Imaginez un monde où les pièces métalliques complexes ne sont pas sculptées dans des blocs solides ou coulées dans des moules, mais sont au contraire construites couche par couche, comme une imprimante 3D empilant du métal en fusion. Il s'agit de la fabrication additive, une technologie qui promet de créer des formes auparavant impossibles à réaliser. Cependant, la construction de ces pièces est un équilibre délicat. Si un mur est trop mince, il pourrait s'effondrer ; si une section dépasse trop loin sans support, elle pourrait se déformer sous l'effet de la chaleur. Pendant des décennies, les ingénieurs ont dû vérifier manuellement leurs conceptions par rapport à une longue liste de règles, exécuter des simulations pour prédire comment le métal se comporterait, puis redessiner la pièce si quelque chose semblait incorrect. C'est un processus lent et répétitif où le jugement humain comble le fossé entre les chiffres bruts d'un ordinateur et la réalité physique de l'atelier de fabrication.

Désormais, un nouveau système appelé AgenticDfAM change la manière dont ce travail est effectué. Au lieu de simplement vérifier une conception par rapport à une liste de règles statiques, ce système utilise une équipe d'agents logiciels intelligents capables de raisonner, de mesurer et même de réécrire les règles qu'ils suivent. Ces agents ne se contentent pas de regarder l'image d'une pièce ; ils interagissent avec des outils spécialisés qui mesurent la géométrie avec une précision extrême. Si une conception échoue à un contrôle, le système ne se contente pas de signaler une erreur ; il propose une correction, exécute une simulation pour voir comment cette correction affecte la résistance et la température de la pièce, puis décide si le changement vaut la peine d'être effectué. Crucialement, le système est conçu pour être transparent. Chaque décision qu'il prend est étayée par une mesure spécifique ou un nombre calculé qu'un ingénieur humain peut inspecter et vérifier.

Les chercheurs derrière ce travail, dirigés par David Guirguis, voulaient voir s'ils pouvaient automatiser tout ce cycle de conception, d'évaluation et de réparation sans perdre les normes rigoureuses requises par l'ingénierie. Ils ont construit un flux de travail où un grand modèle de langage agit comme un gestionnaire, coordonnant différents outils logiciels pour gérer des tâches spécifiques. Un outil reconnaît les formes dans un modèle numérique, un autre mesure les distances et les angles, et un troisième exécute des simulations physiques complexes pour prédire comment le métal va chauffer et refroidir. L'agent du modèle de langage lit les résultats de ces outils, interprète leur signification et décide de la marche à suivre. Si une pièce possède une section trop fine, l'agent peut suggérer d'épaissir le mur. Si cela rend la pièce trop lourde, il peut suggérer une forme différente. Le système tient un journal de bord de chaque mesure et de chaque règle appliquée, garantissant que la conception finale n'est pas un simple pari, mais une solution fondée sur des données concrètes.

Pour tester ce système, les chercheurs sont partis d'un modèle numérique d'un support métallique complexe. Ils l'ont injecté dans le flux de travail avec un ensemble de directives de fabrication pour un type spécifique d'alliage de nickel. Le système a immédiatement commencé son travail, décomposant la conception en ses caractéristiques géométriques et les mesurant par rapport aux règles. Il a trouvé plusieurs violations, telles que des parois trop fines et des surplombs trop abrupts. L'agent a ensuite généré trois façons différentes de résoudre ces problèmes. Une stratégie conservait la forme globale de la pièce exactement la même mais ajoutait du matériau pour renforcer les points faibles. Une autre stratégie retirait du matériau pour rendre la pièce plus légère. Une troisième approche tentait de trouver un équilibre entre les deux. Le système a exécuté des simulations sur chacune de ces nouvelles versions pour voir comment elles se comporteraient lors du processus d'impression réel.

Les résultats ont montré que le simple fait de corriger les erreurs géométriques ne suffisait pas. La version qui ajoutait le plus de matériau pour corriger les points faibles présentait le moins de déformation lors du retrait de la pièce de l'imprimante. Cependant, la version qui retirait du matériau pour gagner du poids présentait en réalité plus de déformations dans certaines directions, même si elle satisfaisait toutes les règles géométriques de base. Cette découverte souligne une limitation clé des outils de conception traditionnels : ils regardent souvent un problème à la fois. AgenticDfAM, au contraire, pouvait percevoir les compromis. Il a montré que renforcer une pièce d'une certaine manière pouvait la fragiliser d'une autre, et il a permis à l'ingénieur de voir ces conséquences avant même que le métal ne soit fondu.

Le système s'est également montré capable de gérer des problèmes qui ne figuraient pas dans sa liste de règles initiale. Dans une expérience, les chercheurs ont demandé au système de concevoir des structures de support pour une pince. Ces supports sont des échafaudages temporaires qui maintiennent la pièce pendant qu'elle est imprimée. Le système a généré une conception, mais lorsqu'un examinateur humain l'a regardée, il a remarqué quelque chose d'étrange : les supports étaient posés sur la surface de la pièce là où ils ne devraient pas l'être, plutôt qu'en dessous. Au lieu de simplement signaler une erreur humaine, l'agent a enquêté. Il a demandé au logiciel de mesurer la distance entre le support et la surface de la pièce et a réalisé que le code utilisé pour générer les supports faisait une erreur avec les surfaces courbes. L'agent a ensuite réécrit le code pour corriger l'erreur, a vérifié le nouveau code sur une surface plane et une surface courbe, puis a relancé l'ensemble du processus. Cette fois, les supports étaient placés correctement, et la quantité de matériau de support gaspillé a considérablement chuté.

La démonstration la plus frappante de l'adaptabilité du système est venue lorsqu'on lui a demandé de redessiner une pièce pour gérer la chaleur. La simulation a montré que la chaleur s'accumulait dans une zone spécifique du support, ce qui pourrait affaiblir le métal. L'agent a proposé une série de changements à la forme de la pièce pour améliorer la circulation de la chaleur. Il a suggéré d'arrondir les coins tranchants et de combler les interstices étroits. Après avoir exécuté à nouveau les simulations, le système a constaté que l'un de ces changements réduisait la température de pointe de 160 degrés Celsius. C'était une amélioration massive, mais cela avait un coût : la pièce devenait légèrement plus lourde et se déplaçait un tout petit peu plus lors du retrait des supports. Le système a présenté ce compromis clairement, montrant à l'ingénieur qu'il pouvait choisir entre une pièce plus fraîche ou une pièce plus légère, avec une pleine connaissance des conséquences.

Tout au long de ces tests, le système a maintenu une séparation stricte entre le raisonnement et la mesure. L'agent du modèle de langage pouvait suggérer un changement, mais il ne pouvait pas inventer un chiffre. S'il avait besoin de connaître l'épaisseur d'un mur, il devait demander à un outil de la mesurer. S'il avait besoin de connaître la température, il devait demander à une simulation de la calculer. Cela garantissait que le système ne pouvait pas halluciner des faits ou inventer des données pour servir un récit. Lorsque le système commettait une erreur, comme lors de l'erreur initiale avec les supports, il était capable de diagnostiquer le problème, de corriger le code sous-jacent et de vérifier la correction avant de poursuivre. Cette capacité d'autocorrection et d'adaptation des procédures mêmes qu'il utilise pour construire une conception est ce qui distingue AgenticDfAM des tentatives précédentes d'automatisation.

Les chercheurs ont découvert que le système pouvait naviguer avec succès dans des défis de conception complexes qui nécessitent habituellement une équipe d'ingénieurs et des heures de travail manuel. Il pouvait identifier des violations, proposer plusieurs solutions, simuler leurs résultats et même corriger le code qu'il utilise pour générer ces solutions. Dans le cas de la pince, le système a réduit le nombre de fois où il devait revenir corriger la conception du support, passant de dix tentatives à cinq. Il a également réussi à réduire la quantité de matériau de support gaspillé de près de 30 % dans une orientation donnée. Ces améliorations n'étaient pas seulement une question de vitesse ; il s'agissait de trouver de meilleures solutions qu'un humain aurait pu manquer parce qu'il était trop concentré sur une seule règle ou une seule contrainte.

Ce travail démontre que l'intelligence artificielle peut être un partenaire puissant en ingénierie, non pas en remplaçant l'ingénieur, mais en prenant en charge la lourde tâche de la mesure et du calcul. Le système agit comme un assistant infatigable qui ne se lasse jamais de vérifier des chiffres ou d'exécuter des simulations. Il permet à l'ingénieur humain de se concentrer sur la vue d'ensemble : décider quels compromis sont acceptables et de quoi la pièce finale a besoin. En gardant les mesures et le raisonnement séparés, le système garantit que chaque décision peut être tracée jusqu'à une preuve spécifique. Cette transparence est cruciale pour des secteurs comme l'aérospatiale et la médecine, où une erreur peut avoir des conséquences graves.

En fin de compte, AgenticDfAM montre une voie d'avenir pour la façon dont nous concevons les choses que nous construisons. Il dépasse l'idée d'un ordinateur qui vérifie simplement une liste de règles pour tendre vers un système capable de comprendre le contexte d'une conception, de prédire son comportement et d'adapter ses propres méthodes pour résoudre les problèmes. Le système ne prétend pas détenir toutes les réponses, mais il offre un moyen de les trouver plus rapidement et avec une plus grande confiance. Il transforme le processus de conception en une conversation entre l'intention humaine et la précision de la machine, où chaque suggestion est étayée par un chiffre, et où chaque chiffre est ouvert à l'inspection. Ce n'est pas seulement un nouvel outil pour les ingénieurs ; c'est une nouvelle façon de penser la création des objets complexes qui composent notre monde moderne.