Dévoiler l’influence structurelle des paysages des parcs urbains sur la restauration psychologique via l’apprentissage par graphes

Pourquoi la conception des parcs compte pour votre esprit

Dans les villes animées, beaucoup de personnes vont instinctivement dans un parc pour se vider la tête. Mais tous les coins d’herbe ou toutes les rangées d’arbres n’ont pas le même effet apaisant. Cette étude pose une question étonnamment pratique : qu’est-ce qui, dans la disposition détaillée d’un parc urbain — la manière dont arbres, allées, pelouses, plans d’eau et bâtiments sont agencés — rend certains lieux plus mentalement régénérants que d’autres ? En combinant psychologie et intelligence artificielle moderne, les auteurs montrent comment des différences subtiles dans la structure du parc peuvent influencer la capacité d’un lieu à nous aider à nous détendre, à récupérer du stress et à retrouver notre attention.

Regarder les parcs à travers les yeux des gens

L’équipe a commencé par constituer une nouvelle collection d’images appelée ParkScape-PR, composée de 1 346 photographies de parcs urbains prises depuis un point de vue de piéton. Ces images couvrent différents types de parcs, des espaces de quartier aux parcs culturels et écologiques, et incluent des variations de météo et de saisons. Dix-neuf étudiants ont évalué chaque image selon leur degré d’attrait et le sentiment de restauration qu’elle procure, en utilisant un questionnaire standard mesurant la capacité d’une scène à clarifier l’esprit, à induire la relaxation et à restaurer l’attention. Le résultat est un « score de restauration » détaillé pour chaque vue de parc, fondé sur des impressions humaines réelles plutôt que sur des conjectures.

Transformer les scènes en réseaux d’éléments de parc

Pour dépasser des étiquettes vagues comme « vert » ou « naturel », les chercheurs ont décomposé chaque image en éléments visibles spécifiques : arbres, arbustes, pelouses, allées, bancs, bâtiments, eau, et plus encore. À l’aide d’un mélange d’outils automatiques et de vérifications manuelles, ils ont délimité chaque objet et l’ont classé dans l’une des 18 catégories. Ils ont ensuite utilisé un grand modèle de langage pour décrire comment ces éléments sont disposés dans l’espace — par exemple, un arbre au-dessus d’un banc, ou une pelouse adjacente à un chemin. Ces informations sont stockées comme un réseau, ou graphe : chaque objet est un nœud, et chaque relation spatiale est une connexion. Ils ont aussi ajouté des informations de profondeur, capturant si les éléments se situent au premier plan, au plan moyen ou en arrière-plan, car les vues en couches et la sensation de profondeur spatiale favorisent le sentiment d’évasion.

Un « Perceiver » IA qui prédit le degré d’apaisement d’une scène

Avec cette description structurelle en main, l’équipe a construit un modèle prédictif qu’elle appelle Perceiver. Plutôt que de traiter chaque image comme une simple grille de pixels, Perceiver lit le graphe d’objets et de relations, ainsi qu’un résumé compact de la profondeur. Il apprend ensuite à prédire les sept évaluations psychologiques pour chaque image. En utilisant des techniques modernes de réseaux neuronaux de graphes, le modèle capture comment les combinaisons d’éléments et leurs positions influencent conjointement la réaction d’un observateur. Lors des tests, Perceiver a reproduit de façon fiable les évaluations humaines, et une version ignorant l’information de profondeur a obtenu des performances nettement inférieures. Cela suggère que ce n’est pas seulement la présence d’objets dans la scène, mais aussi leur éloignement et leur superposition qui sont cruciaux pour la restauration mentale.

Un « Miner » qui révèle les motifs les plus importants

La prédiction seule ne suffit pas pour les concepteurs ; ils doivent aussi comprendre pourquoi certaines dispositions fonctionnent mieux. Pour le découvrir, les chercheurs ont créé un outil compagnon appelé Miner. Miner considère Perceiver comme un juge fixe puis « atténue » ou « met en évidence » individuellement des objets et des relations dans le graphe pour voir lesquels affectent le plus le score de restauration prédit. À partir de cela, il extrait un « sous-graphe perceptuel » simplifié qui ne conserve que les éléments et connexions les plus influents. Sur de nombreuses images, Miner montre que des caractéristiques isolées comme « arbre » ou « pelouse » ne suffisent pas à expliquer les effets apaisants. Ce sont plutôt des associations et des agencements particuliers qui se distinguent — par exemple, un ciel ensoleillé au-dessus d’arbres et de pelouses, des arbres cadrant une étendue de gazon à côté d’un chemin, et des éléments naturels en avant ou adjacents à des équipements humains comme des bancs et des parcours piétons.

Ce qui rend une vue de parc vraiment restauratrice

En analysant ces réseaux épurés, l’étude propose des orientations concrètes pour urbanistes et paysagistes. Les scènes hautement restauratrices tendent à présenter une diversité d’éléments naturels — arbres, arbustes, pelouses et parfois de l’eau — disposés dans une structure cohérente et en couches. Les arbres et la canopée encadrent souvent les vues plutôt que de les obstruer, créant un sentiment d’abri tout en offrant une perspective ouverte sur l’herbe ou l’eau. Les chemins serpentent doucement et relient les zones focales, tandis que les bancs et autres équipements sont nichés près de la végétation plutôt que cernés par des surfaces dures. En termes de graphes, ces scènes montrent des connexions riches mais ordonnées, avec des éléments naturels clés jouant le rôle de hubs. Les scènes moins restauratrices peuvent contenir des ingrédients similaires mais dans des agencements clairsemés, fragmentés ou visuellement encombrés. Les auteurs soutiennent que le secret d’un parc apaisant ne réside pas simplement dans l’ajout de plus de vert, mais dans la mise en forme attentive des relations spatiales entre les éléments pour que la composition guide discrètement l’œil et l’esprit vers la restauration.

Citation: Zhang, Y., Li, Y., Yin, Y. et al. Uncovering the structural influence of urban park landscapes on psychological restoration via graph learning. Sci Rep 16, 14135 (2026). https://doi.org/10.1038/s41598-026-40102-8

Mots-clés: parcs urbains, restauration mentale, conception paysagère, réseaux de neurones par graphes, psychologie environnementale