écosystème open-source pour mener des analyses d’ingénierie rigoureuses et produire des visualisations professionnelles.

III.1 Le tableau NumPy : Calcul vectoriel et matriciel pour la statique des structures

Fondement du calcul scientifique en Python, l’objet ndarray de NumPy n’est pas une simple liste. C’est une structure de données optimisée pour les opérations mathématiques sur de grands ensembles de nombres, exécutées à une vitesse proche des langages compilés. Ce module montre comment modéliser les nœuds et les barres d’une structure treillis simple à l’aide de tableaux NumPy, puis comment résoudre le système d’équations matricielles pour déterminer les efforts internes. L’étudiant apprendra à poser et résoudre un problème de statique des structures de manière programmatique.

III.2 Opérations de ‘broadcasting’ : Appliquer des contraintes uniformes

Sous l’angle de l’efficacité calculatoire, le ‘broadcasting’ de NumPy est un concept transformateur. Il permet d’appliquer une opération entre des tableaux de dimensions différentes, par exemple en ajoutant un vecteur de charges de vent à chaque nœud d’une matrice représentant la façade d’un bâtiment à Kinshasa. Cette technique évite les boucles explicites, rendant le code plus concis, plus lisible et surtout beaucoup plus rapide. L’apprenant maîtrisera cette fonctionnalité pour appliquer des contraintes (thermiques, mécaniques) à des modèles complexes avec une seule ligne de code.

III.3 Matplotlib : Visualisation 2D des données d’ingénierie

Une représentation graphique claire des résultats est aussi importante que le calcul lui-même. Matplotlib est la bibliothèque de référence pour créer des graphiques de qualité publication en Python. Ce segment se focalise sur la production de visualisations pertinentes pour l’architecte : tracer la courbe contrainte-déformation d’un matériau testé, générer un diagramme des efforts tranchants et des moments fléchissants le long d’une poutre, ou créer une carte thermique de l’ensoleillement d’une façade. L’étudiant saura traduire des données numériques brutes en graphiques interprétables pour ses rapports techniques.

III.4 Cas pratique intégré : Script d’analyse de la flexion d’une poutre

La synthèse des compétences acquises s’opère ici dans un projet concret. L’objectif est de coder un script complet qui analyse la flexion d’une poutre sur deux appuis simples, soumise à une charge uniforme. Le script utilisera NumPy pour calculer la déformée, les efforts et les contraintes en plusieurs points, puis Matplotlib pour visualiser ces résultats sous forme de diagrammes clairs. Ce cas pratique, ancré dans un problème fondamental de génie civil, valide la capacité de l’étudiant à orchestrer ces outils pour résoudre un problème d’ingénierie de A à Z.

PARTIE 2 : MODÉLISATION NUMÉRIQUE ET ANALYSE DE DONNÉES POUR LE BÂTI

Chapitre IV. Fondamentaux du Calcul Scientifique avec Python

Sous la forte variabilité des matériaux de construction locaux en RDC, les modèles de calcul structurel intégrés aux logiciels propriétaires montrent leurs limites. Leur rigidité impose des coefficients de sécurité qui pénalisent l’innovation et l’économie de projet. Ce chapitre corrige cette faille en armant l’étudiant avec Python et ses bibliothèques scientifiques (NumPy, SciPy). L’objectif est de développer des scripts de calcul sur mesure. L’architecte-ingénieur forgera ainsi la compétence de valider la performance mécanique de solutions constructives non-conventionnelles, comme les blocs de terre stabilisée ou les bois locaux.

IV.1 L’écosystème Python pour l’ingénieur

L’écosystème Python, avec ses bibliothèques NumPy et SciPy, constitue le socle du calcul scientifique moderne. Cette section installe l’environnement de travail et introduit la manipulation de tableaux (arrays) et de matrices, essentiels pour représenter des charges structurelles ou des flux thermiques. L’étudiant apprendra à effectuer des opérations vectorielles optimisées, posant les bases de calculs complexes pour l’analyse de structures simples.

IV.2 Visualisation des données avec Matplotlib

Face à la masse de résultats issus d’une simulation, leur interprétation brute est inefficace. La bibliothèque Matplotlib offre une solution en transformant les données numériques en représentations graphiques intelligibles, comme des courbes de contrainte-déformation ou des cartes thermiques de façade. Ce sous-chapitre se concentre sur la création de visualisations 2D et 3D pertinentes pour l’architecture. L’apprenant saura générer des graphiques pour communiquer un diagnostic technique de manière percutante.

IV.3 Structures de données et algorithmique de base

Une maîtrise des structures de données natives de Python (listes, dictionnaires, tuples) est impérative pour organiser l’information d’un projet avant tout calcul. Ce module enseigne comment modéliser des éléments architecturaux et leurs propriétés (matériaux, dimensions, coûts) sous forme d’objets programmatiques. L’étudiant structurera des algorithmes simples pour trier, filtrer et agréger ces données, préparant le terrain pour l’automatisation des métrés ou des analyses comparatives.

IV.4 Application au calcul de structures et de thermique du bâtiment

Sous l’angle de la performance, ce segment applique les connaissances acquises à des cas concrets issus du contexte congolais. Il s’agit de scripter le calcul du dimensionnement d’une poutre en bois d’eucalyptus ou d’évaluer l’inertie thermique d’un mur en briques de terre crue. En codant ces modèles physiques simplifiés, l’étudiant développe une méthodologie rigoureuse pour l’aide à la décision technique. Il pourra quantifier l’impact d’un choix de matériau sur la sécurité et le confort.

Chapitre V. Traitement de Données Géospatiales pour l’Urbanisme (SIG)

La loi foncière de 1973, socle du cadastre en RDC, a généré un corpus documentaire majoritairement analogique, rendant toute analyse urbaine à grande échelle quasi impossible. La transition vers un urbanisme de données est une nécessité absolue pour les métropoles comme Kinshasa ou Lubumbashi. Ce chapitre plonge au cœur des Systèmes d’Information Géographique (SIG) avec le logiciel QGIS. En digitalisant et croisant des données cadastrales, topographiques et socio-démographiques, l’étudiant forgera une compétence stratégique : produire des diagnostics territoriaux factuels pour orienter les politiques d’aménagement.

V.1 Principes des Systèmes d’Information Géographique (SIG)

Fondamentalement, un Système d’Information Géographique superpose des couches d’informations thématiques pour révéler des corrélations spatiales. Ce sous-chapitre déconstruit la logique des SIG en distinguant les données vectorielles (points, lignes, polygones pour représenter routes ou parcelles) des données raster (images satellites, modèles de terrain). L’étudiant saisira comment cette technologie permet de transformer une simple carte en une base de données interactive et interrogeable.

V.2 Acquisition et géoréférencement de données urbaines

Confronté à l’hétérogénéité des sources de données en RDC (plans scannés, relevés GPS, images de drones), le géoréférencement est l’étape critique qui garantit leur cohérence spatiale. Cette section enseigne les techniques pour caler numériquement une carte ancienne ou une photo aérienne sur un système de coordonnées géographiques précis. L’apprenant deviendra capable de constituer une base de données géospatiale fiable à partir de documents disparates.

V.3 Analyse spatiale pour le diagnostic territorial

Du point de vue de l’analyse urbaine, les requêtes spatiales sont des outils de diagnostic puissants. Ce module explore les opérations fondamentales : zones tampons pour évaluer l’accessibilité à un service, intersections de couches pour identifier les zones à risque (parcelles en zone inondable), et analyses de proximité. L’étudiant apprendra à extraire des informations décisionnelles brutes de ses cartes, comme la liste des bâtiments sans accès direct à la voirie.

V.4 Production cartographique et sémiologie graphique

Une production cartographique professionnelle exige une sémiologie graphique rigoureuse pour transmettre un message clair et non ambigu. Ce segment se focalise sur les règles de composition d’une carte thématique dans QGIS : choix des couleurs, symbologie, gestion des étiquettes, mise en page et légende. L’étudiant sera en mesure de concevoir des documents cartographiques de qualité pour des rapports d’urbanisme, des présentations publiques ou des dossiers de permis de construire.

Chapitre VI. Automatisation et Scripting en Conception Assistée par Ordinateur (CAO)

La controverse opposant la liberté du dessin manuel à la rigidité de l’automatisation est aujourd’hui tranchée par les impératifs d’efficience. Le scripting en CAO n’annihile pas la créativité ; il la décuple en libérant l’architecte des tâches répétitives et à faible valeur ajoutée. Ce chapitre heurte cette vision romantique du métier à la réalité productive en introduisant le scripting Python dans des logiciels comme FreeCAD ou Blender. L’apprenant forgera la capacité de générer des géométries complexes et d’explorer des centaines de variantes de design pour optimiser la performance.

VI.1 Introduction au design paramétrique et génératif

Le design paramétrique, à la base du scripting en CAO, définit la géométrie non par des dimensions fixes mais par des relations et des règles logiques. Cette section expose ce paradigme qui permet de modifier un projet complexe en changeant simplement quelques paramètres d’entrée. L’étudiant comprendra comment cette approche ouvre la voie au design génératif, où l’ordinateur explore lui-même des solutions optimales en fonction de contraintes définies.

VI.2 Automatisation de la modélisation et du dessin technique

Face à la nécessité de produire des jeux de plans cohérents (façades, coupes, vues 3D) à chaque modification du projet, l’automatisation est une source de gains de productivité massive. Ce module pratique enseigne à écrire des scripts simples pour générer automatiquement des éléments répétitifs, comme une structure de façade ou un escalier complexe. L’étudiant apprendra à créer des outils personnalisés qui accélèrent radicalement son flux de travail.

VI.3 Interaction avec les API des logiciels de CAO/BIM

Une connaissance des API (Application Programming Interface) des logiciels de CAO est la clé pour débloquer leur plein potentiel. Cette section technique démystifie la manière dont un script externe interagit avec le cœur du logiciel pour manipuler ses objets, ses matériaux et ses propriétés. En se connectant à l’API de FreeCAD, l’étudiant sera capable d’extraire des données du modèle 3D pour les utiliser dans d’autres applications, comme un tableur de métré.

VI.4 Cas pratique : Optimisation d’un brise-soleil pour le climat équatorial

Sous l’angle de la performance énergétique, ce projet de synthèse applique toutes les notions vues pour résoudre un problème concret en RDC. L’objectif est de scripter la génération d’un brise-soleil paramétrique dont la géométrie s’adapte pour maximiser l’ombrage aux heures les plus chaudes tout en préservant la vue et la ventilation. L’étudiant démontrera sa capacité à intégrer la logique de performance environnementale directement dans le processus de conception numérique.

ANNEXES

A. Memento des commandes Python pour le calcul scientifique

Face à la surcharge cognitive inhérente à l’apprentissage d’un langage, la mémorisation de la syntaxe constitue un frein majeur à la productivité. Cette annexe fonctionne comme une feuille de référence chirurgicale, condensant les commandes Python essentielles au calcul de structures et à l’analyse de données géospatiales. En l’utilisant, l’étudiant architecte congolais accélère drastiquement son flux de travail, passant de la conception théorique à la production de scripts fonctionnels pour des projets de BTP avec une vélocité et une autonomie accrues.

B. Glossaire bilingue (Français-Anglais) des termes d’informatique appliquée à l’ingénierie

L’hégémonie de l’anglais dans la documentation technique des bibliothèques de calcul scientifique (NumPy, SciPy) crée une barrière sémantique pour l’ingénieur francophone. Ce glossaire établit des ponts conceptuels précis entre les termes, de ‘array’ à ‘matrice’ et de ‘data frame’ à ‘tableau de données structurées’. La maîtrise de ce lexique est une compétence stratégique, permettant au futur architecte de la RDC de s’approprier la littérature technique mondiale et de collaborer sans friction sur des projets d’envergure internationale.

C. Étude de cas : Script d’analyse de la densité urbaine de Kinshasa

Une connaissance approfondie des dynamiques de croissance urbaine est vitale pour la planification en RDC. Cette étude de cas dissèque un script Python complet, utilisant les bibliothèques Pandas et GeoPandas pour analyser des données satellitaires open-source sur la densité de la commune de Limete à Kinshasa. L’étudiant suit pas à pas la transformation d’une problématique d’urbanisme en un programme qui génère des cartes de chaleur et des statistiques exploitables, forgeant ainsi la capacité de modéliser des phénomènes territoriaux complexes.

D. Tableau comparatif des bibliothèques Python pour la visualisation de données architecturales

Sous l’angle de la performance, le choix d’une bibliothèque de visualisation de données conditionne la pertinence de l’analyse architecturale. Ce tableau synoptique compare Matplotlib, Seaborn et Plotly sur leur aptitude à modéliser des contraintes spécifiques au contexte congolais : calculs d’ensoleillement, simulations de résistance des matériaux locaux ou cartographies de risques d’érosion. L’étudiant apprend à sélectionner l’outil optimal pour produire des visualisations qui appuient une décision technique et économique rigoureuse, justifiant ses choix de conception par la donnée.

Lire aussi :

Cours de Cartographie Numérique et Topométrie Appliquée, master-2, CNT2231

Cours de Principes de base de Gestion des Eaux et des Bassins Versants, master-1, PBG2111

Cours de Statistiques inférentielle et Mathématiques appliquées, master-2, SIM2231

Cours de Production éditoriale 1, licence-1, PRE1111

Cours de Gestion du développement agricole rural, master-2, GDA2231

Cours de Optique Quantiques Relativiste, master-1, OQR2121