OpenAI teste la conception de produits physiques avec GPT‑6 Astra : entre design automatisé et contraintes de fabrication

Le 3 novembre 2026, OpenAI a dévoilé plusieurs projets d’ingénierie physique où son modèle GPTGPTFamille de modèles génératifs préentraînés reposant sur l'architecture Transformer, notamment utilisés pour produire du texte.‑6 Astra intervient du cahier des charges jusqu’au prototype. L’objectif affiché est de libérer du temps aux ingénieurs en automatisant la chaîne de conception, tout en maintenant un lien entre les différents outils spécialisés. Trois collaborations concrètes – un dispositif de test interne, un partenariat avec Chip Ganassi Racing et une recherche en aérodynamique avec Mazda – illustrent les ambitions et les limites actuelles.

Un dispositif complet généré par l’IA

Dans le cadre d’une « End‑to‑End Device Experiment », Astra a reçu la consigne de créer un appareil permettant de dialoguer avec Codex, le modèle spécialisé dans le code. Le modèle a rédigé les exigences fonctionnelles, conçu le boîtier et les supports internes, sélectionné les composants électroniques, tracé le circuit imprimé (placement des puces, routage des pistes) et même produit les scripts firmware et l’interface logicielle. Tout cela a été réalisé sans que les membres de l’équipe n’interviennent directement sur les fichiers de conception.

Deux ingénieurs ont pu finaliser le projet en moins d’une semaine, en parallèle d’autres tâches. Un fabricant sous contrat a ensuite produit une petite série de prototypes en moins d’un mois. Le processus a cependant mis en lumière des lacunes : Astra ne tient pas toujours compte des tolérances de production, des contraintes d’assemblage ou des exigences de coût du fabricant. Ces écarts soulignent la différence entre « générer un design complet » et « préparer ce design pour la fabrication ».

BenchCAD 2.0 : mesurer les performances de conception

OpenAI utilise également ses modèles au quotidien dans les équipes hardware pour la modélisation CAO, la rédaction de plans de fabrication et la mise en place de simulations. La consommation de tokensTokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. a augmenté 23 fois depuis février, ce qui reflète un usage croissant même si cela ne mesure pas directement le gain de productivité.

Le benchmark interne BenchCAD 2.0 évalue la capacité des modèles à recréer des pièces 3D, des assemblages et à établir les connexions de circuits imprimés. Un modèle interne plus récent a obtenu un score moyen de 0,875, contre 0,594 pour GPT‑6 Astra en mode de raisonnement maximal. OpenAI interprète ces chiffres comme une première preuve que l’IAIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. peut accélérer les itérations de conception, tout en rappelant que la chaîne de production reste un maillon critique.

Collaborations industrielles : Chip Ganassi Racing et Mazda

Chip Ganassi Racing

Le partenariat élargi avec l’écurie de course teste la conversion de scans 3D de pièces existantes en modèles CAO éditables et en dessins de fabrication 2D, surtout lorsque les fichiers d’origine sont perdus. Les ingénieurs de CGR valident la précision et la fabricabilité des modèles générés, identifiant les zones où l’intervention humaine peut encore être réduite. Cette étape s’ajoute aux premiers travaux de l’année précédente, qui portaient sur l’analyse des données de capteurs, des performances de course et de la pit‑crew.

Mazda

Avec Mazda, les équipes d’OpenAI et les ingénieurs en aérodynamique et sécurité crash travaillent sur des simulations de flux d’air et de comportement structurel. GPT‑6 Astra propose plusieurs formes de nez de véhicule, lance des simulations CFD et affine les variantes les plus prometteuses afin de réduire la traînée. Akihiro Nakata, principal ingénieur chez Mazda, a souligné que simuler des dizaines de variantes aide à identifier rapidement les paramètres critiques pour l’aérodynamique, laissant plus de latitude aux designers.

Enjeux et perspectives

Ces projets visent à répondre à une question centrale : les sorties de conception générées par l’IA peuvent‑elles être directement exploitables en production, ou nécessitent‑elles encore un processus de validation humain intensif ? Les premiers retours indiquent que les modèles sont capables de produire des conceptions de haute qualité, mais que les exigences de fabrication – tolérances, coûts, contraintes d’assemblage – restent un obstacle majeur.

OpenAI invite désormais d’autres sociétés de conception, de simulation et de production à proposer des usages à forte valeur ajoutée, afin d’affiner les outils et de combler le fossé entre design assisté et production prête à être lancée. Le suivi de ces collaborations devrait fournir des données concrètes sur la rapidité avec laquelle l’IA peut réellement raccourcir les cycles de développement produit.

Alors que l’automatisation de la conception progresse, les ingénieurs semblent se trouver dans une phase de transition : l’IA devient un co‑pilote capable de générer des idées et des modèles, mais la responsabilité finale – validation, optimisation manufacturière et mise sur le marché – demeure entre les mains humaines.