« Aujourd'hui, on peut faire de l'inférence probabiliste de fiabilité sur un avion. Mais en tant que passager, je préférerais de la certitude. » C'est par cette formule que Morgan Zimmermann, Directeur Général de la marque 3DEXPERIENCE (Dassault Systèmes) a résumé l'enjeu de l'IA industrielle lors de sa conférence au Tech For Industry Show, aux côtés de Christophe Eschenbrenner, DELMIA R&D Generative Experiences Portfolio Manager (Dassault Systèmes). Au menu : les Industry World Models annoncés avec NVIDIA, les compagnons virtuels AURA, LEO et MARIE, et une plongée dans le shop floor.

Première question que se posent les industriels matures : quelle est la connaissance unique qui fait que « Renault n'est pas Toyota, qu'Airbus n'est pas Boeing » — et où est-elle matérialisée ? Le plus souvent, elle est implicite : cachée dans des arbres de configuration, des historiques d'incidents, des documents. La rendre explicite exige beaucoup de technologie. Vient ensuite une question plus redoutable : savoir la protéger. Car dans l'IA d'entreprise, « ce ne sont pas les algorithmes qui comptent, c'est la donnée ». D'où l'IP lifecycle management introduit par Dassault Systèmes : lorsqu'un fournisseur partage une donnée avec son donneur d'ordres, il déclare si elle peut être consommée, intégrée — ou utilisée pour de l'apprentissage, et avec quels droits. Une traçabilité fine permet de savoir à tout moment qui a appris quoi, sur quelle donnée, et qui détient la propriété intellectuelle résultante. Enfin, la connaissance ne s'organise pas « par ordre alphabétique » : elle se projette sur les jumeaux des produits et des usines.

Les Industry World Models combinent ce que l'on peut inférer avec les grands modèles de langage et les lois de la physique. Avec un effet de bord précieux : dans des mondes virtuels réalistes, on peut générer des données synthétiques pour des produits qui n'existent pas encore — et faire, par exemple, de la maintenance prédictive sur des produits pas encore sortis d'usine.

Dassault Systèmes parle de « compagnons », pas d'agents — l'artisan, l'ami, le membre d'une communauté. Trois profils pour trois audiences : AURA pour les analyses métiers (risques, projets, réglementation), LEO, designer certifié pour l'ingénierie et l'industrie, et MARIE, « docteure » dans à peu près toutes les disciplines scientifiques.

Le scénario : de nouveaux tarifs douaniers frappent la Chine et l'Inde. En s'appuyant sur trois jumeaux — les voitures telles que configurées, le système de production, la supply chain — le compagnon chiffre l'impact : 3,3 milliards. Chez beaucoup de constructeurs, répondre à cette question mobilise « une équipe complète pendant trois semaines ».

Le compagnon instancie ensuite le processus de résolution d'anomalie supply chain en pré-remplissant les données : le patron des achats identifie en quatre clics les programmes prioritaires, les directeurs de programme analysent l'impact à la maille du composant (la batterie venue de Chine…), puis des dizaines de commodity buyers reçoivent des tâches d'optimisation avec des alternatives sourcées. La leçon : dans une rupture de supply chain, « il y a un gagnant et que des perdants — le gagnant est celui qui va le plus vite ». Et l'enjeu n'est pas d'aider les dirigeants, mais de donner la même puissance décisionnelle à tous les collaborateurs.

Derrière la démonstration, cinq briques indissociables : le système de raisonnement (LLM souverains selon les géographies — Mistral ou Nemotron en Europe, jusqu'aux modèles frontières ; guardrails ; et des AI factories mutualisées et stateless construites avec NVIDIA, quand un GPU coûte 200 000 € pour 18 mois de durée de vie) ; le système de représentation — les jumeaux, « carte » des opérations industrielles, comme la carte d'état-major des opérations militaires ; le système de compréhension, qui projette sur cette carte les données d'une vingtaine de systèmes (ERP, PLM, CRM) ; le système d'engagement, qui connecte humains et compagnons en capitalisant chaque échange ; et le système d'action, qui séquence massivement les processus. L'avertissement de Morgan Zimmermann : votre performance sera toujours freinée par le système où vous êtes le plus lent.

Premier cas d'usage : au bureau des méthodes d'un constructeur automobile, l'utilisateur définit par prompt les instructions de montage d'un frein à disque — là où il enchaînait clics et menus. L'objectif fixé par les clients early adopters : diviser par 10 le temps consacré à cette étape, en gardant la main à tout moment — « on n'est pas dans une boîte noire ».

Deuxième cas : la programmation d'usinage guidée par LEO, pré-entraîné sur un très grand nombre de pièces usinées — 30 ans de savoir-faire logiciel — pour optimiser les parcours et réduire l'usure des outillages, validation en simulation avant envoi à la machine. Troisième cas : la réalité augmentée en atelier (tablette, projecteur ou lunettes) pour superposer les instructions de montage 3D sur la pièce réelle et assister le contrôle qualité — avec une adaptation aux contextes d'usage, de jour comme de nuit.

La méthode DELMIA : (1) assembler les équipements depuis des catalogues — jusqu'au jumeau d'un robot humanoïde téléchargeable ; (2) définir le layout du site ; (3) simuler les flux pour détecter les goulets d'étranglement ; (4) le virtual commissioning pour valider les machines réelles ; (5) la control tower temps réel. L'IA accélère la création : à partir d'un scan en nuage de points, la plateforme reconnaît robots, convoyeurs ou chariots élévateurs et les remplace par leurs modèles cinématiques. Horizon final : l'usine autonome auto-apprenante — les « dark factories » — entraînée dans le virtuel avec NVIDIA et Omron, où le robot apprend dans son contexte des situations impossibles à multiplier dans le monde réel.

Interrogé par la salle, Morgan Zimmermann a revendiqué le choix de la lenteur apparente : brancher un LLM sur un système « prend 15 jours » mais ne répond à aucun problème industriel, qui commence par la sécurisation. D'où la maîtrise de bout en bout — GPU, AI factories, flux de données, modèles — pour garantir la souveraineté, la protection de la propriété intellectuelle et la mutualisation de la puissance de calcul sans fuite de données. Avec, en complément, toutes les intégrations MCP et agent-to-agent pour coexister avec les écosystèmes tiers, des offres « Virtual Twin as a Service » de bout en bout, et des programmes dédiés aux startups.

La conférence de Morgan Zimmermann et Christophe Eschenbrenner dessine une vision de l'IA industrielle où trois piliers se combinent : la connaissance métier rendue explicite et protégée, la physique injectée dans les modèles pour dépasser la simple probabilité, et une architecture souveraine, tracée et pensée pour armer chaque collaborateur, du dirigeant à l'opérateur d'atelier.

Retrouvez l'intégralité de cette conférence, ainsi que les autres replays du Tech For Industry Show, sur notre page dédiée.