Dassault Systèmes dévoile ses compagnons IA pour le jumeau numérique

À 3DEXPERIENCE World, Dassault Systèmes a présenté Aura, Leo et Marie, trois compagnons IA conçus pour assister l’ingénieur sans le remplacer et faire du jumeau numérique un partenaire intelligent du cycle de vie produit. Décryptage complet pour Twin+ avec Manish Kumar, le CEO de Solidworks.

À Houston, outre son partenariat significatif avec NVIDIA, la principale annonce de Dassault Systèmes lors de 3DEXPERIENCE World, a porté sur l’arrivée de trois compagnons répondant aux noms d’Aura, Leo et Marie: des agents IA experts incarnant chacun un rôle complémentaire pour accompagner les ingénieurs, concepteurs et managers tout au long du cycle de vie du produit. Une annonce parfaitement en ligne avec l’évolution majeure de sa stratégie autour de l’intelligence artificielle et structurante pour l’écosystème 3DEXPERIENCE, puisqu’elle va même engendrer une évolution du modèle économique de l’éditeur. Manish Kumar, CEO de SolidWorks et vice-président R&D de Dassault Systèmes, a longuement détaillé, à plusieurs reprises lors de deux plénières, d’une conférence de presse et dans plusieurs échanges avec quelques médias dont Twin+; autant dire l’importance du sujet…

D’abord, précisons que derrière le terme de «compagnons», Dassault Systèmes propose un changement de paradigme. Il ne s’agit plus d’ajouter quelques fonctions d’IA isolées dans les outils de conception, mais de créer de véritables agents capables de comprendre une intention, d’analyser un contexte métier et d’orchestrer des compétences spécialisées. Fidèle à sa culture industrielle, Dassault Systèmes avance cependant avec prudence, rappelant à de nombreuses reprises que ces compagnons ne sont pas pensés pour se substituer à l’utilisateur, mais bien pour l’accompagner. «Nous ne cherchons pas à remplacer l’intelligence humaine, mais à l’augmenter», insiste Manish Kumar. Les compagnons vont donc assister l’ingénieur dans ses tâches et ses raisonnements quotidiens, sans jamais prendre le contrôle du processus. L’objectif est d’augmenter les capacités humaines, pas de les effacer. « L’ingénieur reste le chef d’orchestre. L’IA lui apporte des options, des analyses et des recommandations, mais elle ne décide jamais à sa place, précise-t-il. Pour autant il s’agit de passer d’une logique d’automatisation à une logique de composition, où plusieurs intelligences distinctes collaborent pour résoudre un problème complexe », explique Manish Kumar.

Trois compagnons avec des rôles précis et des personnalités marquées

Aura, pour pour Assisting You to Realize your Ambition, est le compagnon de l’exploration et du contexte. Elle s’appuie sur les connaissances internes de l’entreprise et sur des sources externes pour nourrir l’inspiration, orienter les choix et éclairer la prise de décision. Dans une démonstration très concrète, Manish Kumar raconte comment Aura peut aider dès les premières phases d’un projet, avant même que la moindre géométrie ne soit créée. À partir d’une simple image ou d’une description, Aura propose des pistes esthétiques, des matériaux, des finitions et même des références issues de projets antérieurs. «Aura connecte la créativité individuelle à l’intelligence collective de l’entreprise», résume-t-il. Dans un environnement industriel, elle intervient aussi sur les dimensions business: stratégie fournisseurs, conformité réglementaire, analyse de risques, suivi de projet. L’IA ne se contente plus de répondre à des questions techniques; elle devient un médiateur entre design, production et organisation.

De son côté, Leo est l’ingénieur, digne descendant de Leonardo di Vinci. Son rôle est de transformer une idée en un objet techniquement valide et manufacturable. C’est lui qui génère une structure d’assemblage à partir d’une intention exprimée en langage naturel, qui convertit un modèle importé d’un fournisseur en un modèle paramétrique modifiable, qui détecte les erreurs dans une conception et qui propose des correctifs. «Leo est obsédé par la validation, l’intégrité et la faisabilité industrielle. Il ne suggérera jamais quelque chose qui ne peut pas être fabriqué», insiste Manish Kumar, lui remarquant même un ton un peu directif. Lors des démonstrations, Leo analyse la performance d’un assemblage complexe, identifie ce qui ralentit le modèle et recommande des actions précises: simplifier certaines pièces, supprimer des fixations inutiles, revoir l’architecture. Dans un autre scénario, il permet de dialoguer directement avec un modèle. Il va demander combien de pièces sont en aluminium, modifier automatiquement un matériau sur l’ensemble d’un assemblage, ou générer un plan conforme à une norme ISO ou ANSI simplement par la voix.

Marie, pour Marie Curie, incarne enfin la dimension scientifique. Peut-être le compagnon le moins mature pour l’instant, elle est conçue pour intervenir dans les domaines où la physique, la biologie ou la chimie jouent un rôle critique. Son champ d’expertise couvre la science des matériaux, la formulation d’hypothèses, l’analyse en laboratoire ou encore la biomécanique. Dans un exemple présenté à Houston, Marie calcule des dimensions optimales d’un poste de travail à partir de données anthropométriques mondiales afin de réduire les douleurs dorsales d’un utilisateur. «Marie apporte la science profonde là où l’ingénieur a besoin de certitudes, pas seulement d’intuitions», explique Manish Kumar. Cette capacité prend tout son sens dans les secteurs fortement réglementés comme le médical ou la pharmacie, où les exigences de conformité et de traçabilité sont aussi importantes que la conception elle-même.

Ces trois compagnons ne fonctionnent pas comme des outils séparés. Renforçant l’idée d’une véritable équipe fédérée autour de l’utilisateur, ils partagent un même contexte et peuvent se relayer selon l’intention exprimée par «leur chef». Un ingénieur peut commencer par demander à Aura des idées pour faire évoluer un robot existant, puis basculer naturellement vers Leo pour générer une structure d’assemblage, avant de solliciter Marie pour valider des hypothèses physiques ou biomécaniques. «Pour l’utilisateur, il n’y aura qu’une seule interface de dialogue. Ce sont les compétences qui s’activent en arrière-plan, en fonction de l’intention», souligne Manish Kumar.

Un nouveau modèle économique à bâtir

Sur le plan technique, cette architecture repose sur un socle d’IA distribuée et hiérarchisée. Les compagnons constituent la couche visible pour l’utilisateur, tandis qu’un niveau intermédiaire, baptisé « compétences », regroupe des domaines métier comme la conception mécanique, la gestion de projet, la simulation ou la qualité. Chaque compétence est elle-même décomposée en « skills » spécialisés, capables d’appeler les différentes applications de la plate-forme 3DEXPERIENCE via le protocole MCP (Model Context Protocol). Au cœur de ce dispositif, un grand modèle de langage joue un rôle clé de routage. Dassault Systèmes s’appuie notamment sur le modèle de Mistral AI pour analyser la requête de l’utilisateur, en extraire l’intention et déterminer quelle compétence, puis quel skill, doivent être mobilisés. Ce LLM n’exécute pas directement les actions d’ingénierie : il agit comme un interprète, chargé de comprendre ce que l’utilisateur cherche à accomplir et d’orienter la demande vers les briques logicielles appropriées. L’exécution repose ensuite sur des modèles d’IA spécialisés et des modèles fondamentaux développés par Dassault Systèmes, entraînés pour comprendre des objets d’ingénierie complexes : segmentation de dessins techniques, interprétation de symboles normalisés, lecture intelligente de géométries, reconstruction de fonctions paramétriques ou analyse de contraintes physiques. Cette combinaison permet de transformer une phrase en action concrète dans SolidWorks, CATIA ou ENOVIA, tout en tenant compte du contexte utilisateur, des droits d’accès et des données ouvertes dans la session. «L’IA doit comprendre qui vous êtes, ce que vous êtes en train de faire et ce que vous voulez réellement accomplir», résume Manish Kumar.

Même si parfois, le travail débute d'une page blanche, avec quelques spécifications rapides pour concevoir et valider les plans d'un réservoir d'eau, l’un des points clés est la maîtrise des données. Les modèles sont d’abord entraînés sur des jeux de données internes et synthétiques produits par Dassault Systèmes. À terme, les entreprises pourront affiner ces modèles avec leurs propres données, sans qu’elles ne soient partagées avec d’autres clients, mais toujours dans un mode d’hébergement à distance, totalement maitrisé et sécurisé par l’éditeur. Interrogé sur les dérives potentielles, Manish Kumar a tenu à rassurer: «Les compagnons intègrent des garde-fous bien plus stricts que les IA grand public. Ils sont pensés pour un usage industriel contrôlé, avec des règles de sécurité et de conformité qui dépassent largement celles des assistants grand public.» Cette approche vise à concilier personnalisation et souveraineté industrielle, un enjeu central pour les jumeaux numériques et une question majeure pour les organisations parfois peu enclins à «perdre la main» sur leurs données.

Fondamentale pour les clients, la question économique est tout aussi structurante. Dassault Systèmes prépare donc un changement profond de modèle de facturation. Les compagnons ne seront pas proposés sous forme de licence ou de souscription classiques, mais selon une logique de consommation. Le modèle de tarification reposera sur une identification nominative des utilisateurs. «Pour que l’IA fonctionne, nous devons connaître le contexte de la personne qui l’utilise: ses droits d’accès, ses données, ses responsabilités, confie Manish Kumar. L’identification par nom d’utilisateur est donc indispensable, aussi bien pour des raisons de sécurité que pour établir un modèle de facturation équitable». Le coût sera lié à l’usage des compétences, à la quantité de connaissances mobilisées et au volume de travail généré. Rien ne semble a priori défini, même si le patron de Solidworks lâche que «si vous utilisez l’IA cinq minutes pour gagner une semaine de travail, la valeur n’est pas dans la puissance de calcul, mais dans le temps économisé». L’objectif reste de rendre ce modèle lisible pour les clients, afin qu’ils puissent anticiper et maitriser leurs dépenses, tout en bénéficiant d’un accès partagé aux compétences au sein d’une même équipe.

Enfin, en matière de calendrier, Dassault Systèmes ne cache pas son ambition et Manish Kumar son impatience. Les premières versions opérationnelles d’Aura et de Leo sont déjà visibles dans les démonstrations présentées à Houston. Le déploiement commercial est ainsi imminent, attendu dans les prochains mois, avec une montée en puissance progressive des compétences et des scénarios couverts. Les fonctions les plus avancées, comme la génération complète de géométrie à partir du langage naturel ou la conception automatisée de structures complexes validées par simulation, sont annoncées sur un horizon de six à douze mois.

Dialoguer naturellement avec votre jumeau numérique

Pour conclure cette revue de détail, nous pouvons dire qu'au-delà de l’effet spectaculaire des démonstrations, l’enjeu est aussi stratégique pour le jumeau numérique. En effet, en intégrant ces compagnons directement au cœur des outils de conception et de simulation, Dassault Systèmes transforme le jumeau numérique en interlocuteur actif. Il ne se contente plus de représenter un produit ou un système; il dialogue, propose, corrige et anticipe. «Nous voulons que le jumeau numérique devienne un partenaire de travail, pas seulement un modèle», résume ainsi Manish Kumar.

Avec Aura, Leo et Marie, Dassault Systèmes esquisse ainsi une nouvelle génération de plates-formes d’ingénierie, où l’IA n’est plus un module additionnel, mais une couche cognitive intégrée. Une évolution qui pourrait profondément redéfinir la manière dont les industriels conçoivent, valident et exploitent leurs jumeaux numériques. Pour Twin+, cette annonce marque une étape clé: celle où l’IA commence réellement à s’incarner dans les pratiques quotidiennes de l’ingénierie, mais par extension dans de nombreux domaines dans lesquels Dassault Systèmes est présent, comme la santé ou la ville. S’il n’existe pas, le jumeau numérique pourra être créé en quelques minutes par les compagnons. Et pour finir, il deviendra votre compagnon intelligent à part entière.

 Xavier Fodor

Interopérabilité : quand l’IA devient un traducteur du jumeau numérique

Interrogé par Twin+, Manish Kumar a souligné que les compagnons pourraient profondément transformer la question de l’interopérabilité entre outils de conception et environnements numériques hétérogènes. Là où les approches classiques tentaient de reproduire des fonctions d’un logiciel à l’autre, Dassault Systèmes adopte une logique fondée sur l’analyse intelligente du résultat final. «Tant que nous disposons d’une géométrie exacte, l’IA peut la convertir en un modèle paramétrique exploitable, quel que soit l’outil d’origine», a expliqué le CEO de SolidWorks.

Concrètement, un fichier issu d’un autre environnement de CAO peut être interprété par Leo pour reconstruire une structure fonctionnelle modifiable dans SolidWorks ou dans la plate-forme 3DEXPERIENCE. «L’interopérabilité n’est plus un problème de formats, mais un problème de compréhension du modèle», a résumé Manish Kumar. Pour le jumeau numérique, l’enjeu est majeur. Car cette capacité à reconstituer l’intention de conception à partir d’une géométrie validée va permettre d’intégrer plus facilement des données provenant de multiples sources (fournisseurs, partenaires, outils tiers) dans un jumeau numérique cohérent et exploitable. Résultat: plus rien ne freine l’exploitation de données hétérogènes qui se complète. De plus, le jumeau ne se limite plus à agréger des fichiers, il devient un objet intelligible pour l’IA, capable d’être interrogé, modifié et enrichi sans rupture de continuité numérique. À travers ses compagnons, Dassault Systèmes esquisse ainsi un jumeau numérique «interopérable par l’intelligence», où l’IA joue le rôle de traducteur universel entre les mondes de la conception, de la simulation et de l’exploitation.