Siemens et l'IA en physique : l'humain reste indispensable

L'IA en physique : une avancée rapide mais limitée

Dans le domaine de la physique appliquée, l'intelligence artificielle a permis d'accélérer considérablement le processus de conception. Siemens, un leader dans le secteur, affirme que son IA peut explorer jusqu'à 1 000 fois plus de variations de conception qu'une simulation traditionnelle en un temps record. Cependant, cette technologie ne permet pas de valider des pièces critiques pour la sécurité, une limite que Sam Mahalingam, responsable chez Siemens Digital Industries Software, souligne clairement.

Lors de l'événement Realize LIVE Asia-Pacific à Bengaluru, Mahalingam a déclaré : « Est-ce que c'est bon pour les applications critiques pour la sécurité ? Non, ce n'est pas le cas. » Cette déclaration va à l'encontre de la tendance des deux dernières années, où l'industrie a souvent vanté les capacités quasi illimitées de l'IA. Pour les ingénieurs, la véritable valeur réside non pas dans la vitesse, mais dans la compréhension des limites de sécurité de cette rapidité.

Simcenter PhysicsAI : ce que l'IA peut et ne peut pas faire

Le logiciel Simcenter PhysicsAI de Siemens utilise l'apprentissage profond géométrique pour prédire des conceptions à une vitesse impressionnante. Contrairement aux méthodes traditionnelles qui calculent la physique de zéro, ce logiciel s'appuie sur des modèles de substitution qui apprennent à partir de données de simulation passées pour estimer les résultats de nouvelles conceptions en quelques secondes. Cependant, ces prédictions rapides ne remplacent pas un calcul complet.

Mahalingam a abordé la question de l'exactitude en expliquant que, historiquement, les ingénieurs ont comparé les simulations basées sur la physique aux tests physiques jusqu'à obtenir une corrélation fiable. Désormais, l'IA est évaluée selon cette même norme. Siemens a constaté que, avec suffisamment de données, l'IA peut se rapprocher d'un solveur basé sur la physique avec une variation de 1 % à 3 %. Toutefois, cette précision n'est pas suffisante pour certifier des composants vitaux.

Le modèle de substitution sert de filtre initial, permettant d'explorer de nombreuses variations de conception rapidement. Les conceptions prometteuses sont ensuite soumises à une simulation détaillée basée sur la physique avant d'être validées pour la fabrication. Mahalingam a précisé que même dans des cas exemplaires, comme celui d'un sac gonflable Continental, l'IA est utilisée uniquement pour l'exploration initiale, et non pour la validation finale.

Les limites cachées derrière les chiffres de vitesse

Une autre limite de l'IA réside dans la manière dont ces modèles sont entraînés. Les résultats phares de Siemens, comme ceux impliquant Magna et Continental, reposent souvent sur des données synthétiques générées par les propres solveurs de Siemens, plutôt que sur des mesures réelles. Cela soulève la question de savoir si l'IA peut un jour surpasser la simulation qui l'a formée.

Mahalingam a reconnu cette circularité. Par exemple, pour Magna, le client a utilisé Simcenter HEEDS pour explorer de nombreuses conceptions et a résolu les variations rapidement avec Simsolid, un solveur évitant l'étape lente de construction de maillage. Ces sorties de simulation ont ensuite servi à entraîner le modèle d'IA. Ainsi, le modèle de substitution n'est jamais meilleur que la simulation sous-jacente.

Pour éviter les pièges, Siemens a mis en place des garde-fous. Un modèle de substitution formé sur certaines variations échouera s'il doit prédire une forme radicalement différente, et il est conçu pour le signaler. « Nous avons mis en place des garde-fous où il revient et dit, hé, je ne peux pas prédire cela », a expliqué Mahalingam, garantissant ainsi que les ingénieurs ne se trompent pas de direction.

La transparence comme stratégie de confiance

La transparence de Siemens n'est pas un aveu de faiblesse, mais une stratégie de positionnement. Alors que chaque fournisseur de simulation cherche à intégrer l'IA dans son offre, le risque est que les clients perdent confiance si les promesses ne sont pas tenues. En définissant clairement les limites de sa technologie, Siemens espère que les ingénieurs feront davantage confiance à un outil qui admet ses propres limites.

Cette approche contraste avec celle des fournisseurs de conception de puces et d'IA d'entreprise, qui promettent souvent une autonomie totale. Siemens, dont les clients modélisent des structures complexes comme des moteurs à réaction, insiste sur l'importance de la validation humaine. L'IA sert à élargir la recherche initiale, mais la validation finale reste entre les mains des solveurs basés sur la physique.

En fin de compte, Siemens propose une vision plus réaliste et durable de l'IA en physique. Bien qu'elle vende la rapidité de son IA, l'aspect le plus précieux pour les ingénieurs est la compréhension des limites de cette technologie.