Europe 
Türkiye 
United Kingdom 
Global 
Se connecter avec mon compte Xometry 
Notre entretien avec Luca Licciulli, directeur général et cofondateur de NEOCAD, a porté sur ce que fait la plateforme, la façon dont elle s’intègre aux systèmes CAO et PLM existants d’une entreprise, les utilisateurs auxquels elle est destinée, et les perspectives d’évolution de la technologie.
Impossible de retrouver les bons fichiers
Quel est le problème que vous cherchez à résoudre ?
Pendant quatre ou cinq ans, j’ai travaillé avec des entreprises industrielles par le biais de ma précédente société, VRtualize, une société de logiciels spécialisée dans l’IA et les technologies immersives que j’ai fondée en 2021. En travaillant directement avec des ingénieurs et des équipes techniques, nous constations toujours la même chose. L’ingénierie mécanique est jalonnée de tâches répétitives à faible valeur ajoutée.
Dans la plupart des entreprises industrielles, et plus particulièrement sur le marché européen sur lequel nous nous concentrons, les ingénieurs passent beaucoup de temps à rechercher et à extraire des informations anciennes de la base de connaissances interne de leur entreprise. Les logiciels tels que les systèmes CAO et PLM n’aident vraiment pas ces ingénieurs à retrouver d’anciens fichiers, à consulter la documentation technique, à comparer les révisions ou à comprendre les contraintes. Chaque fois qu’un ingénieur crée quelque chose à partir de zéro, la tâche à faible valeur ajoutée consiste à rechercher les informations et les fichiers dont il a besoin avant même de pouvoir commencer le dessin proprement dit.
En résumé, le problème est que bon nombre de ces entreprises disposent d’une quantité considérable de savoir-faire technique dont l’exploitation reste extrêmement difficile.
Les connaissances sont là, mais les entreprises n’y ont pas accès.
Exactement, ils ont les données, ils ont les connaissances. Mais en ingénierie mécanique, et en ingénierie et fabrication en général, les logiciels historiques ont toujours été très fermés. En Europe, la plupart des logiciels CAO ne sont toujours pas dans le cloud, ils restent en local, au sein des entreprises, car elles craignent énormément de partager leurs données, et cela dure depuis maintenant 20 ans. Ainsi, même pour les nouveaux outils, il était très difficile d’accéder à ces données et de créer de nouvelles solutions, et il y en avait très peu.
Avec l’IA générative, nous avons enfin la possibilité de construire un orchestrateur qui comprend les fichiers 3D natifs et l’ensemble du savoir-faire technique de l’entreprise, et qui accélère l’ensemble du processus pour un ingénieur qui démarre un nouveau projet CAO.
Parmi les personnes à qui vous avez parlé, quelqu’un a-t-il réellement chiffré la perte d’efficacité ?
Oui, environ 40 % du temps est gaspillé. Cela varie selon les secteurs, car chacun a un processus différent, mais là où nous nous concentrons, dans l’automobile et l’automatisation, 40 % du temps est consacré à la création de doublons et à la recherche de fichiers.
Une autre chose qui arrive souvent, c’est qu’ils trouvent un fichier similaire à ce qu’ils souhaitent concevoir, mais qui ne correspond pas exactement à leurs exigences. Ce que l’IA apporte, c’est que l’on cesse de rechercher par nom de fichier et par code pièce, pour commencer à rechercher par la fonction réelle de la pièce. Lorsque l’outil retrouve un modèle par sa géométrie et sa fonction plutôt que par ce qui est écrit dans la description PLM, c’est là que réside toute la différence.
Comment les entreprises tentaient-elles de résoudre ce problème avant l’IA ?
Cela varie d’une entreprise à l’autre. Le premier problème est que les PLM ne suffisent pas à centraliser les modèles 3D, et que tous les autres documents techniques se trouvent dans différents logiciels, voire, comme vous l’avez dit, sur papier. Avant l’IA, l’acteur de référence était Cadenas, fondé en 1992. PARTsolutions couvre les pièces normalisées, fournisseur et entreprise avec la recherche par similarité géométrique, et ça fonctionne, mais c’est une approche pré-IA : vous classifiez et étiquetez les pièces en amont, et vous recherchez par attributs. Ce que les LLM changent, c’est la possibilité de rechercher selon la fonction réelle de la pièce, en langage naturel, sans ce travail préalable en amont — avec des bénéfices considérables pour l’ingénieur.
L’IA n’a rendu cela accessible que depuis quelques années, et maintenant tout le monde essaie de développer sa propre IA pour la CAO. Le principal défi en ce moment est la maturité des modèles d’IA générative qui sous-tendent notre produit et ceux de nos concurrents, car dans d’autres domaines on peut obtenir d’excellents résultats malgré quelques erreurs, mais en ingénierie mécanique, la précision est indispensable. La moindre erreur peut rendre l’outil inutilisable.
Une couche intelligente au-dessus des systèmes CAO et PLM
Qu’est-ce que NEOCAD ?
Nous sommes une plateforme IA pour les ingénieurs mécaniques. Vous pouvez nous considérer comme une couche intelligente au-dessus des systèmes CAO et PLM qui centralise la documentation technique et, avant tout, les modèles 3D des entreprises industrielles. Notre objectif est d’aider les ingénieurs à rechercher, comprendre, réutiliser et, à terme, générer ou modifier des modèles CAO à l’aide de l’IA.
Où réside la documentation, et quels formats êtes-vous en mesure de traiter ?
Nous avons développé des connecteurs pour cinq des principaux logiciels CAO, dont NX, Inventor et SolidWorks, ainsi que pour les principaux systèmes PLM tels que Teamcenter et Windchill. Nous sommes en mesure de lire les fichiers 3D natifs, les plans 2D et les PDF. La différence réside dans la manière dont nous manipulons les modèles 3D. Nous installons notre logiciel sur les propres systèmes du client et rendons l’ensemble de son archive de modèles lisible par l’IA très rapidement. Cette partie fait l’objet d’un brevet en cours de dépôt, c’est donc tout ce que je peux en dire.
Imaginons que je recherche un arbre spécifique. Comment le système peut-il distinguer cet arbre parmi un millier d’arbres similaires ?
Au sein d’un modèle 3D, plusieurs facteurs doivent être pris en compte. On dispose des dimensions, de la géométrie, de la description dans le PLM et de l’arbre de construction, qui représente la manière dont la pièce a été construite. Lorsqu’on est en mesure de lire ces quatre paramètres, on peut différencier un modèle par sa méthode de construction, ses dimensions réelles et sa géométrie effective. Grâce à cela, si l’IA est utilisée correctement, on peut sélectionner le bon arbre parmi des milliers d’arbres similaires dans une base de données.
L’outil renvoie-t-il un seul arbre ou une liste restreinte parmi laquelle choisir ?
Il renvoie les plus similaires — cela peut donc être un seul ou plusieurs. Si l’on ne trouve pas exactement ce que l’on cherche, mais qu’un élément similaire existe, l’outil le fera remonter.
Vous avez également évoqué la création de nouvelles pièces. Est-ce déjà opérationnel, ou encore en cours de développement ?
C’est en cours. Nous menons des pilotes sur la génération de modèles avec de grands clients industriels, mais ce n’est pas là que nous concentrons l’essentiel de notre énergie. Les modèles d’IA générative progressent rapidement sur ce front — c’est une vague sur laquelle nous surfons, pas une course que nous voulons mener nous-mêmes. Notre avantage est ailleurs — rendre exploitable le savoir-faire technique existant de l’entreprise. Une fois cette base en place, la génération devient une fonctionnalité, pas le produit lui-même.
Nous nous attendions en fait à ce que Claude ou GPT finisse par proposer un connecteur pour Fusion — et c’est maintenant chose faite. Nous savons que nous ne pouvons pas concurrencer ces acteurs — mieux vaut donc suivre l’évolution de ces modèles et nous différencier en nous concentrant sur ce dont les entreprises industrielles ont besoin aujourd’hui.
Quel niveau de complexité visez-vous pour le générateur ?
Les modèles génératifs — et je ne parle pas seulement de nous — seront capables de prendre en charge même des assemblages complexes. Je ne sais pas exactement dans combien de temps, mais la progression est exponentielle. Quand on compare où nous en étions avec le texte vers CAO il y a un an et demi à aujourd’hui, l’évolution est impressionnante. La technologie arrive à maturité suffisante pour traiter des assemblages complexes et répondre aux exigences des entreprises.y is maturing enough to work on complex assemblies and to be enterprise-driven.
Mais je ne pense pas que la vraie différence réside dans la génération de modèles. Une fois le premier problème résolu — centraliser le savoir-faire technique — le vrai gagnant sera celui qui assure cette centralisation tout en construisant un orchestrateur couvrant différents outils. Pas seulement les logiciels CAO, mais aussi la simulation, la FAO, et ainsi de suite. Plus cet outil est adaptable à l’entreprise, mieux c’est — car si l’on observe 1 000 entreprises industrielles italiennes de même taille, elles utilisent toutes les mêmes outils, mais gèrent des processus radicalement différents. Un orchestrateur adaptatif, capable de gérer plusieurs outils tout en centralisant la base de connaissances, voilà ce dont les ingénieurs auront réellement besoin. Quand je pense à l’IA pour l’ingénierie, je vois un orchestrateur — pas un outil qui ne fonctionnerait que sur la CAO.
Conçu pour les PME
Vos clients se trouvent principalement dans les secteurs de l’automobile et de l’automatisation. Quel problème les a amenés à vous contacter en premier lieu ?
En fait, c’est différent dans chaque cas. Chez les entreprises automobiles, le besoin de centralisation des connaissances est apparu plus tard. Ce sont de très grandes entreprises, qui souhaitent accélérer même la plus petite étape d’un processus — elles ont donc fait appel à nous, par exemple, pour accélérer la détection d’une erreur au sein d’un assemblage comportant de nombreuses pièces normalisées.
Dans l’automatisation, nous avons travaillé avec plusieurs PME, et nous avons immédiatement reconnu le problème de base de connaissances que j’ai décrit précédemment. Le problème reste le même jusqu’aux entreprises de taille intermédiaire. Lorsqu’on commence à travailler avec des multinationales et des grands groupes, on s’attaque à d’autres problèmes, et les travaux deviennent plus sur mesure.
À qui cela s’adresse-t-il vraiment ? Une structure de deux personnes possède si peu de données, et chaque projet est pour ainsi dire nouveau.
Ce n’est certainement pas pour les startups en ce moment, mais ce n’est pas vraiment une question de taille d’entreprise, mais plutôt de taille de base de données. C’est pour les entreprises matures qui disposent d’une importante base de connaissances dans leurs bases de données. Nous avons conçu l’outil spécifiquement pour les marchés italien et allemand, que nous connaissons très bien — l’Italie est particulièrement riche en PME, notamment dans le secteur industriel. Ici, tout est PME. Mais le problème est identique pour les entreprises de taille moyenne et grande. Parfois, un grand groupe a racheté plusieurs petites entreprises et cherche à centraliser leurs bases de connaissances — et le même problème se pose. Avec les grandes multinationales, c’est un peu différent, et la façon de travailler avec elles est davantage sur mesure. Mais l’outil a été conçu pour les petites et moyennes entreprises.
Qui signe le contrat, et qui ouvre l’outil chaque matin ?
C’est généralement le directeur technique qui sollicite l’outil, car il dispose d’une vision d’ensemble de la base de connaissances et de la documentation technique de l’entreprise — c’est donc lui qui signe le contrat, après un processus de validation approfondi de la part du service informatique.
Mais le premier utilisateur n’est pas lui — c’est le jeune ingénieur mécanicien, notamment celui qui a rejoint l’entreprise il y a deux semaines et ne connaît encore rien à son fonctionnement. Le turnover est important dans ces entreprises, et elles cherchent depuis un certain temps des moyens de transmettre leur base de connaissances précisément pour cette raison. Le deuxième facteur est que les ingénieurs seniors sont peu nombreux et très sollicités — si on peut les décharger un peu, ils peuvent se concentrer sur l’innovation et d’autres aspects de leur travail.
Quelle est la chose la plus surprenante que des clients vous aient rapportée en retour ?
Ce qui nous a le plus surpris, c’est l’intelligence CAO — la capacité à lire nativement les modèles 3D —, et nous l’avons en réalité découverte grâce à nos clients. Nous avions construit la plateforme comme une couche au-dessus de leur CAO pour centraliser le savoir-faire technique de l’entreprise, et elle faisait déjà son travail — retrouver les bons modèles 3D dans leurs bases de données et leurs PLM. Puis un client a appelé pour nous dire : « J’ai trouvé la pièce, mais j’ai aussi compris comment elle avait été construite et quel composant s’y adapterait le mieux. »
Nous n’avions pas prévu cela, car nous nous concentrions uniquement sur la recherche du bon composant ou du bon assemblage. La surprise, c’est que l’outil pouvait accompagner un ingénieur pendant la modélisation elle-même — pas seulement lors de la phase de recherche. Cela se produit lorsqu’on fournit au modèle le bon contexte — et c’est exactement ce que nous cherchons à apporter aux ingénieurs mécaniques et aux LLM. Ce n’est pas simple. Si vous avez été ingénieur mécanicien, vous savez à quel point ces systèmes sont fermés.
Tarification et déploiement sur site
Quel est le coût ?
Nous proposons un prix fixe pour les licences, tant nominatives que flottantes, ainsi que des frais d’installation lors du déploiement, qui varient réellement selon ce qui se trouve dans l’entreprise.
Le prix dépend-il du volume de données, ou de leur forme ?
Le volume de données, en particulier les modèles 3D, influe principalement sur le temps consacré à l’installation — le prix en tient compte. Mais la partie la plus chronophage consiste à analyser la façon dont la documentation technique a été préparée et à localiser où elle se trouve — car la plupart du temps, l’entreprise elle-même ne le sait pas, et nous devons la retrouver avec elle.
Ces entreprises se débattent avec leurs bases de données de connaissances depuis 20 ou 30 ans. En Italie, on trouve des entreprises qui cherchent à s’améliorer avec 40 ans de modélisation 2D et 3D accumulés en interne. Ce n’est pas simple, mais quand c’est fait correctement, on voit la différence par rapport à un simple LLM connecté à Fusion.
L’une des grandes craintes est que la propriété intellectuelle CAO sorte de l’entreprise. NEOCAD peut-il fonctionner sur site ?
L’outil est déployé sur site. La seule partie qui réside généralement dans le cloud du client est l’IA elle-même. Nous utilisons des LLM commerciaux, et nous ne le cachons pas. Nous avons étudié la possibilité de faire tourner des modèles open source directement sur les machines des clients, mais en tant que startup avec une équipe de 10 personnes, nous n’avons pas encore les ressources nécessaires pour gérer des modèles locaux au sein de chaque entreprise.
La plupart des PME acceptent notre système du moment qu’il reste sur site — et nous n’entraînons jamais nos modèles sur leurs données. Le déploiement sur site n’est pas la solution idéale pour tout le monde, mais la gestion de modèles open source n’est pas encore faisable pour nous — et emprunter cette voie nous priverait également de l’avantage des modèles commerciaux, qui progressent considérablement tous les deux mois environ.
À quoi ressemble le déploiement, depuis le jour où l’on dit oui jusqu’à ce que l’outil soit installé et prêt à l’emploi ?
Dans un premier temps, nous vous demandons quels sont vos systèmes : votre logiciel CAO, votre PLM si vous en avez un — car toutes les entreprises n’en ont pas, et on peut en être surpris —, et votre ERP si la documentation technique y est stockée. Nous échangeons avec le service informatique pour obtenir les accès nécessaires. L’installation de l’outil et la centralisation de la base de connaissances prennent ensuite de deux semaines à un mois, selon l’ampleur du déploiement. Au bout d’un mois environ, votre chatbot NEOCAD tourne sur vos systèmes.
Vers un leadership européen de l’IA pour l’ingénierie
Certains acteurs se concentrent sur la génération de pièces CAO, d’autres sur la base de connaissances. Quelle est la stratégie gagnante de NEOCAD ?
Être un orchestrateur, et non un outil figé. Ces entreprises ont conservé leur logiciel CAO depuis 30 ans sans le changer, simplement parce qu’elles savent à quel point un changement est difficile. Nous construisons donc au-dessus de ces systèmes existants plutôt que de chercher à remplacer quoi que ce soit. La plupart de nos concurrents partagent cette stratégie d’orchestrateur, mais ils se concentrent sur des aspects différents — comme la génération de pièces CAO ou la CAO et la FAO ensemble.
Vous prévoyez de rester à Milan alors que la plupart de vos homologues sont aux États-Unis. Pourquoi rester ?
Le financement en Italie et en Europe est plus difficile à obtenir qu’aux États-Unis, ce qui fait que les ressources disponibles ici sont un peu différentes. Mais l’avantage, c’est que l’Italie est le deuxième marché industriel en Europe, juste derrière l’Allemagne — et l’Allemagne est là, juste à côté, où nous travaillons déjà.
Notre vision est de devenir le leader européen de l’IA pour l’ingénierie — et pour y parvenir, nous devons conquérir deux marchés : l’Italie et l’Allemagne. Et parce que les entreprises industrielles en Europe sont si fermées et si réticentes à laisser sortir leurs données, si l’on peut exécuter rapidement et construire une base solide ici, il est très difficile pour les acteurs américains de s’implanter sans présence locale.
Le fait d’être européen change-t-il la façon dont vous construisez le produit lui-même ?
Oui, assurément. J’étais à San Francisco en novembre et j’ai discuté avec des représentants du secteur industriel — dès les premières secondes, j’ai pu constater que le besoin est peut-être identique, mais les processus sont vraiment différents. Aux États-Unis, le cloud est beaucoup plus accepté, tandis qu’en Europe tout le monde est sur site. C’est en partie pour cette raison que certains de nos concurrents se sont installés à San Francisco — car concevoir quelque chose déjà basé sur le cloud est plus facile à faire évoluer. Mais ce sont deux marchés radicalement différents.
À quoi ressemblera le flux de travail en ingénierie dans cinq à dix ans, lorsque des outils comme NEOCAD seront bien plus matures ?
Sur cet horizon — qui représente beaucoup de temps dans notre secteur —, on peut imaginer un orchestrateur qui commence par rechercher ce qui a déjà été réalisé et finit par générer le modèle pendant que vous faites autre chose. On disposera d’agents IA effectuant le travail pendant que les ingénieurs mécaniques les supervisent — un peu comme les développeurs gèrent le code aujourd’hui. Certaines sociétés de logiciels ne font déjà presque plus de codage manuel et ont développé d’importants flux de travail qui gèrent tout. Je pense que l’ingénierie mécanique évoluera dans le même sens — un peu plus lentement en raison des facteurs que nous avons évoqués, mais on y arrivera.
Certains fondateurs doutent que l’IA puisse un jour générer de manière autonome des assemblages complexes, et la voient principalement comme un outil d’accélération des processus actuels. D’où vient ce désaccord ?
Permettez-moi de vous dire d’emblée que je suis très optimiste, Andreas. Cela dépend vraiment de l’horizon temporel sur lequel on projette la maturité de la technologie. Sur un horizon de cinq à dix ans, oui, je suis à peu près certain que nous atteindrons ce stade. Je ne vois pas l’ingénierie mécanique sans ingénieurs mécaniciens — ça n’arrivera pas —, mais je vois des outils fonctionnant de bout en bout, qui prennent l’information, la traitent et finissent par générer même des assemblages complexes.
Ce qui fera la différence dans notre domaine spécifiquement, c’est la capacité des acteurs établis et de nous-mêmes à fournir à l’IA le bon contexte. Construire des systèmes natifs capables de rechercher, récupérer, traiter et effectuer des calculs — l’orchestrateur — et on atteindra un stade où la technologie prendra en charge même les tâches les plus complexes. Jamais sans un ingénieur mécanicien pour superviser — mais de bout en bout.
Y a-t-il d’autres entreprises d’IA intéressantes dans le domaine de l’ingénierie que vous souhaiteriez mettre en avant ?
Je pense qu’il y en a quelques-unes d’intéressantes. Poelis est une autre entreprise italienne d’IA qui fait des choses intéressantes pour l’ingénierie matérielle. Pour le reste, vous avez déjà interviewé la plupart des entreprises passionnantes du secteur — des acteurs comme Mecagent, Bench, Getleo, Cadflip ou P1-AI, ainsi que des entreprises travaillant sur les plans 2D comme Draftaid. Les plans sont un vrai casse-tête et je ne les vois pas disparaître de sitôt — du moins pas sur le marché européen.
Related Topics
4
Content Manager
0
Comment(0)