Mistral et NVIDIA veulent confier aux agents IA une partie du travail des ingénieurs

Mistral et NVIDIA associent modèles IA, simulation physique et outils 3D pour automatiser des tâches d'ingénierie et développer des benchmarks ouverts.

Concevoir une pièce mécanique, simuler son comportement puis modifier ses dimensions peut nécessiter plusieurs cycles de calcul et l'intervention de logiciels spécialisés. Une partie du travail consiste à préparer les modèles, vérifier les paramètres, interpréter les résultats et relancer les simulations jusqu'à obtenir une conception satisfaisante. Mistral AI et NVIDIA veulent automatiser certaines de ces étapes grâce à des agents d'intelligence artificielle, capables de manipuler des outils d'ingénierie et de s'appuyer sur des modèles physiques accélérés par GPU. Leur collaboration, annoncée le 21 octobre 2026, concerne notamment l'aéronautique, l'automobile et les semi-conducteurs. Les deux entreprises prévoient aussi de publier des jeux de données et des benchmarks ouverts pour mesurer les performances de ces nouveaux systèmes, au-delà des démonstrations réalisées sur des cas isolés. Relier la conception, la simulation et les modifications

Les outils d'ingénierie assistée par ordinateur occupent une place centrale dans le développement des produits industriels. La conception assistée par ordinateur (CAO) permet de définir la géométrie d'une pièce, tandis que l'ingénierie assistée par ordinateur (CAE) utilise des simulations pour évaluer son comportement face à différentes contraintes. Les équipes doivent ensuite interpréter les résultats et retourner, si nécessaire, à la conception pour modifier certains paramètres.

Ce processus peut mobiliser plusieurs logiciels et exiger de nombreux calculs avant qu'une solution soit retenue. Une modification géométrique peut, par exemple, imposer de préparer un nouveau maillage, de relancer une simulation thermique ou mécanique et de vérifier que les performances obtenues correspondent toujours au cahier des charges. La durée de ces opérations limite le nombre de variantes qu'une équipe peut raisonnablement explorer.

La collaboration entre Mistral et NVIDIA vise à rapprocher ces étapes au sein de boucles de conception pilotées par l'IA. Un agent pourrait préparer une expérience, exploiter les résultats d'un modèle physique et proposer des modifications à tester dans une nouvelle simulation. Cette organisation cherche à réduire les tâches répétitives de préparation et d'analyse, tout en conservant les outils numériques qui permettent de vérifier le comportement des systèmes étudiés.

L'ambition est plus large qu'une assistance conversationnelle destinée aux ingénieurs. Les deux partenaires veulent développer des workflows dans lesquels les modèles de langage interagissent directement avec les logiciels scientifiques et les environnements de calcul. La validation des résultats reste néanmoins une condition essentielle : une solution proposée par un agent ne devient pas techniquement correcte simplement parce qu'elle peut être produite rapidement. Mistral Large 4 associé aux bibliothèques de calcul NVIDIA

La partie consacrée au raisonnement et à l'utilisation d'outils s'appuie notamment sur Mistral Large 4, le modèle multimodal de grande taille récemment présenté par Mistral. Celui-ci doit être combiné aux technologies de génération de données et de modélisation physique que l'entreprise développe pour les applications industrielles.

Les calculs seront accélérés à l'aide des bibliothèques NVIDIA CUDA-X et de NVIDIA Warp. CUDA-X regroupe des outils d'optimisation des calculs exécutés sur GPU, tandis que Warp permet notamment de développer des programmes de simulation et de traitement géométrique à l'aide d'une interface Python associée à des opérations parallèles. Ces composants peuvent servir à accélérer les tâches de calcul nécessaires à l'étude d'un système physique.

Mistral travaille déjà sur des modèles capables de prédire le comportement de phénomènes physiques à partir de données de simulation. Cette approche, présentée dans ses travaux sur la Physics AI, cherche à développer des modèles de substitution pouvant approximer certains résultats obtenus avec des solveurs numériques traditionnels. Lorsqu'ils sont suffisamment fiables dans leur domaine d'application, ces modèles peuvent contribuer à explorer rapidement plusieurs configurations avant de réserver les simulations les plus coûteuses à une sélection réduite.

L'intégration avec les agents reste un objectif de développement. Le partenariat ne s'accompagne pas, à ce stade, de mesures publiées montrant qu'un processus industriel complet serait exécuté plus rapidement ou à moindre coût grâce à l'ensemble des technologies annoncées. Omniverse pour produire des scènes et des objets 3D exploitables

Le partenariat prévoit également l'intégration des modèles Mistral aux bibliothèques NVIDIA Omniverse, destinées notamment à la création, à la représentation et à la simulation d'environnements tridimensionnels. Les deux entreprises souhaitent développer des workflows de génération de scènes 3D accélérés par GPU, ainsi que la création d'objets qualifiés de SimReady.

Un objet 3D destiné à une simulation ne peut pas se limiter à une apparence convaincante. Pour être exploitable, il doit être accompagné des informations nécessaires aux calculs ou aux interactions prévues : propriétés physiques, structure géométrique, contraintes ou caractéristiques de ses composants. Le concept SimReady vise cette préparation des ressources afin qu'elles puissent être intégrées à des environnements de simulation.

L'objectif est de faciliter le passage entre création de ressources, représentation d'une scène et expérimentation. Dans un contexte industriel, cela pourrait permettre à des agents de contribuer à la préparation d'environnements dans lesquels tester des composants ou examiner différentes configurations d'un système.

Mistral et NVIDIA n'ont toutefois pas présenté de calendrier précis pour ces intégrations, ni détaillé les fonctionnalités qui seront accessibles au lancement. L'annonce décrit donc une direction technique plutôt qu'un outil de génération 3D industriel immédiatement disponible. Des benchmarks pour mesurer ce que