Le MIT teste l’IA sur un moteur à turbine

MIT a lancé le JARVIS Challenge au semestre dernier pour tester l’utilité de l’IA dans l’ingénierie aérospatiale. Trente et un étudiants répartis en sept équipes devaient concevoir, fabriquer et tester un petit moteur à turbine à gaz. Le délai était fixé à quatre semaines. L’objectif consistait à produire une poussée de 50 à 100 livres, avec du carburant Jet-A, puis à réaliser cinq essais de 60 secondes. Les participants disposaient des ateliers de fabrication du MIT, de fournisseurs industriels et de logiciels comme Concepts NREC, SolidWorks et ABAQUS. Le MIT présente le défi comme une évaluation concrète du cycle conception, fabrication et test.

Les équipes débutaient avec des niveaux très différents en turbomachines, écoulements compressibles et thermodynamique. Certains étudiants n’avaient jamais vu l’intérieur d’une turbine à gaz avant leur inscription. Leurs outils incluaient aussi MIT Parley, une plateforme regroupant plusieurs grands modèles de langage. Les responsables pouvaient observer les demandes formulées, leur coût et les modèles employés. Des financements du MIT Lincoln Laboratory, du département de génie mécanique et de sponsors ont donné aux participants un accès pratiquement illimité à l’IA. Safran, Voyager Technologies, Beehive Industries et Boom Technology soutenaient également l’expérience. Les enseignants et assistants contrôlaient la sécurité, tandis que les étudiants conservaient la responsabilité des choix de conception.

Les étudiants cadrent l’usage de l’IA

L’IA servait à résumer des manuels, expliquer des logiciels de conception et trouver des fournisseurs. Les équipes l’utilisaient aussi pour créer des tableaux Excel, répondre à des questions techniques et comparer des décisions d’architecture. Une équipe avait même créé un agent dans Parley pour jouer le rôle de chef de projet. Les difficultés sont apparues dès la deuxième semaine, lorsque les groupes ont commencé les modèles de CAO, les commandes de pièces et les prototypes de chambres de combustion. Claude et ChatGPT proposaient des options utiles, mais leurs hallucinations, leur complaisance et leur faible compréhension physique ont réduit la confiance des étudiants. Elizabeth Tupaj, de 811 Crew, estime que l’IA ne sait pas concevoir seule.

Les fournisseurs ont constitué un autre obstacle. Les recherches menées par l’IA identifiaient des entreprises sans relation préalable avec les équipes et peu intéressées par un calendrier aussi court. Les fournisseurs finalement mobilisés étaient ceux avec lesquels les étudiants entretenaient des relations personnelles. Parmi les trois finalistes, Fast and Fractured a été la seule autre équipe à obtenir l’allumage de sa mini-chambre de combustion dès le premier essai. Son approche utilisait fortement l’IA pour comparer les architectures, malgré l’absence d’expérience préalable en turbines à gaz. La chambre a ensuite fonctionné avec du Jet-A, mais son essai moteur s’est interrompu après le frottement et le blocage du rotor.

811 Crew valide son moteur

811 Crew a gagné après le démarrage de son moteur, sa transition réussie au Jet-A et la production d’une poussée nette. L’équipe comptait davantage de membres familiers avec la turbomachine et la propulsion. Ses étudiants s’étaient montrés plus réservés face à l’IA, en privilégiant les connaissances fondamentales et le travail collectif. À l’inverse, les étudiants plus jeunes avaient utilisé Parley plus souvent et de manière plus créative. Andreea Bobu résume cette différence par deux conditions : disposer d’une expertise suffisante pour juger les réponses, et conserver assez de curiosité pour employer l’outil. Le Gas Turbine Laboratory du MIT documente les travaux associés à cette expérimentation.

Le bilan du MIT attribue donc un rôle précis aux copilotes IA dans l’ingénierie matérielle critique pour la sécurité. Selon Zolti Spakovszky, l’IA peut accélérer sensiblement cette activité, mais le jugement d’ingénieur reste déterminant. La fabrication a constitué le principal facteur limitant, plutôt que la conception ou l’analyse. Masha Folk affirme que l’essai réussi de la chambre de combustion a démontré une accélération du cycle conception, fabrication et test. Kyle Woody ajoute que la productivité peut bénéficier d’un effet multiplicateur lorsque le jugement et la réflexion fondée sur les premiers principes restent présents. L’expérience montre ainsi que l’IA accompagne l’ingénieur, sans remplacer ses décisions ni sa responsabilité.