Ingénieur conception : ce que l’IA change vraiment dans votre semaine

Où passe le temps aujourd’hui

Sur un projet de machine spéciale, la semaine d’un ingénieur conception suit souvent le même enchaînement : lire le besoin, chercher des solutions, modéliser, mettre en plan, calculer, valider, puis préparer la fabrication. Les deux plus gros créneaux sont presque toujours la modélisation CAO et la mise en plan.

Le problème n’est pas le temps passé à dessiner : c’est ce qu’il laisse aux deux extrémités. Le cadrage du besoin est vite expédié pour « démarrer la CAO », et la validation est comprimée en fin de projet. Les erreurs de compréhension et les oublis apparaissent alors au montage, chez le fabricant ou chez le client, là où ils coûtent le plus cher.

Ce que l’IA déplace

Les assistants et les agents d’IA arrivent dans les logiciels de CAO. Aucun ne remplace l’ingénieur : ils prennent en charge une partie de la production. Trois effets en découlent.

• La production passe en parallèle. Variantes de concepts, pièces simples, mises en plan, macros et calculs de routine peuvent être préparés par l’IA pendant que l’ingénieur avance sur autre chose.
• Le cadrage prend plus de place. Une IA produit vite ce qu’on lui demande. Si la demande est floue, le résultat l’est aussi, et en grande quantité. Des exigences claires deviennent le premier levier de productivité.
• La validation devient le cœur du métier. Chaque modèle, cote ou calcul produit par l’IA doit être contrôlé. C’est là que l’expérience de l’ingénieur fait la différence.

Le poids des logiciels de CAO dans l’entreprise

Dans un bureau d’études, le logiciel de CAO n’est pas un outil parmi d’autres. C’est là que vit la définition du produit : modèles, mises en plan, nomenclatures, souvent reliés au PDM ou au PLM, à l’ERP et à la FAO. S’y ajoutent des années d’historique, des bibliothèques de composants, des modèles de documents, des macros et des formations.

Changer de logiciel coûte donc cher : licences, conversion des données (l’historique paramétrique se perd en passant par un format neutre comme le STEP), formation des équipes, outils connexes à refaire. Les entreprises restent le plus souvent fidèles à leur éditeur, et ces éditeurs sont de grands groupes.

PTC (Creo, Onshape) et Siemens (NX, Solid Edge) complètent le paysage. Pour l’IA, la conséquence est simple : l’éditeur du logiciel où l’ingénieur passe ses journées détient aussi ses données et la porte d’entrée naturelle de l’IA.

Copilotes IA : la stratégie des éditeurs pour garder la main

Plutôt que de laisser l’ingénieur chercher de l’aide ailleurs, chaque éditeur intègre son assistant directement dans le logiciel.

• Siemens a lancé Design Copilot NX en juillet 2025 : on lui pose des questions en langage courant, il répond, partage les bonnes pratiques et renvoie vers la documentation.
• PTC a intégré Onshape AI Advisor à l’environnement de conception en octobre 2025, avec des recommandations pas à pas. Des agents capables d’agir sur le modèle sont annoncés.
• Dassault Systèmes crée par IA les mises en plan dans SOLIDWORKS 2026, et met en avant la souveraineté : IA hébergée sur son cloud OUTSCALE, partenariat renforcé avec Mistral AI en novembre 2025.
• Autodesk va le plus loin avec « neural CAD », présenté à Autodesk University 2025 : des modèles de fondation entraînés sur des données de CAO professionnelles, qui génèrent dans Fusion une géométrie modifiable à partir d’un texte, d’un croquis ou d’une image.

Le véritable enjeu est la donnée. Autodesk indique que certains de ses modèles s’appuient sur les données de conception de ses clients, agrégées et anonymisées, avec possibilité de refus pour les fonctions avancées. Il prévoit à terme d’affiner les modèles sur l’historique propre de chaque entreprise. DEVELOP3D y voit une dépendance plus profonde que celle des formats de fichiers : une fois vos règles de conception et votre savoir-faire stockés chez l’éditeur, il devient encore plus difficile d’en partir.

Face aux éditeurs, des agents indépendants se greffent sur les logiciels existants. MecAgent V2 pilote SolidWorks depuis octobre 2026. Zoo, de son côté, développe son propre moteur de géométrie et un agent conversationnel, Zookeeper.

Et le DfAM, intégré lui aussi ?

Une partie de la conception pour la fabrication additive (DfAM) est déjà dans les logiciels : conception générative et optimisation topologique, contrôle des parois fines et des porte-à-faux dans les outils de préparation d’impression, prédiction des déformations en impression métal. Dès 2024, la solution AMAIZE de 1000 Kelvin, intégrée à Autodesk Fusion, proposait de corriger la stratégie d’impression avant le lancement.

Mais l’essentiel du savoir-faire dépend du procédé, de la machine, de la matière et des finitions : épaisseurs minimales différentes en MJF et en SLS, jeux des mécanismes imprimés assemblés, évacuation de la poudre, orientation, tolérances, filetages et inserts. Une pièce qui s’imprime bien sur une machine peut échouer sur une autre. En 2024, le directeur technique de Materialise jugeait encore l’IA pas assez mûre pour prédire de façon fiable l’échec d’une impression avant son lancement.

Une IA généraliste connaît les règles générales. Elle ne connaît pas celles de votre procédé ni de votre fournisseur. Ces règles doivent être écrites quelque part : c’est le rôle d’un guide de conception, que vous pouvez aussi fournir à votre assistant IA comme référence pour vérifier vos pièces.

Confidentialité : ce qui est en jeu

Ce qu’un ingénieur colle dans une demande à une IA, ce sont souvent des cahiers des charges, des plans, des modèles 3D, des nomenclatures ou des prix. Autrement dit, des secrets d’affaires, des données couvertes par un accord de confidentialité et, dans l’aéronautique ou la défense, des données parfois soumises au contrôle des exportations.

Le cas d’école date de 2023 : des ingénieurs de Samsung ont collé du code source interne dans ChatGPT, et l’entreprise a ensuite interdit les assistants d’IA grand public à ses salariés. Interdire n’est pas une stratégie durable ; encadrer, si.

• Où sont traitées et stockées les données, et combien de temps ? Les réponses varient : Autodesk annonce des données agrégées et anonymisées avec possibilité de refus. Dassault Systèmes met en avant l’infrastructure de sa plateforme 3DEXPERIENCE, qualifiée SecNumCloud.
• Servent-elles à entraîner des modèles, et peut-on refuser ? Les offres « entreprise » des assistants généralistes excluent souvent cette réutilisation. Vérifiez-le dans le contrat, pas dans la plaquette.
• Que dit le contrat avec votre client ? Un accord de confidentialité peut interdire de transmettre ses plans à un tiers, y compris à un service d’IA.
• Quelles règles internes ? Classez les données (publiques, internes, clients), anonymisez noms et références avant de les partager, et n’envoyez jamais un fichier client dans un outil grand public.

Développeurs, mathématiciens : ils l’ont vécu avant vous

Le schéma qui a inspiré la vidéo vient du développement logiciel. Les développeurs ont été les premiers touchés, et leur expérience est riche d’enseignements.

• Adoption massive, confiance limitée. En 2025, 84 % des développeurs interrogés par Stack Overflow utilisaient ou prévoyaient d’utiliser l’IA. Mais 46 % se méfiaient de l’exactitude des réponses, contre 33 % qui leur faisaient confiance. Leur principale frustration, citée par 66 % d’entre eux : des solutions « presque justes ».
• Le gain n’est pas automatique. En juillet 2025, une étude de METR a mesuré que des développeurs expérimentés allaient 19 % moins vite avec l’IA sur leurs propres projets, alors qu’ils se croyaient 20 % plus rapides. En février 2026, METR estimait que les outils plus récents les accéléraient probablement, tout en jugeant ses propres données peu concluantes. Le temps gagné à écrire se reperd à relire, tester et corriger.

Les mathématiciens vivent la même bascule, en plus spectaculaire. En mai 2025, AlphaEvolve (Google DeepMind) a trouvé une multiplication de matrices 4 × 4 en 48 multiplications au lieu de 49. Depuis, les résultats produits avec l’IA sur des problèmes ouverts se multiplient. Le 6 octobre 2026, OpenAI a publié d’un coup 722 manuscrits générés par un modèle interne. Trois ont été retirés dès le lendemain après une erreur de signe. À la publication, seuls 162 des 722 résultats principaux étaient vérifiés formellement en Lean, un langage qui permet à une machine de contrôler une preuve.

Les garde-fous

• Vérification systématique. Une IA peut donner une cote ou un résultat faux avec la même assurance qu’un résultat juste. Tout chiffre se contrôle à la source.
• Traçabilité. Conservez les demandes, les versions et les notes de calcul. La responsabilité de la conception reste celle de l’ingénieur qui signe.
• Compétences. Pour juger une cotation ou un calcul, il faut savoir les faire. Gardez la main sur les fondamentaux, en particulier chez les plus jeunes.

Par où commencer cette semaine

1. Choisissez une tâche répétitive (mises en plan de pièces simples, exports, propriétés) et notez le temps qu’elle vous prend aujourd’hui.
2. Testez sur un projet clos, sans données sensibles, et comparez le résultat de l’IA à ce que vous aviez livré.
3. Écrivez votre checklist de validation avant de généraliser. C’est elle qui fixe ce que vous acceptez de déléguer.