C’est un défi de taille, mais selon Zapf, la technologie d’intelligence artificielle (IA) peut prendre en charge en capturant les bonnes données et en guidant les ingénieurs tout au long de la conception et du développement de produits.

Pas étonnant qu’une enquête McKinsey de novembre 2020 révèle que plus de la moitié des organisations ont adopté l’IA dans au moins une fonction, et 22% des répondants déclarent qu’au moins 5% de leurs revenus à l’échelle de l’entreprise sont attribuables à l’IA. Et dans le secteur de la fabrication, 71% des répondants ont constaté une augmentation de 5% ou plus de leurs revenus avec l’adoption de l’IA.

Mais ce n’a pas toujours été le cas. Autrefois «rarement utilisée dans le développement de produits», l’IA a connu une évolution au cours des dernières années, explique Zapf. Aujourd’hui, les géants de la technologie connus pour leurs innovations en matière d’IA, tels que Google, IBM et Amazon, «ont établi de nouvelles normes pour l’utilisation de l’IA dans d’autres processus», comme l’ingénierie.

«L’IA est un domaine prometteur et exploratoire qui peut considérablement améliorer l’expérience utilisateur des ingénieurs concepteurs, ainsi que collecter des données pertinentes dans le processus de développement d’applications spécifiques», déclare Katrien Wyckaert, directeur des solutions industrielles pour Siemens Industry Software.

Le résultat est une appréciation croissante pour une technologie qui promet de simplifier les systèmes complexes, de mettre les produits sur le marché plus rapidement et de stimuler l’innovation produit.

Simplifier les systèmes complexes

Renault est un parfait exemple de la capacité de l’IA à réviser le développement de produits. En réponse à la demande croissante des consommateurs, le constructeur automobile français équipe un nombre croissant de nouveaux modèles de véhicules d’une transmission manuelle automatisée (AMT), un système qui se comporte comme une transmission automatique mais permet aux conducteurs de changer de vitesse électroniquement à l’aide d’un bouton poussoir.

Les AMT sont populaires parmi les consommateurs, mais leur conception peut présenter de formidables défis. En effet, les performances d’un AMT dépendent du fonctionnement de trois sous-systèmes distincts: un actionneur électromécanique qui change les rapports, des capteurs électroniques qui surveillent l’état du véhicule et un logiciel intégré dans l’unité de commande de la transmission, qui contrôle le moteur. En raison de cette complexité, cela peut prendre jusqu’à un an d’essais et d’erreurs approfondis pour définir les exigences fonctionnelles du système, concevoir la mécanique de l’actionneur, développer le logiciel nécessaire et valider l’ensemble du système.

Afin de rationaliser son processus de développement AMT, Renault s’est tourné vers le logiciel Simcenter Amesim de Siemens Digital Industries Software. La technologie de simulation repose sur des réseaux de neurones artificiels, des systèmes «d’apprentissage» de l’IA librement modelés sur le cerveau humain. Les ingénieurs font simplement glisser, déposer et connecter des icônes pour créer graphiquement un modèle. Lorsqu’il est affiché sur un écran sous forme d’esquisse, le modèle illustre la relation entre tous les différents éléments d’un système AMT. À leur tour, les ingénieurs peuvent prédire le comportement et les performances de l’AMT et apporter les améliorations nécessaires au début du cycle de développement, évitant ainsi les problèmes et les retards à un stade avancé. En effet, en utilisant un moteur virtuel et des transmissions comme substituts tout en développant du matériel, Renault a réussi à réduire de près de moitié son temps de développement AMT.

Vitesse sans sacrifier la qualité

De même, les normes environnementales émergentes poussent Renault à s’appuyer davantage sur l’IA. Pour se conformer aux nouvelles normes d’émissions de dioxyde de carbone, Renault travaille sur la conception et le développement de véhicules hybrides. Mais les moteurs hybrides sont beaucoup plus complexes à développer que ceux que l’on trouve dans les véhicules avec une seule source d’énergie, comme une voiture conventionnelle. C’est parce que les moteurs hybrides exigent que les ingénieurs exécutent des exploits complexes comme l’équilibrage de la puissance requise par plusieurs sources d’énergie, le choix parmi une multitude d’architectures et l’examen de l’impact des transmissions et des systèmes de refroidissement sur les performances énergétiques d’un véhicule.

«Pour répondre aux nouvelles normes environnementales d’un moteur hybride, il faut repenser complètement l’architecture des moteurs essence», précise Vincent Talon, responsable de la simulation chez Renault. Le problème, ajoute-t-il, est que l’examen attentif «des dizaines d’actionneurs différents qui peuvent influencer les résultats finaux de la consommation de carburant et des émissions de polluants» est un processus long et complexe, rendu plus difficile par des délais rigides.

«Aujourd’hui, nous n’avons clairement pas le temps d’évaluer minutieusement diverses architectures de groupes motopropulseurs hybrides», déclare Talon. «Nous devions plutôt utiliser une méthodologie avancée pour gérer cette nouvelle complexité.»

Pour en savoir plus sur l’IA dans les applications industrielles, visitez www.siemens.com/artificialintelligence.

Téléchargez le rapport complet.

Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n’a pas été rédigé par la rédaction du MIT Technology Review.