Si l’IA était déjà le mot à la mode de 2024, les prévisions de fin d’année en dehors du monde industriel laissaient entrevoir la prochaine frontière de l’IA générative : les agents IA. En 2025, cette prédiction devient réalité : les agents IA sont en plein essor. Si plusieurs secteurs ont déjà adopté ce phénomène disruptif, la question légitime pour le secteur de la fabrication additive est la suivante : comment va-t-il s’adapter à ce changement ? L’article ci-dessous répond à cette question avec les contributions clés des fournisseurs de logiciel Authentise et Synera.
L’engouement constant autour des technologies émergentes a exaspéré plus d’une personne, surtout lorsque ces technologies n’ont pas tenu leurs promesses. J’ai ressenti cette même frustration l’année dernière en lisant un article de Forbes classant la FA parmi les innovations les plus surestimées.
Avec le recul, je sais que la presse spécialisée, 3D ADEPT Media y compris, a souvent amplifié ce phénomène à travers des titres accrocheurs. Aujourd’hui, l’IA et en particulier les « agents IA », connaît un engouement similaire. C’est pourquoi je pense que nous devrions aborder ce sujet avec prudence, en nous concentrant non pas sur l’effet de mode, mais sur ce que cela signifie réellement pour les utilisateurs de la FA.
Et cela commence par définir ce que sont les agents IA dans le contexte de la fabrication additive.
La compréhension générale des agents IA est qu’il s’agit de systèmes logiciels intelligents capables d’exécuter des tâches de manière autonome et de prendre des décisions pour atteindre des objectifs spécifiques.
Dans le contexte de la FA*, « tout le monde a une réponse différente à cette question. Du point de vue de Synera, il s’agit de quelque chose piloté par des modèles de langage avec des workflows créés par des humains, mais qui nécessite encore un retour humain », a déclaré d’emblée Andrew Sartorelli, responsable de la gestion de produits et des partenariats chez Synera, à 3D ADEPT Media.
« Nous expérimentons ce sujet depuis un moment, depuis notre lancement de 3DGPT. La conclusion actuelle est que l’IA en général couvre trois catégories d’usages :
- Agents de conception/simulation : prédiction de distorsion, optimisation des supports, etc.
- Agents de procédés/contrôle qualité : maintenance prédictive, surveillance de fabrication.
- Augmentation de la main-d’œuvre : c’est le plus important — génération de packages de données techniques (TDP) (comme ThreadsDoc), guidage en réalité augmentée, explication des causes profondes.
C’est cette dernière catégorie qui nous semble la plus prometteuse et qui progresse le plus rapidement, car elle tire le meilleur parti des grands modèles de langage. C’est également le domaine où les actions autonomes ou semi-autonomes — la définition même d’un agent IA — ont le plus de chances d’être acceptées », explique Andre Wegner, CEO et fondateur d’Authentise.
Une analyse de la société informatique Fujitsu révèle que, dans le secteur manufacturier, les agents IA ont le potentiel d’améliorer considérablement la productivité, de réduire les coûts et de pallier les pénuries de main-d’œuvre. Un argument similaire avait été présenté lors de notre conversation avec Ivan Madera, fondateur d’Adapativ AM (anciennement CEO de Morf3D).
Selon Fujitsu, les agents IA suivent généralement un processus en 4 étapes : perception, planification, prise de décision et exécution. Dans le secteur manufacturier en particulier, « les agents IA vont au-delà de la simple automatisation. Ils sont appelés à jouer un rôle de plus en plus déterminant dans l’optimisation des flux de travail et le renforcement de l’avantage concurrentiel ».
Au niveau de la recherche, quelques projets permettent d’évaluer le potentiel des agents IA :
Des chercheurs ont exploré l’utilisation de Multiples Grands Modèles de Langage (LLMs) pour surveiller et contrôler l’impression 3D. Chaque LLM agit comme son propre agent intelligent afin de gérer différents aspects du processus d’impression 3D.
Il s’agirait d’agents LLM spécialisés. Chaque agent est concentré sur une tâche spécifique, comme la détection de défauts d’impression, l’optimisation des paramètres, ou la prédiction des paramètres sous-optimaux.
Selon l’article, ces agents apporteraient 3 avantages clés :
- Collaboration en temps réel : les agents travaillent ensemble en temps réel, partagent des informations et effectuent des ajustements au fil de l’impression. Les erreurs sont détectées et corrigées immédiatement, réduisant les déchets et améliorant la qualité.
- Apprentissage et adaptation : le système ne se contente pas d’être « configuré et oublié ». Il optimise chaque couche et améliore ses performances au fil du temps, comme une équipe d’experts qui peaufinent en continu le processus.
- Autonomie et évolutivité : comme il ne repose pas sur des données d’entraînement, le système peut s’adapter facilement à une grande variété de configurations d’imprimantes.
En pratique, comment les entreprises FA adaptent-elles leur architecture logicielle pour permettre ou soutenir des workflows similaires à ceux des agents?
En pratique, nous pensons que les éditeurs de logiciels et de SaaS seront parmi les plus impactés par la montée en puissance des agents IA et devront s’adapter rapidement pour conserver leur valeur dans la chaîne de fabrication. Une étape clé consistera à repenser leur architecture logicielle pour permettre et soutenir des workflows similaires à ceux des agents.
Alors, comment cela se passe-t-il chez Authentise ?
« Nous veillons à ce que notre architecture soit suffisamment flexible pour utiliser différents modèles (selon l’entreprise ou le cas d’usage). Nous accordons également une attention encore plus grande à l’intégration du fil numérique afin de constituer des données suffisantes pour ces modèles », a indiqué Wegner à 3D ADEPT Media.
Évoquant un projet sur lequel ils travaillent, il ajoute : « Nous avons généré 8,1 millions de dollars d’économies pour Boeing lors de la première année d’exploitation de ThreadsDoc, un outil alimenté par l’IA qui capture les données d’ingénierie additive et génère automatiquement des rapports standardisés. Dans le cas de Boeing, il s’agissait de packages de données techniques nécessaires aux approbations de vol, pour lesquels le travail d’ingénierie était déjà réalisé mais devait être mis en forme. ThreadsDoc a permis à des ingénieurs hautement qualifiés d’économiser des centaines d’heures en produisant une ébauche prête à réviser.
« Nous avons toujours poursuivi une mission de connexion des « données contextuelles », car la fabrication additive, en tant que processus de fabrication à haute variété et faible volume, ne dispose pas de données suffisantes pour apprendre uniquement à partir des données traditionnelles de l’Industrie 4.0 (données de capteurs uniques). L’accent doit donc être mis non seulement sur l’intégration des machines additive, mais aussi sur les post-processeurs en aval, ainsi que sur les moteurs de simulation et les outils de conception en amont », précise Wegner en évoquant leur stratégie d’intégration avec d’autres logiciels ou matériels dans la chaîne de valeur FA.
Et chez Synera ?
« Notre architecture, dès le départ — avec la construction visuelle de processus automatisés — se prête déjà à la création de workflows pouvant intégrer des agents. Pour nous, le seul ajout réellement nécessaire a été l’intégration de grands modèles de langage, créant essentiellement la connexion à l’infrastructure requise pour les agents », a expliqué Sartorelli.
« Je pense que là où nous avons vu des agents IA déployés dans le contexte de l’ingénierie — et on peut l’imaginer pour la fabrication additive — il y a de nombreuses étapes dans le processus, de nombreuses tâches différentes et de nombreuses personnes impliquées. Ce que nous observons maintenant, c’est des agents réalisant des opérations de chiffrage ou exploitant des algorithmes de nesting pour trouver l’orientation et les paramètres les plus optimaux. L’avantage des agents est qu’ils peuvent travailler de manière relativement autonome pour prendre en charge les tâches répétitives que les ingénieurs sont souvent contraints d’effectuer manuellement en naviguant dans leurs logiciels. Les agents suppriment cette contrainte et agissent plutôt en fonction de l’intention de l’ingénieur ou du concepteur. Ainsi, si vous n’avez pas de connexion aux outils d’ingénierie utilisés pour l’impression 3D, les agents ne peuvent pas vraiment vous aider. C’est pourquoi, dès le départ, nous avons misé sur les intégrations avec des partenaires comme EOS, Materialise, Cognitive Design Systems et Hexagon — pour rassembler tous ces outils. Nous voyons maintenant une opportunité avec les agents pour exploiter d’autres stratégies d’intégration, comme le nouveau standard MPP, afin de rendre ces connexions plus simples que jamais », ajoute-t-il.
La société travaille actuellement avec Materialise afin que ses utilisateurs puissent accéder au Magics SDK et déployer des agents de fabrication additive capables de gérer de manière autonome les tâches allant de la conception à l’impression.
Grâce à un éditeur visuel, les ingénieurs peuvent automatiser à plusieurs niveaux de complexité des tâches simples aux workflows FA de bout en bout, grâce à des systèmes multi-agents pleinement intégrés à des outils tels que le Magics SDK de Materialise. Cela permettra aux utilisateurs de créer des workflows d’automatisation de bout en bout pour la fabrication additive, réduisant considérablement les échecs de fabrication et garantissant que les modèles sont correctement préparés avant l’impression.
Limites actuelles des agents IA en FA
Notre analyse révèle que les limites des agents IA dans la chaîne FA pourraient être similaires à celles rencontrées par les technologies de jumeau numérique : il doit exister une cohésion et une dynamique réelles entre les environnements numérique et physique. Cela signifie que :
Les agents IA doivent être alimentés par des modèles capables de comprendre et de répondre avec fluidité aux environnements cybernétiques et physiques. Or, les environnements physiques sont variables et dépendent de nombreux facteurs, notamment les variations de vibration ou de température, la qualité des matériaux ou les connaissances humaines.
C’est probablement ce que le CEO d’Authentise résume sous le terme « précision » : « La précision est un autre point clé, outre celui que vous mentionnez. Cela signifie que certains cas d’usage (comme la conversion de texte intégral en CAO) ont peu de chances d’être particulièrement efficaces à court terme.
En externe, les normes exigeant une intervention humaine ralentiront également le déploiement de l’IA jusqu’à ce qu’il soit prouvé qu’elle peut garantir un processus répétable. Cela prendra du temps ».
« Maintenant, il s’agit vraiment de déterminer quels sont les bons cas d’usage et applications pour les agents IA. Je ne pense pas que nous verrons les agents IA éliminer complètement le besoin d’humains dans la boucle de sitôt. Mais au cours des prochains mois ou années, je m’attends à ce que certaines tâches routinières soient supprimées grâce aux agents IA.
Si l’on exclut la phase de conception — qui, selon moi, nécessite toujours le regard d’un ingénieur de conception — alors oui, les agents commenceront à couvrir le reste du workflow de bout en bout. Cependant, il y aura toujours besoin d’un humain dans la boucle à certaines étapes. En tant qu’ingénieurs, concepteurs et scientifiques, nous devons également valider le travail des autres, qu’il s’agisse de personnes ou d’agents IA », conclut l’expert de Synera.
Il est encore trop tôt pour tirer des conclusions définitives sur l’intégration des agents IA dans la chaîne de valeur FA. Tout en continuant à suivre cette tendance en évolution, une chose est claire : ceux qui souhaitent rester à la pointe de l’industrie devront cultiver une culture organisationnelle qui embrasse et co-crée avec l’IA.
* Nous sélectionnons les informations importantes pour vous aider à progresser dans votre aventure de fabrication additive. Recevez-les une fois par semaine, directement dans votre boîte mail.
