L’intégration de l’intelligence artificielle dans les processus d’ingénierie constitue aujourd’hui un levier majeur de transformation pour l’industrie automobile, confrontée à une complexité croissante, des contraintes réglementaires accrues et des cycles de développement toujours plus courts. Dans ce contexte, la simulation numérique est un domaine particulièrement impacté, avec une évolution profonde des approches traditionnelles vers des workflows hybrides combinant calcul intensif et modèles d’IA. Cette intervention propose un retour d’expérience concret sur cette transformation.

Deux axes structurants seront présentés. Le premier concerne l’accélération des boucles de simulation grâce au deep learning surrogate, permettant de réduire drastiquement les temps de calcul, de plusieurs heures HPC à quelques secondes sur GPU. Le second axe porte sur l’amélioration de la prédictivité via des approches de type « hybrid twins », combinant modèles physiques et données expérimentales pour renforcer la robustesse et la fiabilité des résultats.

Ces évolutions s’accompagnent d’un changement majeur dans l’utilisation des ressources de calcul : une intensification du recours au HPC en amont pour l’entraînement des modèles, suivie d’une utilisation beaucoup plus agile et distribuée en aval lors de leur exploitation par les ingénieurs.

Enfin, l’intervention mettra en perspective l’émergence des modèles de fondation pour l’ingénierie, qui ouvrent la voie à une mutualisation des efforts d’entraînement et à une industrialisation à grande échelle de l’IA dans les processus de simulation. Cette évolution marque une transition majeure : de la simulation lourde et séquentielle vers une ingénierie augmentée, plus rapide, plus prédictive et plus collaborative.