Le guide de l'Architecte IA
de Systèmes 3D
Du scan à la connaissance : comment un nuage de points devient une scène comprise, structurée, sur laquelle un système peut raisonner. Ce guide expose la méthode que j'enseigne depuis quinze ans à des ingénieurs, des géomètres et des chercheurs. Il est technique, il contient du code, et il se lit dans l'ordre.
Recevoir le guide
Vous recevez aussitôt un lien pour lire le guide en ligne, et le télécharger en PDF depuis la page. Ensuite, huit emails espacés sur six semaines, un sujet à la fois. Un clic suffit pour les arrêter.
Sept parties, dans l'ordre
Chaque partie est un maillon de la chaîne qui mène du scan à la connaissance : capturer, comprendre, structurer, modéliser, raisonner.
Capturer et préparer
Environnement Python reproductible, traitement de nuages de points, formats du LAS au web, RANSAC et DBSCAN, et le LiDAR à l'échelle du téraoctet.
Comprendre et structurer
Segmenter, classer, détecter, relever en 3D ce que voient les modèles 2D, puis rassembler le tout dans le Smart Point Cloud : segments, attributs et graphe de relations.
Modéliser
Scan-to-BIM automatique, IfcOpenShell pour manipuler l'IFC en Python, et le jumeau numérique urbain avec CityGML.
Comprendre en profondeur
Le machine learning propre à la 3D, puis PointNet et PointNet++ : l'architecture fondatrice, et ce que le contexte local lui apporte.
Capturer par l'image
3D Gaussian Splatting, NeRF face au 3DGS, et la photogrammétrie en Python, qui reste la voie de la géométrie métrique.
Raisonner
Les modèles de fondation appliqués à la 3D, puis des agents spatiaux qui raisonnent sur le graphe de scène, de l'architecture au code LangChain.
De bout en bout
Du vol drone au jumeau numérique livré, et l'usage de l'IA pour écrire et vérifier le code 3D lui-même.
Ce n'est pas une plaquette
- Deux chapitres inédits. Relever en 3D ce que voit la vision 2D, puis structurer la scène en Smart Point Cloud : segments, attributs, relations.
- Du code que vous pouvez exécuter. Pas des pseudo-extraits : les bibliothèques sont nommées, les versions aussi.
- Les arbitrages, pas seulement les recettes. Pourquoi DBSCAN plutôt que RANSAC ici, ce que coûte ce choix ailleurs.
- Ce qui casse en production. La partie que les tutoriels sautent, et celle qui décide de votre marge.
- Une trajectoire. Dans quel ordre apprendre, et ce que vous pouvez sauter sans le regretter.
- En ligne, et en PDF. Le lien reçu ouvre le guide dans votre navigateur ; la version mise en page, avec ses sources cliquables, se télécharge depuis la page.
Dr. Florent Poux
Docteur en géomatique, lauréat du prix ISPRS Jack Dangermond 2020, auteur de 3D Data Science with Python chez O'Reilly. Plus de cinquante publications scientifiques, ancien professeur adjoint à l'Université de Liège. Il a écrit ce guide seul, et il enseigne l'intégralité du parcours. Son parcours en détail.