Europe 
Türkiye 
United Kingdom 
Global 
Se connecter avec mon compte Xometry 
Vincent Ung, directeur des opérations et cofondateur de Cognitive Design Systems (CDS), a pris le temps d’éclairer le problème de cloisonnement entre la conception et la fabrication, de montrer comment le design génératif dépasse aujourd’hui l’impression 3D et d’expliquer la place de l’IA dans le travail d’ingénierie.
Le fossé entre la conception et la production
Quel est le problème que vous cherchez à résoudre ?
Le problème est que l’ingénierie de conception doit être beaucoup plus rapide. Les exigences pesant sur les ingénieurs pour développer de nouveaux produits sont de plus en plus nombreuses, et nous devons évoluer avec la technologie. Nous cherchons donc à accélérer les temps de cycle pour la conception de produits, en particulier pour les pièces mécaniques.
Votre équipe fondatrice compte trois personnes. Qui a été directement confronté à ce problème ?
Je ne viens pas de l’ingénierie mécanique, je viens en fait de la finance. Mais Rhushik et Henri sont ingénieurs en mécanique. Ils ont beaucoup travaillé au Japon, dans des sociétés de services de fabrication, en charge de la fabrication et de la conception, et ils ont vu et ressenti le problème de première main.
Dans les grandes entreprises, vous avez la conception mécanique d’un côté, puis la simulation et les études de faisabilité, et tout à la fin, les équipes de fabrication dans l’atelier qui ne sont presque jamais consultées sur ces conceptions. Ils ont donc voulu combler ce fossé.
Ils ont également une grande expérience de la fabrication additive, ce qui nous a stimulés.
Quelle est la place de la fabrication additive ?
La fabrication additive offre une plus grande liberté de conception, ce qui signifie que les résultats du design génératif sont viables pour la production. Nous avons commencé par la fabrication additive, puis nous nous sommes progressivement orientés vers des méthodes de fabrication plus conventionnelles.
Vous dites en être convaincus. Le marché l’est-il aussi ?
C’est ce que nous constatons, et il semble que des entreprises comme InfinitiForm le soient aussi. La fabrication additive reste une niche, et quand je dis fabrication additive, je parle d’impression 3D industrielle, et elle n’a pas encore atteint tout son potentiel. Dans des secteurs comme l’aérospatiale, il y a beaucoup de contraintes de certification. La question n’est jamais d’opposer la fabrication additive au conventionnel. Tout dépend de ce dont vous avez besoin, des performances de la pièce, des compromis que vous pouvez faire, de la quantité. Sous la pression de la productivité, nous devons changer notre façon de concevoir.
Le design génératif et l’optimisation topologique existent depuis un certain temps dans les outils de CAO courants. Pourquoi n’ont-ils pas résolu le problème du cycle de conception ?
Avec l’optimisation topologique, vous réduisez la matière et la placez là où les contraintes sont les plus fortes, vous obtenez donc une pièce théorique. Cela ne signifie pas que le résultat est fabricable. Dans Cognitive Design, nous procédons en deux étapes. D’abord, vous améliorez les performances de la pièce, puis vous exécutez ce que nous appelons la conception pilotée par la fabrication, un design pour la fabrication (DfM) automatisé qui repense la pièce pour un procédé donné. Vous associez les deux pour en tirer le meilleur parti. De plus, l’optimisation topologique n’est qu’une approche parmi d’autres. Nous avons développé nos propres algorithmes pour les boîtiers et pour des topologies qui ne sont pas basées sur les contraintes.
Vous travaillez dans la fabrication additive depuis un certain temps maintenant. Tout le monde s’accorde à dire qu’elle permet des itérations rapides et une fabrication en interne, pourtant son adoption a été plus lente que prévu. Qu’est-ce qui la freine ?
Plusieurs choses. La première est le coût. L’impression 3D métallique reste chère comparée au moulage sous pression ou à l’usinage CNC. La seconde est la certification, qui entraîne un coût supplémentaire.
Ensuite, il y a la maturité. Tout le monde n’est pas au même niveau concernant ce que la fabrication additive peut réellement accomplir, le post-traitement qu’elle nécessite, la conception qu’elle exige. Beaucoup de gens pensent qu’ils vont prendre une pièce conçue pour une fabrication conventionnelle et l’imprimer en 3D, et parfois cela échoue. Les gens ont aussi ce raccourci en tête selon lequel l’impression 3D n’est destinée qu’au prototypage rapide et peu coûteux de polymères, alors que nous parlons d’applications réelles. Il y a d’excellents cas d’usage, mais ce n’est pas encore pleinement adopté.
Générer la pièce, puis la rendre fabricable
Alors comment Cognitive Design résout-il tout cela ?
La capacité principale est de générer plusieurs conceptions et de vous laisser les explorer. Vous faites des compromis en fonction des contraintes, des performances, des coûts et de l’empreinte carbone, et vous comprenez quelle direction convient le mieux à vos besoins. En plus de cela, nous utilisons l’IA pour aller plus vite. L’exploration qui prenait autrefois beaucoup de temps, car ces pièces étaient conçues manuellement, se fait maintenant avec l’IA.
Quelles sont les données fournies par l’humain, et qui réalise le premier modèle ?
Comme point de départ, vous apportez un modèle 3D existant, un maillage STL ou un fichier STEP, et vous ajoutez vos cas de charge si vous avez une simulation. Le logiciel intègre une simulation sans maillage, nous calculons donc les performances de la pièce et nous nous assurons qu’elle répond aux critères. Vous disposez également de divers matériaux, et vous pouvez importer les vôtres, ce qui vous permet de comparer le titane à l’aluminium ou à l’Inconel selon des procédés comme la fabrication additive et l’usinage.
Comment utilisez-vous le design génératif, et qu’est-ce qui le rend rapide comme vous l’affirmez sur votre site web ?
Le design génératif est utilisé presque tout le temps. Nous l’utilisons pour l’optimisation topologique afin de trouver la meilleure pièce théorique. Nous avons un algorithme spécifiquement pour les boîtiers, une boîte de vitesses par exemple, et un autre ensemble que nous appelons le tissage topologique, où vous créez des conceptions qui ne dépendent pas des contraintes, en connectant des régions fonctionnelles le long d’un chemin.
Récemment, nous avons lancé un plan d’expériences (DOE), qui vous permet de générer des conceptions sur une plage de paramètres. Au lieu d’une seule valeur, vous dites que vous voulez que cela soit testé entre 0,5 et 10, et cela crée une matrice et génère automatiquement un grand nombre de conceptions.
La rapidité vient de notre propre noyau implicite. La modélisation implicite représente un modèle 3D par des champs, à l’image d’une entreprise comme nTop, et nous y effectuons toutes les modifications, c’est pourquoi nous avons également rendu la simulation sans maillage. Tout s’exécute en implicite presque jusqu’à la fin, où vous avez besoin d’un maillage, puis vous exportez un maillage ou un fichier STEP avec une reconstruction du maillage vers B-rep.
La capacité suivante est le Design pour la fabrication (DfM). Parlez-nous-en.
Nous avons cinq procédés principaux aujourd’hui : la fabrication additive, l’usinage, le moulage sous pression, le forgeage et le moulage par injection. Nous prenons les règles du Design pour la fabrication et les utilisons pour modifier les pièces, et la particularité est que ces règles sont personnalisables. Les clients apportent leurs propres règles DfM internes et les appliquent à la conception. Pour une pièce moulable, les angles de dépouille, les contre-dépouilles et l’épaisseur de paroi ont beaucoup d’importance, et le logiciel repense automatiquement la géométrie pour respecter ces contraintes.
Vous fournissez donc un ensemble de règles que je peux modifier. Est-ce uniquement algorithmique ou y a-t-il également une composante IA ?
Cette partie est algorithmique, elle est basée sur des règles.
Comment fonctionne le flux ? D’abord j’obtiens des itérations du design génératif, puis j’exécute le design pour la fabrication ?
Oui, c’est séquentiel, en deux étapes. C’est en fait une bonne différenciation par rapport à certains outils existants, qui intègrent les contraintes de fabrication dans le solveur d’optimisation topologique et, au final, peuvent ne pas vous donner de pièces fabricables. Nous le divisons car sinon vous avez trop de contraintes à la fois et cela ne converge pas bien.
En prenant l’usinage comme exemple, des conceptions très complexes sont fabricables mais s’accompagnent d’un prix en conséquence. Comment évitez-vous que le résultat ne devienne une pièce coûteuse et trop complexe ?
Pour l’usinage, nous n’avons actuellement que 3 axes, mais vous avez raison, l’usinage peut devenir complexe. Nous générons des pièces plus prismatiques, et vous pouvez définir des directions en x, y et z, de sorte que le résultat est plus facile à usiner. Vous n’êtes pas contraint d’aller vers la pièce la plus chère et la plus complexe, même si vous pourriez le faire en usinage.
Nous vous donnons également une estimation des coûts pour guider ces choix, et cela fonctionne de la même manière que le DfM, configurable par le client : les salaires, les taux horaires, le prix de la machine, le matériau. L’idée n’est pas de calculer le coût au centime près, c’est de comprendre si l’usinage est plus avantageux qu’un autre procédé et d’évaluer l’ordre de grandeur de la différence de prix.
Qu’est-ce que la conception pilotée par la simulation ?
Nous effectuons des simulations mécaniques et thermiques pour valider les pièces et nous assurer qu’elles répondent aux exigences, puis nous utilisons les données de contrainte pour optimiser davantage. Vous ajoutez de la matière là où il y a beaucoup de contraintes et vous l’enlevez là où il y en a moins. En fabrication additive, vous pouvez placer des structures en treillis ou TPMS en fonction des niveaux de contrainte, faire des décalages, ajouter des nervures. Vous pouvez également importer des données de contrainte depuis un solveur externe comme Ansys, Abaqus ou Nastran, et nous lisons ces résultats et modifions la géométrie en conséquence.
Cela devient donc une boucle.
Exactement. L’idée est une boucle entre tous ces éléments. Une fois que vous avez créé votre flux de travail, vous pouvez l’exécuter sur de nombreuses pièces différentes, en modifiant les paramètres ou les conditions aux limites pour générer les conceptions.
Quand l’ordinateur en fait déjà autant, l’ingénieur doit encore le comprendre. Après dix bons résultats, les ingénieurs ne vont-ils pas simplement commencer à faire confiance au logiciel aveuglément ?
La plupart des ingénieurs utilisent notre logiciel pour converger vers le meilleur concept le plus rapidement possible, puis valident à la fin dans un outil certifié comme Ansys. Ansys peut prendre des heures, voire des jours, donc l’objectif est de ne pas itérer dedans : ils ne l’exécutent qu’une seule fois à la fin, lorsqu’ils ont déjà convergé vers la meilleure pièce théorique.
Que signifie la fonctionnalité des flux de travail réutilisables sur votre site web ?
En utilisant le logiciel, vous construisez un flux de travail, essentiellement une méthodologie ou des connaissances en conception que vous maîtrisez en tant qu’ingénieur. Vous le conditionnez, l’envoyez à une autre équipe, et elle réutilise les entrées et les sorties pour obtenir un résultat similaire avec des données différentes. Vous encapsulez les connaissances des ingénieurs de fabrication et de conception. C’est ce que je voulais dire par combler le fossé entre eux, et toutes ces connaissances restent internes à l’entreprise.
Quelle est la place de l’IA ici ?
Nous l’utilisons de plusieurs manières, et pas de la même façon que les autres. Parfois pour estimer les coûts plus rapidement, parfois pour la reconnaissance de caractéristiques, par exemple pour reconnaître des cylindres et des surfaces lorsque nous reconstruisons un maillage en B-rep. Mais plus important encore, nous intégrons notre logiciel aux LLM existants. Nous avons réalisé des intégrations avec Claude et d’autres, nous sommes agnostiques. Au lieu d’utiliser l’interface, vous pouvez rester dans votre LLM et dire : voici le dossier avec mes pièces, optimisez pour l’usinage, le moulage sous pression et la fabrication additive, donnez-moi un plan d’expériences sur tous les matériaux, voici les cas de charge dans mon Excel, exécutez. Le LLM est intégré en tant que serveur MCP, il a donc le contexte et peut utiliser le logiciel de manière autonome, presque comme s’il créait lui-même le flux de travail.
Vous avez commencé en 2021. Quelle serait la part de l’IA si vous commenciez en 2025 ou 2026 ?
Similaire, car notre position est que l’IA est un catalyseur. Vous ne supprimez pas l’humain, vous accélérez la prise de décision pour pouvoir explorer plus de variantes de conception. Je ne crois pas que les ingénieurs soient remplacés. Vous obtenez des équipes beaucoup plus efficaces, plus petites et qui produisent plus, et nous le voyons déjà. L’époque où quelqu’un était un expert parce qu’il connaissait CATIA depuis 20 ans et savait sur quels boutons cliquer est révolue. Vous ne définissez pas un ingénieur par sa capacité à utiliser un logiciel, mais par la manière dont il prend des décisions à partir de ses connaissances et de ses résultats.
Il me semble que plus les fondateurs sont éloignés de l’ingénierie, plus ils sont certains que l’IA fera de l’ingénierie autonome. Les fondateurs issus de l’ingénierie disent que l’IA aide en accélérant le travail des ingénieurs, principalement en éliminant certains flux fastidieux et tâches répétitives.
Nous sommes de ce côté-là. Deux des fondateurs sont des ingénieurs en mécanique, et nous avons beaucoup d’ingénieurs, non seulement en conception mais aussi en fabrication, donc nous comprenons les contraintes réelles des machines et de la production. Même avec une forte automatisation, vous avez besoin d’un humain pour valider, pour la réglementation et pour vous assurer que le calcul est correct, car l’IA peut halluciner. Dans une industrie très sensible, je ne vois pas comment l’AESA pourrait approuver une pièce développée par l’IA qui n’a jamais été simulée dans Ansys ou un autre outil certifié. Il y a des entreprises qui font de la simulation par l’IA, des prédictions au lieu de calculs réels, ce qui est formidable pour explorer des variantes et converger vers la meilleure. Mais je ne nous vois pas supprimer le calcul par éléments finis à la fin. Cela reste un outil qui doit être validé.
Au service des équipementiers de l’aérospatiale, de la défense et de l’automobile
À qui vous adressez-vous ?
Nous gravitons autour de trois secteurs principaux : l’aérospatiale, la défense et l’automobile, et nous servons de grands équipementiers (OEM). Notre plus gros client aujourd’hui est Safran, dans l’aérospatiale. Deux des fondateurs étaient basés au Japon, nous avons donc des liens étroits avec des clients japonais, principalement dans l’automobile et le spatial, tandis qu’en France, c’est surtout la défense et l’aéronautique. L’entreprise est basée à Toulouse, le berceau d’Airbus, il y a donc beaucoup de fournisseurs et de grands acteurs de l’aéronautique autour de nous.
Combien d’entreprises utilisent le logiciel aujourd’hui ?
Entre 60 et 70.
Pouvez-vous donner un exemple d’un client qui met cela en pratique ?
Un bon exemple est Thales Alenia Space. Ils fabriquent des supports pour satellites et avaient une famille d’environ 80 pièces à concevoir, avec différentes combinaisons, topologies et formes, le tout fait manuellement auparavant. Avec notre logiciel, ils ont construit un flux de travail qui optimise chaque forme, vérifie s’il est préférable d’utiliser la fabrication additive ou l’usinage, et quel matériau est le plus adapté. Une fois qu’ils l’ont fait pour un support, ils ont automatisé toute la famille, car les cas de charge étaient similaires et c’est paramétrique, vous réutilisez donc le travail de la première pièce. Cela fonctionne particulièrement bien lorsque vous avez une famille de pièces similaires ou que vous souhaitez réutiliser une méthodologie sur plusieurs pièces.
Quel est le type de réussite le plus satisfaisant pour vous ?
En tant qu’ingénieurs, nous adorons voir des pièces. Le but de CDS est de passer de la conception à une véritable pièce fabriquée, nous sommes donc ravis lorsqu’un client nous envoie des photos de quelque chose qu’il a réellement fabriqué à partir d’une conception réalisée dans notre logiciel. Le retour sur investissement réside dans l’efficacité, en passant de centaines d’heures à des dizaines, et parfois les clients atteignent des performances qu’ils ne pourraient tout simplement pas obtenir avec leurs outils existants.
Le choix d’une solution sur site
Quel est le coût de Cognitive Design et comment fixez-vous vos prix ?
C’est une licence SaaS, mais le logiciel est sur site, ce qui est un véritable avantage. Il n’y a pas de connectivité cloud, les données restent donc propriétaires. Nous avons des licences fixes et flottantes, et la fourchette de prix se situe entre 10 000 et 20 000 euros selon la licence et le module.
L’exigence de la solution sur site vient-elle des industries que vous servez, comme l’aérospatiale ?
Oui, et c’était un choix délibéré. Nous pourrions nous déployer sur le cloud, mais cela empêcherait beaucoup de nos clients d’utiliser la solution.
Puis-je payer pour des fonctionnalités limitées, comme uniquement le design génératif ou le design pour la fabrication ?
Oui, nous avons quelques forfaits en fonction du module, mais la plupart des clients optent pour le forfait complet.
Combien de temps prend la mise en place entre le jour de la signature et le premier ingénieur qui l’utilise ?
Généralement quelques jours. Pour certaines entreprises, il y a des restrictions informatiques et de cybersécurité, mais c’est comme installer une application sur votre bureau. Nous effectuons des déploiements sur serveur pour les gros clients avec plus d’une licence, et nous proposons des licences flottantes pour que vous puissiez avoir des utilisateurs simultanés.
Quel est le niveau d’assistance que vous fournissez ?
Nous fournissons toujours une assistance, et la prise en main est essentielle car c’est une nouvelle façon de concevoir. Le logiciel est très convivial. Vous connectez des blocs avec des connecteurs, de manière similaire à Grasshopper ou Rhino si vous avez déjà fait de la conception paramétrique de cette façon. En un jour ou deux, vous êtes autonome, et nous accompagnons les clients à mesure qu’ils utilisent la plateforme de manière plus approfondie.
S’intègre-t-il aux outils de CAO et de PLM que les équipes utilisent déjà ?
Nous adorerions. Il n’est pas toujours facile de travailler avec d’autres éditeurs, car les entreprises de CAO sont très protectrices de leur PLM, qui en est vraiment le cœur, quand on pense à Dassault Systèmes ou Siemens. Il existe des solutions d’entreprises comme Tech Soft 3D pour se connecter à ces PLM, et c’est quelque chose que nous étudions. Nous voulons être mieux intégrés au flux de travail de l’ingénierie, car les grandes entreprises ont besoin d’interopérabilité et, plus important encore, de traçabilité avec le PLM.
Donc aujourd’hui, si je suis sur SolidWorks, j’exporte un fichier STEP, j’utilise votre logiciel et je le réimporte ?
Oui, vous optimisez puis vous réimportez le fichier STEP dans votre logiciel de CAO à la fin.
Les cinq prochaines années
À quoi ressemblera l’ingénierie de conception dans cinq ans ?
De plus en plus d’ingénieurs utiliseront des logiciels qui les rendent efficaces. Le design génératif va certainement rester, et les approches de l’IA basées sur la physique viendront compléter les suites que les gens utilisent déjà, pour valider, pour générer, pour être plus productifs. Aujourd’hui, il n’y a que trois grandes suites, Dassault, Siemens et PTC ou Autodesk, qui couvrent tout, de la CAO à l’IAO, au PLM, au MES et à l’ERP. Il sera difficile pour les grandes entreprises de s’éloigner de cet écosystème, nous nous plaçons donc à ses côtés. Je pense également qu’il y aura une forte consolidation, avec l’intégration de plus de fonctionnalités par les grands et moyens acteurs. Ce qui est intéressant, c’est de voir si une entreprise d’IA va franchir le pas et concurrencer les éditeurs de logiciels, si Anthropic va un jour se positionner comme un outil d’ingénierie. Ils ont pénétré de nombreux secteurs par le biais d’acquisitions, ils pourraient donc bouleverser ces industries de la même manière.
Quelle est la chose que l’industrie sous-estime et celle qu’elle surestime à propos de l’IA ?
C’est une question délicate. Je pense que nous sous-estimons le rythme auquel l’IA progresse. Les anciens modèles étaient comme des jeunes diplômés avec des connaissances de base en physique, et avec les modèles plus récents, le raisonnement est beaucoup plus profond et complexe.
D’un autre côté, nous surestimons notre propre capacité à l’assimiler. L’IA continue de proposer de nouvelles choses, et en tant qu’humains, notre adaptation à la nouvelle technologie est beaucoup plus lente que ce dont les machines sont capables, en particulier dans ce secteur.
Beaucoup d’entreprises d’IA dans ce domaine semblent entretenir de bonnes relations, parlant même de coopération, ce qui n’est pas toujours le cas avec les start-up. Dans quelle mesure êtes-vous optimiste quant au rapprochement de ces solutions ?
Honnêtement, la plupart des fondateurs de logiciels d’ingénierie se connaissent, nous sommes donc en bons termes même en tant que concurrents. Nous savons que nous ne pouvons pas tout faire nous-mêmes, et en fin de compte, nous voulons faciliter la vie des ingénieurs. Personne ne veut d’un logiciel pour la CAO, d’un autre pour le PLM, d’un autre pour le MES et la simulation. Vous voulez une plateforme qui rassemble tout, c’est pourquoi nous parlons de complémentarité. Et avec l’IA et les LLM, l’interopérabilité est beaucoup moins un frein. Un agent LLM se connecte via des serveurs MCP à de nombreux outils différents, vous n’avez donc pas à importer et exporter votre modèle 3D entre eux, l’agent le fait pour vous. Vous pourriez imaginer des entreprises d’IA comme étant le cœur, se connectant à différents logiciels, l’agent s’occupant du travail fastidieux qui n’ajoute que peu de valeur.
Y a-t-il des entreprises d’IA intéressantes dans la conception ou la fabrication que vous mettriez en évidence ?
Quelques-unes. La semaine dernière, nous parlions avec PhysicsX. Nous connaissons assez bien Neural Concept et Synera. Il y a InfinitiForm, qui propose une approche similaire à la nôtre. C’est encore le tout début, et il sera intéressant de voir si certaines de ces start-up finissent par se compléter pour concurrencer les grands acteurs comme Dassault et Siemens.
Related Topics
Javier López Picazo
Uliana Krayneva
0
4
Comment(0)