Face aux défis de l’optimisation topologique, notre méthodologie repose sur l’utilisation d’un modèle de Geometric Deep Learning (GDL) pour prédire des réponses associées à des modifications du champs de densité. Cet article présente les premières pistes d’exploration nécessaires à la réalisation d’un potentiel post-processing interactif des résultats de topologie permettant aux concepteurs de prédire des performances sans relancer de calculs éléments finis de vérification.