Dossier du numéro de janvier/février 2023, avec Omar Fergani (1000 Kelvin) et Daniel Büning (nFrontier). Les outils, prévisions et exemples évoqués reflètent cette période.
Dans notre récapitulatif de l’année 2022, nous avons observé que les entreprises technologiques n’ont cessé de travailler sur des solutions logicielles plus robustes pour l’ensemble du flux de fabrication ; des solutions logicielles qui peuvent rationaliser les flux de travail et s’intégrer aux solutions d’entreprise existantes, des logiciels qui peuvent faciliter la tâche des ingénieurs pour concevoir une pièce directement pour la fabrication additive plutôt que de devoir concevoir cette pièce deux fois. Dans cet esprit, les solutions logicielles sont de plus en plus développées en intégrant l’intelligence artificielle (IA).
Le problème, c’est que les éditeurs de logiciels ont tendance à vanter les mérites des “produits logiciels miracles” dont l’IA est le principal argument de vente. Les concepteurs de produits doivent être prudents. L’IA est-elle devenue un “mot magique” destiné à rendre un produit plus sophistiqué, plus puissant, plus performant ou simplement moins “ennuyeux” ? Quand est-il vraiment judicieux de dire “ce logiciel alimenté par l’IA fait vraiment des merveilles” ? Comment éviter le battage médiatique autour de cette technologie qui semble encore complexe à apprivoiser ? Ce dossier vise à apporter une compréhension réfléchie de l’intégration de l’IA dans les solutions logicielles dédiées à la FA et à évaluer le fossé qui reste à combler entre la théorie et la pratique.
Au début de 2023, l’attention suscitée par ChatGPT nous a conduits à lui poser la question centrale de ce dossier. L’échange ci-dessous conserve la trace de cet essai historique ; il ne constitue pas une source technique vérifiée.
Une réponse plausible d’un outil génératif nécessite une vérification : elle peut mêler éléments exacts, erreurs et généralités. L’analyse qui suit repose sur les entretiens et les limites explicitées.
La première étape pour discuter de ce sujet serait de comprendre comment les gens perçoivent l’IA. Si vous êtes ingénieur, votre compréhension de l’IA se résume probablement au fait qu’il s’agit d’un domaine scientifique visant à construire des ordinateurs et des machines capables de raisonner, d’apprendre et d’agir d’une manière qui nécessiterait normalement l’intelligence humaine ou qui implique des données dont l’échelle dépasse ce que les humains peuvent analyser.
Le problème est qu’il existe une différence entre la définition généralement acceptée de l’IA et ce que les gens en pensent réellement.
« Quand les gens pensent à l’IA, ils pensent à la machine intelligente introduite par la culture populaire, ils pensent à Star Trek, HAL 9000 de 2001 ou Ultron d’Avengers. Il se peut que nous mettions au point une technologie capable de faire tout cela, mais ce que nous avons aujourd’hui, c’est une avancée substantielle des mathématiques statistiques et un pouvoir perturbateur qui réduit le coût de la prédiction et la rend largement disponible », a déclaré Omar Fergani à 3D ADEPT Media. Fergani est le cofondateur et le CEO de 1000 Kelvin GmbH. L’entreprise développe AMAIZE, présenté comme un outil de prédiction et de préparation des fichiers de fabrication, à l’interface de la simulation et de la FAO. Les gains recherchés incluent la réduction des rebuts et du travail de préparation ; ils doivent être évalués pour le procédé et l’application concernés.
Les logiciels de FA couvrent notamment la CAO, la simulation et l’IAO, la FAO, les flux ERP/MES, la conception générative et le contrôle qualité. L’IA peut contribuer à certaines de ces fonctions, mais toute automatisation ou conception générative ne repose pas nécessairement sur un modèle d’apprentissage.
« Toutes les catégories citées peuvent être alimentées par l’IA », déclare d’emblée Daniel Büning, CEO et cofondateur du studio de production nFrontier. Étant donné qu’elles dépendent de la prédiction ou sont par essence des outils prédictifs, elles peuvent être transformées par l’IA et offrir au client des capacités de décision améliorées ou être totalement remplacées par l’IA, ajoute Fergani.
Pour comprendre comment l’IA peut affecter chacune de ces catégories, le fondateur de 1000 Kelvin recommande d’utiliser le cadre du professeur Agrawal, l’un des principaux économistes de l’IA :
« Il existe trois façons d’analyser l’impact de l’IA : solution ponctuelle, solution applicative et solution système. Pour illustrer l’impact d’une solution ponctuelle, prenons par exemple le logiciel de qualité dans la fabrication additive. Les systèmes de reconnaissance d’images basés sur l’apprentissage profond sont aujourd’hui capables de prédire avec précision les défauts pendant le processus d’impression que même les humains les plus expérimentés ne peuvent pas voir. Par la suite, les entreprises peuvent apporter des améliorations substantielles à leurs indicateurs clés de qualité et réaliser d’importantes économies grâce à l’IA.
Un excellent exemple d’application de l’IA est ce qui se passe dans le domaine de l’IAO (ingénierie assistée par ordinateur). Les récentes avancées dans le développement des réseaux de neurones sur graphes (Graph Neural Networks = GNN) changent la façon dont les entreprises envisagent leur flux de travail d’IAO. Les logiciels de simulation vont devenir des générateurs fiables de données qui alimentent des modèles basés sur l’IA, ce qui rend le flux de travail différent de ce que nous connaissons aujourd’hui.
Ces algorithmes génèrent des résultats précis en quelques secondes au lieu des heures et des jours nécessaires aux simulations traditionnelles par éléments finis. Cela aura un impact considérable sur les processus d’ingénierie au sein des grandes organisations d’ingénierie. Dans ce cas, l’IA réduit considérablement le temps de mise sur le marché du produit. Les équipementiers automobiles qui ont adopté cette technologie ont considérablement réduit le temps d’itération entre leur équipe de conception et leur équipe d’ingénierie.
Dans le cas notoire d’un fournisseur d’échangeurs thermiques, le temps d’itération est passé de 12 heures à 15 minutes au total. La prédiction rapide et précise permise par l’IA ouvre la porte à une optimisation et une prise de décision plus rapides. L’un des impacts les plus intéressants de l’IA dans ce domaine est la fusion attendue de la CAO et de l’IAO pour créer de véritables conceptions génératives. Des entreprises comme Navasto sont en tête du peloton et je suis impatient de voir les développements dans les mois à venir.
Enfin, les solutions système sont généralement les plus perturbatrices. Lorsque la décision pilotée par l’IA fait partie d’un système, l’adoption de l’IA peut nécessiter une refonte organisationnelle donnant naissance à un système totalement nouveau. Je pense qu’il y aura un moment où la puissance de l’IA perturbera les logiciels traditionnels de gestion du cycle de vie et créera des systèmes d’exploitation spécifiques à l’industrie (ISOS). Qu’est-ce que cela signifie pour l’industrie de la FA ?
Les logiciels intelligents seront capables à l’avenir d’aider les entreprises à prendre des décisions de bout en bout. Ils s’appuieront sur des algorithmes génératifs pour trouver les conceptions optimales en fonction d’exigences complexes en matière d’ingénierie, de coûts et de délais. L’IA sera également capable de créer automatiquement des instructions de fabrication pour les machines et de prendre des décisions sur l’ordonnancement jusqu’au rapport final de qualité. Ces ISOS basés sur l’IA et leurs avantages ne seront pas faciles à mettre en œuvre comme des solutions ponctuelles et applicatives. Cependant, ils offriront un pouvoir économique substantiel à ceux qui les adoptent chez les fabricants. »
Les prédictions et gains de temps décrits par Fergani sont des exemples et perspectives rapportés en 2023. Le cas de l’échangeur thermique, passant de 12 heures à 15 minutes, n’est pas accompagné ici d’un protocole comparatif détaillé : il ne permet pas de généraliser le même gain à toutes les simulations.
Büning, de nFrontier, a déclaré qu’ils travaillent actuellement avec l’aide de l’IA dans leur projet actuel – en particulier dans le domaine du design :
« Nous utilisons l’IA en tant que front-end pour développer des itérations de conception à l’aide d’outils d’OpenAI comme Point-E, qui produisent une image sur la base d’une saisie de texte (appelée « prompt ») uniquement. Aujourd’hui, le passage d’une image créée avec Midjourney à un système de CAO comme Rhino (Grasshopper) est un processus encore très expérimental – nous écrivons nos propres petits programmes pour le faire. Cela ouvre une dimension totalement nouvelle en termes de vitesse de création et de variation des idées de conception.
Du côté de l’IAO, le potentiel de traitement d’un grand ensemble de données d’images pour trouver la meilleure solution à un problème est énorme. Dans le cas de la conception générative, qui produit une grande quantité de résultats, le fait d’alimenter un processeur d’images ouvre d’énormes possibilités.
[Ceci étant dit], les solutions actuelles alimentées par l’IA, comme le logiciel de conversion de texte en image Point-E ou DALL·E, permettent déjà de créer une quantité infinie d’images (résultats) en un rien de temps. Le grand nombre de résultats doit être vérifié, validé et trié. Le travail du designer consistera non seulement à alimenter l’IA avec les bonnes données, mais aussi à évaluer et à choisir un résultat qui corresponde à son style préféré. À mon avis, le travail d’un designer va évoluer vers le rôle d’un curateur, qui sélectionne le bon résultat pour la tâche à accomplir, plutôt que de dessiner quelque chose. Étant donné qu’un résultat peut être transmis à plusieurs IA, le designer doit savoir laquelle utiliser dans une situation donnée. »
Précision éditoriale : Point-E, présenté par OpenAI en décembre 2022, produit un nuage de points 3D à partir d’une image synthétique générée depuis le texte. Il ne s’agit donc pas seulement d’un générateur d’images, ni d’une garantie de modèle CAO directement fabricable. Les propos ci-dessus décrivent un flux expérimental ; les noms d’outils ont été corrigés dans leur transcription.
Donc, l’IA change la conception des produits, oui. Mais quelles sont les perspectives positives possibles et les menaces à surveiller ?
Les concepteurs de produits disposent d’un large éventail d’options lorsqu’ils souhaitent intégrer l’IA dans leur flux de travail. La technologie peut les aider à identifier un problème ou un défi, à analyser les données, à créer des concepts, à tester et simuler, voire à optimiser leurs conceptions existantes.
Toutefois, ils doivent être prudents, car l’intégration de l’IA dans leur processus de décision ne signifie pas nécessairement une diminution du travail pour eux. Plus les frontières sont repoussées pour les technologies alimentées par l’IA, plus les concepteurs de produits doivent être attentifs et faire de leur mieux pour ne pas laisser de côté leurs capacités de brainstorming créatif.
« L’esprit créatif derrière l’écran aura un rôle différent – créateur vs curateur. J’aimerais voir un outil qui crée des pièces imprimables (manufacturables) en quelques secondes, indépendamment de l’entrée, par exemple un dessin manuel, une photo, un texte, une image ou une combinaison de tous ces éléments », souligne le cofondateur de nFrontier.
La diversité des utilisateurs doit aussi être prise en compte. Dans une chronique publiée par DEVELOP3D, SJ utilise son expérience d’un oxymètre de pouls pour illustrer les enjeux de conception inclusive. Cet exemple ne démontre pas que l’IA soit à l’origine du problème décrit.
La vérité est qu’il existe diverses formes de biais de l’IA, et que certaines d’entre elles peuvent être préjudiciables. Outre les biais liés aux données et aux algorithmes (les seconds pouvant renforcer les premiers), l’IA est développée par des humains – et les humains sont intrinsèquement biaisés. Le défi va donc au-delà du sexe et de la race, pour englober les personnes handicapées. Pour le concepteur de produits qui utilise des outils alimentés par l’IA, il s’agit d’oser penser aux problèmes mondiaux dans leur ensemble.
Du point de vue de la fabrication, Fergani met l’accent sur le fait que les solutions logicielles alimentées par l’IA peuvent aider les concepteurs, les architectes et les ingénieurs à relever certains des défis les plus pressants de la société, et ce sous deux aspects :
« Aujourd’hui, le thème de la ‘légèreté des produits’ n’est pas encore beaucoup abordé à grande échelle, mais l’IA pourra aider à la conception et à l’ingénierie de structures légères. Par exemple, l’industrie sidérurgique est à l’origine de plus de 8 % des émissions totales de CO2 dans le monde. Il s’agit d’un chiffre considérable, et une petite diminution pourrait contribuer à l’effort de réduction des émissions. L’utilisation de l’IA pour alléger les structures des bâtiments et réduire la demande d’acier est une application intéressante que cette technologie peut permettre.
Ces efforts peuvent être étendus à de nombreux autres efforts de réduction des matériaux, par exemple, pour concevoir des bouteilles en plastique légères et circulaires qui sont consommées par des milliards de personnes chaque jour. Ainsi, mon espoir est de voir l’adoption rapide de l’IA lorsqu’il s’agit de concevoir des produits plus durables. Mais cela ne s’arrête pas là : les nouvelles conceptions de produits doivent pouvoir être fabriquées, et l’IA peut aider à combler le fossé entre l’IAO et la FAO et ainsi repousser les limites de ce qui peut être fabriqué. »
Les chiffres d’émissions dépendent du périmètre retenu : l’AIE estimait en 2020 les émissions directes de la sidérurgie à environ 7 % des émissions du système énergétique mondial. Cette définition ne se confond pas avec toutes les émissions directes et indirectes. Le bénéfice climatique d’un outil d’IA doit être évalué sur une application donnée.
Un regard au-delà du buzz marketing
Pour dépasser les arguments marketing, Fergani recommande d’examiner la qualité et la richesse des données ainsi que l’expertise métier. Ces éléments doivent être complétés par des essais sur des cas représentatifs et des critères de réussite mesurables.
« Si nous parlons spécifiquement de notre secteur, la réalité est que la plupart des solutions logicielles des opérateurs historiques n’ont historiquement pas accumulé de données précieuses qui pourraient être utilisées pour construire de puissants outils de prédiction basés sur l’IA. En effet, on utilise beaucoup de mots à la mode, et il faut être attentif.
La bonne nouvelle est que de plus en plus d’entreprises et de start-ups en particulier ont intégré ces exigences en matière d’IA dans l’ADN de leur modèle commercial. Elles sont pour la plupart dans le nuage et ont la capacité d’accéder à de riches bases de données ou d’en créer. Ce que je considère comme l’évolution la plus intéressante, c’est que de plus en plus de clients hésitent moins à fournir des données aux fournisseurs de services, car ces données en retour contribuent à améliorer la prédiction et donc l’efficacité de leur travail », souligne-t-il.
Fergani présente AMAIZE comme une solution visant à simplifier la préparation de la fusion sur lit de poudre grâce à la prédiction et à l’ajustement des fichiers machine. Le recours au cloud peut déplacer une partie du calcul chez le fournisseur ; il ne supprime pas les besoins d’intégration, de contrôle des résultats ou de protection des données partagées. Les gains annoncés restent à valider dans chaque environnement de production.
Pour Büning, il s’agit enfin d’apporter une valeur ajoutée inédite jusqu’à présent :
« Cela signifie que la conception résultante doit être impossible à créer avec les logiciels “standard” existants. Le ChatGPT d’OpenAI crée un texte complet avec des informations sur les mots à la mode à un niveau tel qu’il est difficile pour un humain de vérifier si c’est une IA qui l’a créé ou non. La vitesse de ces développements est vraiment rapide – les IA s’améliorent de façon exponentielle en quelques semaines plutôt qu’en mois ou années. Chez nFrontier, nous croyons à la magie de ce que nous appelons la “convergence”. Cela signifie que les processus d’innovation sont de plus en plus accélérés par les avancées technologiques dans différents domaines et leur combinaison. Par exemple, combiner l’IA (conception) avec la RV (visualisation/preuve) et la fabrication additive (matérialisation) pour aboutir à un nouveau produit perturbateur ».
Remarques finales
Les lignes ci-dessus démontrent que l’IA dans la conception de produits va (et doit aller) au-delà d’un simple « module » pour accélérer les processus. En effet, intégrer l’IA à votre flux de travail de développement de produits ne signifie pas nécessairement que vous obtiendrez les résultats escomptés. Un état d’esprit axé sur la stratégie des données est certainement nécessaire, mais les concepteurs de produits doivent toujours garder à l’esprit les pièges/limites du biais algorithmique, car il est essentiel au développement de produits diversifiés et inclusifs.
Pour structurer cette évaluation, le cadre volontaire de gestion des risques de l’IA publié par le NIST en janvier 2023 propose une démarche adaptée aux usages. En pratique : définir le besoin, vérifier les données et les droits de partage, tester la fiabilité et maintenir une supervision humaine des résultats.
Cet article a initialement paru dans le numéro de janvier/février 2023 de 3D ADEPT Mag.
LA NEWSLETTER HEBDOMADAIRE DE 3D ADEPT
L’industrie évolue. Gardez une longueur d’avance.
Chaque semaine, l’essentiel de la fabrication additive : actualités industrielles, dossiers de fond et applications concrètes, sélectionnés par notre rédaction. Vous êtes aussi les premiers informés de la sortie de chaque numéro de 3D ADEPT Mag.
Gratuit · Un e-mail par semaine · Désinscription à tout moment
En cliquant, vous chargez le formulaire de notre prestataire d’e-mailing, ainsi que ses statistiques et la protection anti-robots de Google. Votre inscription n’est enregistrée que si vous la validez. Consultez notre politique de confidentialité