Europe 
Türkiye 
United Kingdom 
Global 
Se connecter avec mon compte Xometry 
Le PDG de Narnia Labs, Namwoo Kang, nous a donné un bon aperçu des problèmes qu’ils résolvent et des raisons pour lesquelles les géants coréens de la fabrication et de l’ingénierie ont décidé d’adopter leur solution.
Conception technique et création de valeur : où sont les ingénieurs ?
Expliquez-nous la « courbe du sourire ». Qu’est-ce que cela signifie en termes économiques ?
La courbe du sourire illustre la répartition de la valeur ajoutée tout au long du cycle de vie d’un produit. Si l’on considère la fabrication au-delà de la simple étape de « production » — en élargissant la vue à la planification, la R&D, la conception, la fabrication, la distribution, la maintenance et la fin de vie — la valeur ajoutée est généralement plus élevée aux deux extrémités : la phase de pré-production et la phase de post-production.
Sur le plan économique, cela signifie que le développement de produits, la R&D, la conception et l’image de marque (pré-production), ainsi que les services et le marketing (post-production), tendent à générer des profits plus importants pour les entreprises et les pays que la seule étape de fabrication ou d’assemblage. Pour que la Corée reste compétitive dans le secteur manufacturier, nous devons piloter la transformation par l’IA (AX) dans ces domaines à forte valeur ajoutée, notamment dans le développement de produits.
Quels sont donc les problèmes en matière d’innovation dans les phases de pré- et post-production ?
Aujourd’hui, de nombreuses entreprises d’IA se concentrent sur la phase de production. Mais si vous ne pouvez pas concevoir un excellent produit en amont, aucune efficacité de production en aval ne créera de valeur significative. C’est pourquoi Narnia Labs se concentre sur la transformation par l’IA de l’étape de développement de produits en pré-production, et plus particulièrement sur la phase de conception technique (bureau d’études).
Avec le déclin démographique et la diminution de la main-d’œuvre en Corée, quelle est la gravité du problème de création de valeur en phase de conception technique ? Les entreprises sont-elles littéralement incapables d’embaucher suffisamment de talents en ingénierie ?
C’est extrêmement grave. En Corée, le déclin démographique et la diminution de la jeune main-d’œuvre signifient qu’à mesure que les ingénieurs expérimentés partent à la retraite, les entreprises ont du mal à embaucher et à retenir la prochaine génération d’experts. C’est plus qu’un problème d’effectifs : cela crée un risque structurel, car les fabricants coréens peuvent être dépassés par des pays comme la Chine en matière de prix et de volumes à grande échelle.
Par conséquent, l’adoption de l’IA dans la fabrication n’est plus facultative ; elle devient une condition de survie. C’est particulièrement vrai pour les PME, qui ont encore plus de mal à attirer des ingénieurs hautement qualifiés que les grandes entreprises. Pour elles, l’IA est essentielle pour atténuer la pénurie de talents en ingénierie et développer leurs capacités.
Vos conférences abordent la conception optimale. Pouvez-vous expliquer les limites de la phase de conception optimale actuelle dans laquelle nous nous trouvons ?
La conception optimale basée sur la simulation est largement utilisée dans l’industrie et apporte une réelle valeur, mais elle présente des limites claires. Premièrement, les géométries que nous voulons concevoir sont souvent trop complexes pour être paramétrées par des approches traditionnelles (par exemple, un petit ensemble de variables, de x1 à x10).
Deuxièmement, même si vous pouvez exprimer la conception à l’aide de variables, la dimensionnalité d’entrée/sortie est souvent si élevée qu’il devient difficile de construire des modèles de substitution fiables avec l’apprentissage automatique classique.
Troisièmement, la physique sous-jacente et l’espace de conception sont hautement non linéaires et complexes, ce qui rend la recherche d’optima globaux très difficile. En résumé : les véritables problèmes de conception industrielle sont multidimensionnels, une recherche efficace n’est donc pas réalisable avec les méthodes traditionnelles.
IA pour générer, prédire et optimiser
Expliquez-moi votre solution à ce problème.
Notre solution, AslanX, est une plateforme indépendante qui permet aux ingénieurs-concepteurs, aux ingénieurs de simulation (IAO) et aux ingénieurs d’essai — sans être des spécialistes de l’IA — de créer et d’appliquer facilement des modèles d’IA. Elle ne remplace pas la CAO et l’IAO existantes ; elle agit plutôt comme une plateforme d’IA générative et un partenaire collaboratif qui soutient la prise de décision en ingénierie par la génération, la prédiction et l’optimisation.
AslanX offre un flux de travail sans code (no-code) où les utilisateurs peuvent ingérer des données, entraîner des modèles et les déployer avec un minimum de frictions. Les modèles entraînés peuvent être fournis via une API ou sous forme d’application basée sur une interface graphique (GUI) et, si nécessaire, intégrés aux systèmes CAO existants via des API.
Pouvez-vous gérer des assemblages ou des composants individuels ?
Pour la prédiction, nous prenons déjà en charge les assemblages lors des déploiements en production. Pour la génération, bien que des efforts supplémentaires en R&D soient encore nécessaires, nous avons la capacité sous-jacente et nous la transformons activement en produit. Nous avons déjà appliqué la génération d’assemblages à un problème concret avec LG Electronics et avons acquis un savoir-faire pratique substantiel grâce à ce travail.
Vous abordez à la fois la conception, les performances, la fabricabilité, les coûts, etc. — en gros tous les sujets de la conception pour X (DfX). N’est-ce pas trop ambitieux ? Pourquoi ne pas vous concentrer sur une chose à la fois ?
C’est précisément ce qui rend la conception technique difficile : vous optimisez rarement une seule exigence. Vous devez satisfaire de multiples contraintes et objectifs.
Connecter des outils à travers différents domaines et exécuter une optimisation de bout en bout est complexe, c’est pourquoi les flux de travail traditionnels évaluent généralement les exigences de manière séquentielle par le biais d’itérations répétées.
Avec l’IA, nous pouvons construire des modèles prédictifs pour chaque exigence et les intégrer à un modèle génératif ou d’optimisation unique afin de résoudre plus efficacement des problèmes multi-objectifs. Ce n’est pas facile, mais nous avons validé cette approche sur plus de 70 problèmes industriels.
À quel stade de la courbe de développement se trouve l’IA actuelle pour résoudre réellement tous ces différents domaines ?
L’IA n’est pas encore efficace de bout en bout pour tous les problèmes de conception complexes, mais pour des problèmes de domaines spécifiques, elle produit déjà des résultats tangibles. Par exemple, Narnia Labs a récemment travaillé avec LS ELECTRIC pour développer un composant de puissance (disjoncteur à boîtier moulé, MCCB) en utilisant un modèle d’IA générative qui a amélioré la résistance à la rupture de 19 %, et nous avons achevé à la fois la fabrication de l’outillage (moule) et la validation de la fabricabilité. Le résultat est actuellement en cours d’évaluation en vue de son déploiement dans de véritables centres de données. Cela démontre que la technologie a dépassé le stade de la recherche pour entrer dans celui de la commercialisation.
L’optimisation topologique existe dans la CAO depuis des années. Que peut faire AslanX que les systèmes CAO actuels ne peuvent pas faire ?
Les approches traditionnelles basées sur des règles — telles que l’optimisation topologique — n’apprennent pas à partir des données ; elles s’appuient sur une optimisation itérative fondée sur la méthode des éléments finis (MEF), qui peut prendre beaucoup de temps et donne souvent des conceptions difficiles à fabriquer.
En revanche, AslanX est axé sur les données. En s’appuyant sur des données historiques et en comprenant la distribution des conceptions réalisables, il peut générer et recommander des dizaines de milliers d’alternatives créatives en temps réel, ce qui n’est pas possible avec les méthodes conventionnelles. En d’autres termes, il n’est pas seulement optimisé pour trouver une seule « meilleure » solution, mais aussi pour explorer l’espace de conception et découvrir de nouvelles possibilités.
Comment garantissez-vous la disponibilité des données d’entraînement nécessaires ? Il semble que de nombreuses IA dans ce domaine rencontrent des difficultés à cet égard.
L’un des principaux goulots d’étranglement à l’application de l’IA dans l’industrie manufacturière est le manque de données d’entraînement en 3D. Même les grandes entreprises ne disposent souvent pas d’assez de données de conception historiques pour entraîner des modèles d’apprentissage profond à grande échelle, et les bases de données open source correspondent rarement aux contextes de fabrication réels.
Nous abordons ce problème avec la technologie des données synthétiques : nous générons de grands volumes de données 3D de haute qualité, de niveau d’ingénierie — des données qui ont un sens physique et répondent aux exigences techniques — pour entraîner les modèles d’IA.
Par exemple, dans un projet de Samsung Electronics (qui utilise AslanX depuis l’année dernière), nous avons généré environ 8 000 échantillons synthétiques avant de développer le modèle d’IA.
Pourriez-vous expliquer la vision de la conception autonome ?
La conception autonome est l’étape qui succède à l’IA générative — vers une IA basée sur des agents. Dans l’IA générative, les humains utilisent l’IA comme un nouvel outil de conception. Dans la conception autonome, l’IA utilise des outils, y compris d’autres IA, pour mener à bien le processus de conception.
Historiquement, les humains sélectionnaient les outils et prenaient les décisions. À l’avenir, les ingénieurs fourniront des objectifs et des contraintes, et les agents d’IA sélectionneront les outils, collaboreront et orchestreront les flux de travail afin d’identifier des conceptions optimales. Les humains passeront à un rôle de supervision des résultats et donneront l’approbation finale. C’est la vision vers laquelle nous tendons.
Quelle est la précision de vos conceptions aujourd’hui ? Les modèles sont-ils paramétriques, de sorte que les ingénieurs puissent continuer à travailler dessus après que l’IA les a créés, ou sont-ils censés être définitifs ?
Cela dépend de l’étape du processus de conception à laquelle vous souhaitez appliquer le résultat. Pour la conception de concepts préliminaires, nous générons souvent des résultats sous forme de maillage, ce qui nous permet d’exprimer une large gamme de topologies.
Pour la conception détaillée, en revanche, nous avons besoin de représentations B-rep. Dans ce cas, soit nous convertissons les sorties de maillage en B-rep, soit nous entraînons des modèles pour générer directement du B-rep. Dans l’exemple de LS ELECTRIC que j’ai mentionné plus tôt, nous avons généré des sorties B-rep, ce qui a permis d’utiliser directement le résultat en production.
Écosystème coréen
Vous semblez avoir de nombreux liens intéressants, comme l’AI Manufacturing Service Alliance et le KAIST. Qu’est-ce que cela vous apporte ?
Je préside le sous-comité de l’« AI Manufacturing Service Alliance » au sein de M.AX, une alliance pour l’AX (transformation par l’IA) dans le secteur manufacturier sous l’égide du ministère coréen du Commerce, de l’Industrie et de l’Énergie. C’est un conseil public-privé qui rassemble environ 1 300 entreprises, instituts de recherche et universités pour diriger l’AX dans l’industrie en Corée. Grâce à cette alliance, nous contribuons à définir les normes techniques et agissons comme un centre de diffusion de modèles d’IA pratiques dans des environnements de fabrication réels, en collaborant avec l’industrie, le monde universitaire et la recherche.
La Corée est une puissance manufacturière, et elle possède également les données et le savoir-faire nécessaires pour l’IA dans l’industrie. Je considère la Corée comme l’un des meilleurs bancs d’essai pour créer une start-up d’IA axée sur la fabrication : si vous y réussissez, vous pouvez l’importer à l’échelle mondiale.
Le KAIST est la principale université d’ingénierie de Corée et est également très réputée en matière d’IA. Grâce au KAIST Smart Design Lab que je dirige, je peux travailler en permanence avec les meilleurs talents et rester à la pointe de la technologie. Le KAIST propose également de solides dispositifs de soutien aux start-ups, comme sa politique « un laboratoire, une entreprise ».
La Corée aborde-t-elle l’adoption de l’IA dans le secteur manufacturier comme une priorité nationale ? Qu’est-ce que cela signifie pour vous ?
Oui, la Corée considère la transformation par l’IA (AX) dans le secteur manufacturier comme une priorité nationale, avec pour objectif d’innover de manière fondamentale dans la fabrication grâce à l’IA d’ici 2030. Cela crée une opportunité majeure pour nous. Narnia Labs a d’abord acquis sa crédibilité grâce à des projets d’intégration de systèmes (SI) de type preuve de concept (PoC) avec plusieurs entreprises, mais nous avons depuis fait évoluer notre modèle économique — sur la base de ce que nous avons appris — vers une plateforme de produits évolutive. Plutôt que de poursuivre une croissance linéaire axée sur des projets, nous visons une croissance en « courbe en J » grâce à notre produit, AslanX.
Le gouvernement soutient également de nombreux programmes qui permettent aux entreprises d’acheter et d’adopter des solutions de start-ups à grande échelle. Personnellement, je ne pense pas qu’il soit viable pour les entreprises d’IA de notre secteur de s’appuyer sur des projets d’intégration de systèmes nécessitant beaucoup de personnel pour générer des revenus à court terme, en recourant à des levées de fonds de plus en plus importantes, simplement pour compenser les coûts croissants et maintenir la trésorerie à mesure que l’équipe s’agrandit. En fin de compte, les start-ups qui survivront seront celles qui disposeront d’un produit.
Y a-t-il autre chose que vous souligneriez comme une différence clé entre les écosystèmes de start-ups coréens et occidentaux ? Qui en profite et comment ?
Comparé aux marchés occidentaux, le marché de l’investissement en capital-risque coréen est plus petit, et les valorisations des start-ups coréennes peuvent être de 10 à parfois 100 fois inférieures à celles d’entreprises américaines comparables.
Cependant, la Corée est une puissance manufacturière, la fabrication représentant plus de 24 % de son PIB. C’est également un pays doté d’une solide infrastructure d’IA, avec une capacité en GPU de premier plan au niveau mondial. Là où les écosystèmes occidentaux sont souvent centrés sur des start-ups d’IA généralistes, la Corée est un banc d’essai idéal pour l’IA verticale et physique, où la technologie d’IA avancée répond directement aux problèmes réels du secteur manufacturier.
Dans cet écosystème, les fournisseurs de technologies comme nous bénéficions de nombreuses opportunités de validation en conditions réelles et de données, tandis que les champions de l’industrie (les entreprises du côté demande) utilisent l’IA pour améliorer leur productivité et leurs capacités de conception, renforçant ainsi leur compétitivité mondiale. Une structure mutuellement bénéfique émerge alors.
Hausse des revenus grâce à de meilleures conceptions
Hyundai a investi dans votre entreprise. Quel est le niveau d’intérêt des autres géants de la technologie coréenne pour AslanX ?
Hyundai Motor Group est un partenaire clé depuis notre premier tour de table. À ce jour, la plupart des grands conglomérats coréens sont devenus nos clients. Cela inclut Hyundai Motor, Hyundai Mobis, Hyundai Transys, Kumho Tire, Samsung Electronics, LG Electronics, LG Innotek, LG Display, LS ELECTRIC, HD Hyundai Electric, Samsung Heavy Industries, POSCO, HD Hyundai Heavy Industries, Hanwha Ocean, LIG Nex1 et bien d’autres, pour plus de 20 clients au total. L’intérêt des géants de l’industrie coréenne est très élevé.
À quel point votre relation de travail avec ces géants est-elle actuellement approfondie ?
Avec les conglomérats coréens, nous avons réalisé une série de preuves de concept (PoC), et nous passons maintenant à la phase de signature d’abonnements logiciels officiels (AslanX) et de déploiement interne. Nous entrons également dans une phase où les résultats conçus par l’IA sont mis sur le marché, comme dans le cas de LS ELECTRIC.
Quel est le principal avantage que vos utilisateurs constatent actuellement ?
L’objectif de l’utilisation de l’IA est de développer de meilleurs produits plus rapidement. Les deux principaux avantages que les utilisateurs constatent aujourd’hui sont la réduction du temps et un espace de recherche de conception considérablement élargi.
Par exemple, des tâches qui prenaient auparavant un mois peuvent être accomplies en une minute, et les équipes peuvent évaluer plus de 1 000 propositions de conception au lieu d’une vingtaine, trouvant ainsi des solutions aux performances nettement supérieures. Les modèles de prédiction (pour la rapidité) et les modèles génératifs (pour de meilleures conceptions) créent de la valeur, mais les clients sont particulièrement satisfaits lorsque l’IA aboutit à un produit supérieur.
En d’autres termes, l’augmentation des revenus générée par de meilleures conceptions compte souvent plus que les économies réalisées grâce à la réduction du temps de travail.
Quel type d’entreprise en bénéficie le plus ? Comment les entreprises peuvent-elles savoir si elles sont prêtes à adopter vos outils ?
Les fabricants de secteurs tels que l’automobile, l’électronique, la construction navale et l’industrie lourde — où une conception 3D complexe et une validation technique rigoureuse sont essentielles — en tirent le plus grand bénéfice.
AslanX est parfaitement adapté aux entreprises confrontées à des goulots d’étranglement dans la boucle conception-simulation-révision, qui ont accumulé des données mais ne parviennent pas à les exploiter efficacement, ou qui rencontrent des difficultés en raison d’une pénurie d’ingénieurs expérimentés.
Qui est l’utilisateur final ?
Les principaux utilisateurs finaux sont les ingénieurs de conception responsables du développement de produits, les spécialistes de l’IAO et les ingénieurs d’essais. Selon le cas d’utilisation, les concepteurs de produits et les équipes technico-commerciales peuvent également utiliser la plateforme.
Quel est le commentaire le plus surprenant que vous ayez reçu de la part de vos clients ?
Le commentaire le plus mémorable a été : « Nous avons validé que le résultat conçu par l’IA surpasse celui conçu par l’homme. C’est une conception qu’il serait difficile à une personne d’imaginer. »
Au départ, les ingénieurs considéraient l’IA comme un outil d’efficacité, mais lorsque celle-ci a commencé à proposer des conceptions remettant en question les hypothèses humaines, ils ont commencé à l’adopter comme un catalyseur de créativité.
Avez-vous reçu des retours qui vous ont fait changer de cap, même légèrement ?
Nous avons entendu à maintes reprises que les ingénieurs des grandes entreprises avaient une forte volonté d’internaliser les capacités de l’IA. Plutôt que de s’en remettre indéfiniment à des prestataires externes pour résoudre des problèmes, ils souhaitent disposer d’un environnement où ils peuvent les résoudre eux-mêmes. Ce retour d’expérience a renforcé notre volonté de fournir des outils d’IA plutôt que des projets de services.
Tarifs et disponibilité
Servez-vous des clients en dehors de la Corée ?
Nous avons effectivement des clients en dehors de la Corée. De grands équipementiers automobiles aux États-Unis et en Europe sont déjà clients, bien que nous ne puissions pas divulguer de noms en raison d’accords de confidentialité (NDA), et certains ont déjà souscrit à des abonnements AslanX.
Jusqu’à présent, nos clients à travers le monde nous ont principalement contactés par voie entrante. À partir de cette année, nous ouvrons un bureau au Japon et entamons une démarche de commercialisation internationale plus proactive. Le Japon est un pays à forte tradition manufacturière, tout comme la Corée, et il est proche de nous sur les plans géographique et culturel, ce qui nous donne la conviction que nous pouvons y être plus performants que de nombreuses autres entreprises mondiales d’IA.
Quel est votre modèle de tarification ?
AslanX est proposé sous forme d’abonnement annuel.
Conception autonome de qualité industrielle
Quels sont les développements prévus pour 2026 ?
Au premier trimestre 2026, Narnia Labs prévoit de dévoiler « AslanX 2.0 », une mise à jour majeure de notre produit actuel. La nouvelle version permet un apprentissage plus flexible et avancé, et aide les utilisateurs à déployer des applications d’inférence plus facilement et plus rapidement. Ainsi, l’IA peut être adoptée plus rapidement au sein des flux de travail d’ingénierie réels.
Si vous réussissez, à quoi ressemblera le développement de produits dans 5 ans ?
D’ici cinq ans, notre objectif est de faire de la conception autonome de qualité industrielle une réalité. Un ingénieur pourra saisir une requête telle que « Conçois un produit qui réponde à ces exigences et à ces contraintes », et les agents d’IA analyseront les données issues des problèmes résolus précédemment, sélectionneront les bons outils, construiront le flux de travail le plus efficace pour la tâche de conception, proposeront les conceptions qui en résultent et expliqueront pourquoi ces décisions ont été prises.
Related Topics
Content Manager
0
Javier López Picazo
0
Comment(0)