Du dessin à l'usine, l'IA se confronte aux contraintes de l'ingénierie physique

Un appareil conçu avec GPT-6 Astra, des pièces automobiles reconstruites et des simulations chez Mazda illustrent les avancées de l'IA dans l'ingénierie.

Un boîtier imprimé, une carte électronique, un écran et un logiciel capables de communiquer avec Codex. Deux collaborateurs d'OpenAI ont réussi à concevoir ce prototype en moins d'une semaine avec GPT-6 Astra, sans modifier directement les fichiers générés par le modèle. La fabrication s'est révélée plus compliquée : plusieurs cycles de vérification ont été nécessaires pour adapter les plans aux contraintes industrielles. Cette expérience illustre à la fois les progrès de l'intelligence artificielle dans la conception d'objets physiques et la distance qui sépare encore un projet numérique d'un produit manufacturable.

Dans une publication consacrée à l'ingénierie du monde physique, l'entreprise détaille plusieurs expérimentations associant ChatGPT et Codex à des logiciels de conception assistée par ordinateur (CAO), de simulation et de développement électronique. Des applications internes aux collaborations avec Chip Ganassi Racing et Mazda, les travaux portent sur la coordination de différentes disciplines, depuis la géométrie des pièces jusqu'aux propriétés mécaniques et aux contraintes de production. Un prototype conçu en une semaine, fabriqué en un mois

L'appareil expérimental, surnommé TamaGPT, a été imaginé comme une interface physique permettant de dialoguer avec Codex. Son esthétique emprunte aux consoles de jeu et aux jouets électroniques, avec des références issues de la collaboration entre OpenAI et Work Louder. L'exercice consistait à confier au modèle plusieurs étapes habituellement réparties entre designers industriels, électroniciens et développeurs.

À partir des exigences fonctionnelles, GPT-6 Astra a élaboré l'enveloppe extérieure et les structures internes destinées à maintenir les composants. Il a sélectionné les éléments électroniques, organisé leur disposition sur un circuit imprimé et défini les connexions nécessaires. Le travail comprenait également l'interface utilisateur, le firmware et les intégrations logicielles assurant la communication avec Codex.

Un fabricant sous contrat a ensuite produit une petite série de prototypes en moins d'un mois. Le passage en fabrication a toutefois révélé plusieurs insuffisances dans les fichiers générés. Certaines limites propres aux procédés industriels, les tolérances dimensionnelles et des détails d'assemblage n'avaient pas été correctement anticipés, imposant de nouvelles itérations avec les ingénieurs.

L'expérience démontre la capacité du modèle à coordonner des tâches relevant de plusieurs spécialités, sans établir qu'il peut concevoir et industrialiser seul un appareil. La distinction entre absence de modification humaine directe pendant la conception et absence de supervision sur l'ensemble du projet reste essentielle. Une utilisation multipliée par 23 dans les équipes matérielles

L'expérimentation s'inscrit dans un usage croissant de l'IA au sein des équipes chargées du matériel et des infrastructures d'OpenAI. Depuis février 2026, le volume de tokens consommés par ces équipes a été multiplié par 23, selon les données internes de l'entreprise.

Les applications concernent la création et la modification de modèles CAO, la conversion de géométries tridimensionnelles en plans de fabrication, la préparation de simulations mécaniques et la vérification de conceptions électroniques. Dans les projets d'infrastructure, les outils sont également employés pour comparer des spécifications, identifier des incohérences entre documents et organiser les corrections nécessaires.

Cette progression mesure une intensification de l'utilisation des modèles, et non une augmentation équivalente de la productivité. Aucun chiffre consolidé sur les heures de travail économisées, les coûts de fabrication ou la réduction des erreurs n'accompagne les données communiquées.

L'entreprise suit parallèlement les capacités de ses modèles avec BenchCAD 2.0, une évaluation interne qui comprend notamment la reconstruction de pièces et d'assemblages 3D, ainsi que l'identification de connexions sur des circuits imprimés. Un modèle interne plus récent obtient un score moyen de 0,875, contre 0,594 pour GPT-6 Astra avec son niveau de raisonnement le plus élevé.

L'écart représente 0,281 point sur l'échelle utilisée. Le protocole complet et les conditions de reproduction de BenchCAD 2.0 ne sont toutefois pas fournis dans la publication, ce qui empêche d'en déduire directement un gain de performance dans un environnement industriel réel. Le modèle interne évalué n'est pas identifié et aucune date de disponibilité n'est annoncée. Reconstruire des pièces automobiles sans leurs plans d'origine

Les travaux menés avec Chip Ganassi Racing abordent un problème différent : reconstruire numériquement une pièce existante lorsque les fichiers de conception ne sont plus disponibles. L'équipe américaine de sport automobile expérimente des procédures capables de transformer des scans 3D en modèles CAO modifiables, puis en dessins techniques utilisables pour la fabrication.

Un scan fournit une représentation de la surface d'un objet, mais pas nécessairement les informations nécessaires à sa modification ou à sa production. Les ingénieurs doivent généralement reconstruire les volumes, les dimensions fonctionnelles et les relations géométriques entre les différentes parties. Codex intervient dans cette conversion, avec la possibilité d'appliquer les corrections directement dans l'environnement de CAO.

Matthew Ortman, ingénieur R&D chez Chip Ganassi Racing, indique que ce fonctionnement réduit les manipulations manuelles nécessaires pour passer de données brutes à un modèle solide exploitable. Les géométries et les dessins restent examinés par les ingénieurs, notamment pour vérifier leur précision et leur compatibilité avec les procédés de fabrication.

Cette utilisation ne concerne donc pas la génération libre de pièces automobiles à partir d'une instruction textuelle. Elle s'appuie sur des objets physiques existants, des relevés géométriques et des corrections effectuées dans un cadre technique