BMW s’associe à la startup française d’IA Mistral pour développer des modèles d’IA spécifiques à un domaine formés sur les données d’ingénierie exclusives du constructeur automobile, dans un arrangement que les entreprises décrivent comme une étape vers ce que l’on appelle les grands modèles industriels (LIM). La collaboration s’appuiera sur plus d’un pétaoctet de données historiques de simulation d’accidents pour créer des systèmes d’IA capables de prédire les résultats des tests structurels en quelques secondes plutôt qu’en quelques heures, en ciblant le point du développement du véhicule où l’itération d’ingénierie prend le plus de temps.
L’application pratique se concentre sur la modélisation de substitution par simulation. BMW effectue déjà des milliers de crash tests virtuels chaque semaine, et chacun d’eux aurait traditionnellement nécessité des heures de traitement informatique, créant un goulot d’étranglement dans la boucle de rétroaction de conception. Un modèle formé spécifiquement sur la physique et les résultats de l’historique des accidents de BMW devrait se rapprocher de ces résultats à une fraction du coût, réduisant ainsi considérablement l’intervalle entre le changement de conception et la validation de la sécurité.
Parallèlement, Airbus a signé un contrat parallèle de cinq ans avec Mistral couvrant ses divisions avions commerciaux, hélicoptères et spatial, appliquant l’IA à la conception, à la simulation et au contrôle qualité dans un ensemble plus large de domaines d’ingénierie. L’accord avec Airbus partage la logique sous-jacente – à savoir des données industrielles exclusives comme base de formation et l’accélération des processus comme résultat – mais sa portée diffère. En effet, Airbus déploie Mistral simultanément dans plusieurs secteurs d’activité plutôt que de se concentrer sur un seul workflow de simulation.
Mistral, fondée à Paris en 2023 et évaluée à 11,7 milliards d’euros (12,9 milliards de dollars américains), vise un chiffre d’affaires d’au moins 1 milliard d’euros pour 2026 et prévoit environ 10 milliards d’euros d’investissements dans les centres de données au cours des années à venir, avec l’ouverture d’une installation d’inférence de dix mégawatts près de Paris au troisième trimestre et un objectif de 200 mégawatts d’ici 2027.
Le directeur général de l’entreprise, Arthur Mensch, a décrit la poussée de l’IA physique comme l’apport « d’intelligence dans des produits qui ont une existence réelle ». Ce positionnement est sans doute un effort délibéré pour se différencier de ses rivaux américains comme OpenAI et Anthropic ; il sert également à démontrer aux clients industriels européens que la souveraineté des données est une considération aussi importante que la capacité du modèle lorsqu’une propriété intellectuelle d’ingénierie sensible est impliquée.
Le partenariat Mistral s’inscrit dans une intégration plus large de l’IA chez BMW qui, au moment de la rédaction de cet article, va bien au-delà des pilotes. À l’usine du constructeur automobile de Ratisbonne, le système GenAI4Q génère des listes de contrôle d’inspection qualité sur mesure pour des véhicules individuels en analysant les spécifications et les données de production de chaque voiture en temps réel, remplaçant ainsi les protocoles statiques par un processus dynamique par unité.
Dans ses installations de Spartanburg et maintenant de Leipzig, des robots humanoïdes Figure AI sont déployés dans des flux de travail de soudage en direct et d’assemblage de batteries haute tension, bien qu’à titre de test. Ailleurs, BMW a utilisé Omniverse de Nvidia pour créer des jumeaux numériques de configurations d’usine entières, permettant ainsi de simuler et d’optimiser les lignes de production avant le début de la construction physique.
Ensemble, ces initiatives indiquent que l’industrie s’oriente vers l’adoption de l’IA dans son infrastructure d’ingénierie et de fabrication de base. Le partenariat Mistral se distingue non seulement par ce qu’il fait techniquement, mais aussi par ce qu’il signale stratégiquement : en sélectionnant un fournisseur européen pour les modèles formés sur certaines de ses données d’ingénierie de sécurité les plus sensibles, BMW fait un pari délibéré.
Le pari en question : conserver des connaissances industrielles exclusives au sein d’un écosystème européen d’IA a une valeur concurrentielle à long terme, un calcul qui reflète l’inquiétude croissante à travers le continent quant à l’acheminement des informations de fabrication critiques via des fournisseurs de plateformes américaines dont les priorités commerciales ne correspondent pas toujours au secret industriel.