II. Objectifs;
Les enjeux socio-économiques contemporains (changement climatique, montée des inégalités, nouvelles mobilités,e tc.) exigent des managers, ingénieurs et scientifiques qu?ils maîtrisent non seulement les raisonnements d?inférence, de déduction, d?optimisation et de décision mais aussi les raisonnements de générativité, ie la capacité de générer avec rigueur des alternatives meilleures. ;
Ces logiques génératives, indispensables aux décisions collectives contemporaines, se retrouvent aussi bien dans la créativité que dans certains raisonnements mathématiques (extension de corps), dans les inventions des ingénieurs et dans les découvertes des scientifiques, dans les oeuvres des designers et des artistes comme dans certains outils de data science (generative modelling, generative AI,?). Dans toutes ces situations il s?agit de concevoir, avec plus ou moins de systématisme et de rigueur, des entités nouvelles, auparavant inconnues, tout en tenant compte des savoirs accumulés.
;
Les avancées de la science de la conception permettent aujourd?hui d?étudier systématiquement, avec un même langage unificateur, des processus génératifs qui pouvaient paraître (à tort) très éloignées. S?appuyant sur ces résultats, le cours vise un triple objectif : ;
- Assimiler les bases théoriques du raisonnement génératif ;
- Maîtriser plusieurs méthodes de conception associées et savoir les appliquer sur thèmes d?innovation et des ?grand challenges? contemporains (réalisation de référentiels C-K);
- Permettre de comprendre, évaluer voire améliorer les processus génératifs dans des domaines variées, aussi bien les algorithmes génératifs de la data science que les méthodes génératives des designers du Bauhaus. ;