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.
ChatGPT étant la dernière innovation d’IA en vogue chez les ingénieurs, les entrepreneurs et de nombreux utilisateurs de médias sociaux, nous avons trouvé intéressant de commencer nos recherches sur ce sujet en lui posant notre question principale. Voici comment s’est déroulée notre conversation :
Les réponses de ChatGPT sont logiques, mais elles ne sont pas totalement exactes – nos questions aussi, me diriez-vous.
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, une société de logiciels qui développe AMAIZE, une solution alimentée par l’IA qui utilise l’apprentissage automatique pour prédire tous les problèmes qui pourraient survenir pendant le processus d’impression de géométries complexes et optimise le fichier machine exécutable afin d’éliminer les rebuts, d’accélérer le rythme de la qualification et surtout de libérer le temps des ingénieurs pour des tâches plus importantes. Cette solution logicielle se situe à l’intersection de l’IAO et de la FAO, que Fergani définit comme la « fabrication générale ».
En analysant de grandes quantités de données, l’IA serait un outil précieux qui transforme la façon dont les produits sont conçus, de l’étincelle d’inspiration initiale à l’optimisation finale pour le marché. Il convient de noter qu’il existe différentes catégories de solutions logicielles dans le secteur de la FA : La conception (CAO), la simulation (IAO), le traitement (FAO), le flux de travail (ERP/MES), la conception générative (par la fusion de la CAO et de l’IAO) et l’assurance qualité et la sécurité, pour n’en citer que quelques-unes. Alors, laquelle de ces catégories est susceptible d’être alimentée par l’IA ?
« 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 graphiques (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 de données fiables à l’arrière et sont alimentés par 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. Il s’appuiera 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. »
En théorie, cette explication semble passionnante et très prometteuse. En pratique, à quoi cela ressemble-t-il ? Alors que les capacités de l’IA sont chantées aux quatre coins de l’industrie, il y a en fait très peu d’exemples d’entreprises qui soulignent où exactement elles tirent profit de ces capacités.
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’IA ouverts comme pointe, qui produisent une image sur la base d’une saisie de texte (appelée « prompt » (lire en anglais)) uniquement. Aujourd’hui, le passage d’une image créée dans le voyage de l’esprit à un système de CAO comme Rhino (Grasshopper) est un processus expérimental tranquille – 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 pointe ou DALLE, 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 conservateur, 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. »
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 conservateur. 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.
Outre les questions esthétiques à surveiller, un défi crucial dans la conception de produits aujourd’hui est la diversité et l’inclusion – qui n’est pas (toujours) au cœur des solutions alimentées par l’IA. Dans un article publié par D3D, la chroniqueuse SJ a raconté son expérience récente avec un oxymètre de pouls, qui montre bien qu’un manque de pensée inclusive dans la conception de produits peut avoir des conséquences dévastatrices.
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. »
Un regard au-delà du buzz marketing
L’IA est actuellement utilisée comme principal argument de vente par de nombreux fournisseurs de logiciels et il y a de fortes chances que la plupart de ces produits ne tiennent pas leurs promesses. Pour dépasser ce buzz marketing, le CEO de 1000 Kelvin recommande de se pencher sur deux exigences principales : l’accès à une source de données riche et une application ou une expertise sectorielle.
« 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.
En parlant d’AMAIZE, et de son objectif d’aider les ingénieurs à réduire considérablement la complexité des processus de fusion sur lit de poudre pour les rendre accessibles et faciles à utiliser, Fergani souligne que la solution logicielle peut non seulement prédire les problèmes, mais aussi les corriger et générer un fichier prêt à l’emploi pour le client en un temps record et sans aucune infrastructure nécessaire. C’est la combinaison d’une prédiction très rapide grâce aux algorithmes d’apprentissage automatique, de l’évolutivité du cloud et de la facilité de déploiement et d’utilisation.
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 Chat GTP d’Open AI 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.
Ce dossier a été initialement publié dans le numéro de Janvier/Février de 3D ADEPT Mag.
N’oubliez pas que vous pouvez poster gratuitement les offres d’emploi de l’industrie de la FA sur 3D ADEPT Media ou rechercher un emploi via notre tableau d’offres d’emploi. N’hésitez pas à nous suivre sur nos réseaux sociaux et à vous inscrire à notre newsletter hebdomadaire : Facebook, Twitter, LinkedIn & Instagram !