Europe 
Türkiye 
United Kingdom 
Global 
Se connecter avec mon compte Xometry 
Nous avons interrogé Osama Atwi, co-fondateur de Kyrall, pour parler de la génération de fichiers CAO paramétriques natifs que les ingénieurs peuvent continuer à modifier dans Onshape, de la manière dont Kyrall gère les vérifications de Design pour la fabrication (DfM) sur les pièces générées, et des trois cas d’utilisation concrets dont ses premiers pilotes tirent une réelle valeur.
Un travail manuel à l’origine d’un flux fragmenté
Quel problème résolvez-vous ?
Il est double. La façon dont nous concevons les pièces mécaniques est très manuelle, et l’ensemble du secteur de la conception est fragmenté entre la conception, la simulation et la fabrication. Il s’agit donc du travail manuel à chacune de ces étapes, et du décalage entre elles.
Quel est ce décalage ?
Les formats que nous utilisons dans chaque domaine sont complètement distincts. Lorsque vous terminez une conception et exportez la pièce sous forme de fichier STEP ou STL, ce format perd une grande partie de l’intention de conception. L’intention de conception correspond à la série de décisions qu’un ingénieur prend pour construire une pièce d’une certaine manière, et à la séquence suivie pour y parvenir. C’est très difficile à capturer, car ce n’est généralement pas documenté explicitement et cela ne figure pas dans le format du fichier.
Lors d’une simulation, il est difficile de réintégrer les résultats dans la boucle de conception. Au moment de passer à la fabrication, une grande partie des informations nécessaires pour concevoir selon un procédé spécifique est manquante. La conception doit donc être retravaillée pour s’adapter à la méthode. Un fichier paramétrique natif est préférable au STEP ou STL. Il capture au moins les étapes suivies pour construire la pièce, mais il ne capture toujours pas toute l’intention de conception.
L’autre moitié du problème concerne le travail manuel.
Si l’on se concentre sur la CAO, c’est comme vouloir labourer un champ à la main alors que le tracteur n’a pas encore été inventé. Une grande partie de la CAO, une fois l’ingénierie de conception mise de côté, consiste simplement à cliquer dans un logiciel. Vous faites une esquisse, dessinez un cercle, l’extrudez, ajoutez un congé sur les arêtes, percez un trou. Ces étapes prennent du temps et demandent des années d’apprentissage, mais ce n’est pas vraiment de l’ingénierie. C’est ce travail manuel qui, selon nous, devrait être automatisé.
L’ingénierie, c’est imaginer la pièce, et retranscrire cette vision sur l’ordinateur n’est qu’un travail manuel qui ne devrait pas exister ?
S’il existe un moyen de prendre toutes mes connaissances et de les traduire directement en un modèle 3D, c’est une façon d’automatiser l’étape manuelle sans automatiser l’ingénierie. Les gens pensent que le but est d’éliminer le travail des ingénieurs. C’est tout le contraire. Il s’agit de les libérer de la partie manuelle fastidieuse pour qu’ils puissent se concentrer sur ce qui compte vraiment : la fonction, les exigences, la pièce qu’ils conçoivent.
Nous assimilons la CAO à l’ingénierie car c’est la modalité dans laquelle nous travaillons, la chose tangible qui représente notre travail. C’est comme assimiler l’ensemble d’un tableau à de l’art. Mais le cadre du tableau n’est pas de l’art. S’il existe une autre façon de représenter l’ingénierie en supprimant le travail manuel, nous pouvons considérer que c’est aussi de l’ingénierie.
Qu’est-ce que l’ingénierie, alors ?
À un niveau global, c’est la résolution de problèmes. Plus concrètement, c’est utiliser les connaissances acquises au fil des ans, ainsi que les nouvelles informations reçues et les outils à disposition, pour résoudre un problème très spécifique dans un ensemble de contraintes et d’exigences. Dans l’aérospatiale, il s’agit de concevoir un avion qui vole et qui est sûr. La même approche s’applique à l’automobile, à la robotique et à l’ingénierie mécanique classique.
Où avez-vous rencontré ou remarqué ce problème ?
Dans mon travail d’ingénieur, nous concevions beaucoup de petits drones. Chaque nouveau projet impliquait de repartir plus ou moins de zéro, car peu d’éléments étaient réutilisables. J’ai donc commencé à coder des outils logiciels pour automatiser la conception d’un châssis de drone. Cela se faisait d’une simple pression sur un bouton. Mais je devais coder en dur pour un châssis spécifique. Une configuration différente impliquait de créer un nouveau configurateur de A à Z. Les outils n’étaient pas conçus pour ce type d’automatisation.
Remplacer des points dans l’espace par un script
Comment Kyrall compte-t-il résoudre ce problème pour l’industrie ?
À la base, nous tendons vers ce que nous appelons la compilabilité des modèles 3D. Nous voulons traiter les modèles 3D comme du code. Cela résout le problème de fragmentation, car vous obtenez un format unique qui circule tout au long du pipeline d’ingénierie, ce qui facilite la génération.
Au lieu de générer des points dans le vide pour construire un modèle, nous générons un script, et ce script génère le modèle 3D. Nous pouvons vérifier les erreurs, extraire des caractéristiques et intégrer des métadonnées qui seront utilisées en aval dans la simulation et d’autres outils. Cependant, l’utilisateur n’interagit jamais directement avec le code. Il reste en arrière-plan, modifié et mis à jour à mesure que la conception évolue. Les pièces CAO sont déjà du code par essence, mais ce code n’est pas utilisé à son plein potentiel.
Cela signifie-t-il que vous créez votre propre logiciel de CAO ?
Pas vraiment. Nous construisons notre propre infrastructure et nos propres formats, mais notre principe n’est pas de vous dire de tout jeter pour utiliser notre outil. C’est un système autonome qui s’intègre à ce que les gens utilisent déjà. Pour l’instant, nous pouvons lire et écrire dans Onshape. Nous pouvons également lire CATIA, NX, SolidWorks et Creo, et nous travaillons pour pouvoir y écrire également.
Décrivez-moi le processus de génération de pièces avec Kyrall.
Cela dépend de votre façon de travailler. Certains ont des dessins techniques ou des croquis qui décrivent la pièce. D’autres la décrivent simplement sous forme de texte. D’autres encore ont une description précise, comme un fichier Excel avec les points de connexion et les dimensions exactes, et nous concevons la pièce de manière paramétrique à partir de cela. Certains l’utilisent comme un outil de rétro-ingénierie, recréant une pièce de manière paramétrique à partir de plans.
Une fois que vous avez généré une pièce, vous pouvez continuer à la modifier via du texte, ou sélectionner une partie d’un assemblage et ne modifier que celle-ci. Quand les gens pensent à l’IA, ils supposent qu’elle hallucine, ou que modifier une pièce modifie tout le reste. Nous l’avons conçue pour que vous puissiez isoler et modifier une seule chose. Et comme tout est paramétré, il suffit de changer un chiffre. Vous voulez une équerre un peu plus longue ? Changez le chiffre, appuyez sur Entrée, et en moins d’une seconde, elle est mise à jour.
Comment créez-vous des pièces qui respectent réellement les directives de fabricabilité ?
Nous intégrons actuellement des tests DfM, en nous concentrant d’abord sur le fraisage 3 axes et l’impression FDM, SLA et SLS, avant de nous étendre à la tôlerie et à d’autres procédés. Chaque pièce peut être soumise à l’outil DfM, l’utilisateur choisit la méthode de fabrication et la pièce est modifiée pour satisfaire aux vérifications.
Nous les divisons en vérifications statiques et dynamiques. Les exigences statiques doivent être respectées pour que la pièce puisse être fabriquée avec cette méthode. Si je fraise une plaque, je ne peux pas avoir d’angles intérieurs vifs dans une poche, ils doivent être arrondis (rayon de congé). Une exigence dynamique est plus subjective, comme savoir si un rayon spécifique sur une machine spécifique implique l’achat d’une nouvelle tête d’outil. Les vérifications elles-mêmes sont basées sur des règles. L’intégration tout au long du pipeline est basée sur l’IA, car elle n’est jamais totalement déterministe.
Lorsqu’une pièce enfreint une règle de conception, une recommandation s’affiche. Un exemple simple est la distance minimale entre un trou et le bord d’une plaque, généralement 1,5 fois le diamètre du trou. Si un trou est trop proche du bord, l’outil le signale. Ces règles peuvent être ajustées selon l’industrie et l’utilisateur.
Trois principaux cas d’utilisation
Certaines entreprises de ce secteur se vendent en disant « décrivez un moteur à turbine et il apparaît ». Quelle est la réalité ?
Il y a beaucoup de bruit autour de cela. Et l’expression « text-to-CAD » est mal choisie. Elle donne l’impression qu’il suffit de taper « dessine-moi un moteur à réaction », d’appuyer sur Entrée, et qu’un moteur à réaction en ressort.
Nous l’avons constaté par nous-mêmes. Nous avons confié l’outil à des testeurs qui étaient des ingénieurs en mécanique seniors. Ils faisaient ce genre de requête et étaient ensuite déçus que cela ne fonctionne pas. Nous leur demandions : pensez-vous vraiment pouvoir concevoir un avion de chasse entier en ce moment même ? Pourquoi toutes les entreprises qui conçoivent des avions de chasse existeraient-elles si c’était possible ? C’était en partie de notre faute, nous avons mal géré les attentes.
Les gens qui pensent que ces outils concevront bientôt un moteur à réaction à partir d’une simple requête ne savent pas comment ces moteurs sont conçus. L’ingénierie ne se résume pas à la modélisation 3D. C’est le calcul de la pièce, le Design pour la fabrication, la simulation, les exigences et les tests.
Il semble que vous ayez appris de vos erreurs. Comment travaillez-vous avec les clients maintenant ?
Plutôt que de leur donner l’outil et de leur dire de l’utiliser (car la première chose qu’ils feront sera de demander quelque chose d’impossible), nous allons à leur rencontre, nous comprenons leurs processus et leurs goulots d’étranglement, puis nous revenons avec une proposition. Nous nous concentrons beaucoup sur des projets déployés sur le terrain. Parfois, nous réalisons qu’ils n’ont pas de problème que nous puissions résoudre, nous leur disons que ce n’est pas grave et nous passons à autre chose. Il est dangereux d’imposer la technologie. Vous n’en avez tout simplement pas besoin partout.
Pour quelles applications les clients utilisent-ils Kyrall, alors ?
L’un des usages est la conception préliminaire dans l’aviation. Lorsque vous concevez un nouveau drone, vous voulez explorer différentes configurations, et aujourd’hui, c’est très manuel. Avec notre outil, vous effectuez cette itération en quelques minutes au lieu de plusieurs semaines, car vous la développez une fois, puis vous modifiez n’importe quel paramètre.
Un autre cas est la génération de composants. Lorsque les gens travaillent sur des assemblages, ils ont besoin d’un servomoteur, d’un connecteur, d’un support. Aujourd’hui, ils cherchent en ligne et ne trouvent généralement pas exactement ce qu’ils veulent. Personne n’aime reconcevoir un servomoteur pour l’intégrer à un assemblage. Un modèle simple peut prendre une heure et demie, ce qui, sur un assemblage plus important, représente de nombreuses heures par mois.
Le troisième cas est la conception pour les non-concepteurs : des personnes techniques dans un autre domaine qui ont besoin d’imprimer rapidement en 3D un boîtier de PCB ou un support de moteur. Aujourd’hui, soit ils apprennent la CAO, soit ils vont déranger l’ingénieur mécanique. Nous avons beaucoup entendu cela lors des tests : des ingénieurs en mécanique nous demandant de donner l’outil à cette personne pour qu’elle arrête de les solliciter.
À qui s’adresse réellement cet outil ?
Ces trois exemples couvrent presque tout le monde, des personnes non techniques aux profils juniors et seniors. Reste à voir où se situe la plus grande valeur ajoutée, mais pour l’instant, elle semble être présente tout au long du pipeline d’ingénierie.
Qu’en est-il des clients d’industries qui ne peuvent pas envoyer de données de conception à un fournisseur de LLM externe ?
C’est une préoccupation majeure pour beaucoup d’entre eux, à juste titre. Nous entraînons nos propres petits modèles de langage (SLM) qui s’exécutent localement sur les machines du client, sans nécessiter une énorme infrastructure GPU. Les données ne quittent jamais leur environnement.
L’avantage, une fois hébergé localement, est que nous pouvons continuer à affiner le modèle sur les propres archives de conception du client. Ainsi, ils n’obtiennent pas le même modèle que tout le monde, mais un modèle intégrant leurs propres pratiques de conception, fonctionnant sur site là où personne d’autre n’a accès. Nous discutons avec des entreprises vieilles de 50 ou 100 ans. L’un des points qu’elles soulèvent constamment est qu’elles possèdent d’énormes quantités de données historiques qu’elles n’utilisent pas vraiment, car elles sont presque inaccessibles. Nous pouvons les analyser, les convertir et affiner le modèle à partir de ces données.
Des niveaux d’abonnement pour chaque utilisateur
Combien cela coûte-t-il ?
Nous avons une approche basée sur les licences, car c’est ce à quoi l’industrie est habituée. Pour l’instant, il s’agit d’un abonnement standard avec différents niveaux. En outre, nous proposons une offre distincte pour les entreprises clientes qui ont besoin d’un ajustement supplémentaire, d’un hébergement local ou d’autres personnalisations.
Admettons que j’aie une imprimante 3D et aucune compétence en conception. Est-ce accessible pour moi ?
Pour ce cas d’utilisation, le prix correspond à ce que les gens attendent des produits grand public, abordable pour les amateurs. S’il s’agit uniquement de génération, cela se situera dans la fourchette normale de n’importe quel abonnement.
Y a-t-il des intégrations complètes au-delà d’Onshape ?
Comme je l’ai dit, nous lisons déjà les principaux fichiers CAO. Nous travaillons sur des capacités de lecture et d’écriture, mais la date de lancement exacte reste à déterminer. L’intégration avec les logiciels de CAO les plus utilisés figure sur notre feuille de route.
Kyrall est-il uniquement un éditeur sur navigateur ?
Nous le proposons également sous forme d’API, et pas seulement comme outil sur navigateur. Avec les copilotes de codage, vous pouvez créer rapidement des applications très spécifiques basées sur Kyrall. Vous voulez une application qui prend le fichier STL d’un outil et crée un plateau à empreintes autour de lui ? Ou une application qui génère des gabarits et montages à partir d’une pièce ? Vous pouvez les créer sur notre API en peu de temps, sans avoir besoin d’acheter une licence de logiciel dédié pour chacune.
L’association de la passion et de la critique nous fait avancer
Il y a déjà quelques noms dans ce domaine. Combien y aura-t-il de gagnants ?
Le secteur est vaste, il y en aura donc plusieurs, tout comme dans le monde de la CAO où aucun logiciel ne domine aujourd’hui. Les gagnants seront ceux qui se concentreront dès le début sur la résolution de vrais problèmes, plutôt que de créer quelque chose qui soit juste beau. C’est un secteur difficile et conservateur qui connaît peu d’innovations, et pour cause. Ces outils permettent de construire des voitures, des avions et des machines que les gens utilisent tous les jours. Le niveau d’exigence en matière de sécurité et de fiabilité est donc très élevé et doit le rester.
C’est une chose que j’ai toujours trouvée amusante : les ingénieurs innovent dans tout, sauf dans leurs propres flux de travail.
Lorsque les ingénieurs matériel (hardware) se tournent vers les logiciels, ils ont des attentes très élevées. Le matériel est complexe, ils supposent donc que les logiciels sont simples, ce qui n’est généralement pas le cas. C’est en partie de là que viennent ces attentes démesurées. Cette résistance n’est pas nouvelle non plus. C’est arrivé lors de l’introduction de la CAO. À l’époque, les gens disaient que c’était trop lent, trop buggé, qu’ils pouvaient dessiner plus vite à la main. Aujourd’hui, personne ne dirait que la CAO n’est pas meilleure que ce qui existait avant.
La facilité avec les logiciels, c’est qu’on peut les tester. Avec le matériel, vous pouvez passer un an sur la modélisation CAO, puis vos pièces sont fabriquées, assemblées dans une usine, les propriétaires la mettent en marche, et ce n’est qu’à ce moment-là que vous découvrez si vous avez fait une erreur.
Exactement. Nous passions des mois à concevoir un drone, à le construire, à l’assembler. Vous allez sur le terrain de vol et il s’écrase au bout de deux secondes. Vous gelez sur le terrain à 8 heures du matin en décembre, vous êtes en retard sur le planning et hors budget, vous lancez le drone et il s’écrase immédiatement. Le pire qu’un développeur de logiciels puisse ressentir généralement, c’est de compiler un code buggé, et maintenant un outil de codage IA le corrige pour vous. L’ingénierie, c’est dur. Nous avions coutume de dire que le premier test en vol est toujours un crash. S’il vole du premier coup, c’est un miracle. Cela ne veut pas dire que les logiciels sont faciles, cela signifie juste que c’est plus facile.
Dans quelle mesure l’intérêt pour les outils d’IA n’est-il que la peur de manquer quelque chose (FOMO) ?
Ce n’est pas vraiment notre expérience. La plupart du temps, les gens sont sceptiques, car c’est de l’IA. Ils pensent qu’elle hallucine, ou ils la voient comme un chatbot plutôt que comme un outil d’ingénierie. Ils sont prudents et posent beaucoup de questions techniques : comment cela s’intègre, comment nous avons résolu le problème des hallucinations, qu’en est-il de leurs données. C’est exactement comme cela que ça devrait être. Si quelqu’un ne s’y intéresse que par peur de rater quelque chose, il laissera probablement tomber au bout d’un moment.
Il est sain d’avoir à la fois de la passion et des critiques, voire de la haine. Si tout le monde se contente d’applaudir, vous n’obtenez pas de retours constructifs. Si tout le monde ne fait que détester, vous n’avancez pas. Il faut un juste milieu. Davantage d’entreprises doivent aller de l’avant avec ces technologies et être prêtes à tester des choses même à un stade précoce. Si vous voulez que cela fonctionne dans trois ou quatre ans, vous devez commencer maintenant. La façon dont nous concevons les machines ne restera pas la même, et les entreprises prêtes à essayer ces outils finiront par avoir une longueur d’avance significative sur les autres.
Qui d’autre, à part vous, devrait-on suivre dans ce domaine ?
Bench AI fait un excellent travail sur la préparation des modèles après la simulation pour les réintégrer dans le processus de conception. nTop fait beaucoup de choses dans l’exploration de conception. Et Synera est leader sur les flux de travail agentiques et les intégrations entre différents outils.
Related Topics
Contact VED
Uliana Krayneva
0
1
Comment(0)