Ce rapport présente les résultats d'une consultation menée auprès d'experts, de chercheurs et d'industriels de premier plan de la simulation numérique, dans le cadre de l'événement 2026 « L'IA & la simulation numérique » organisé par NAFEMS & Teratec le 10 juin 2026. Il couvre l'état des déploiements d'IA chez les industriels participants, les obstacles identifiés et les solutions émergentes.
85% des organisations interrogées ont initié des tests ou déploiements d'IA dans leurs processus de simulation. Parmi elles, 26% déclarent une satisfaction opérationnelle, ce qui indique que le passage à la production reste difficile à grande échelle.
3 réponses possibles par répondant
Près d'un répondant sur deux cite le manque de données exploitables et la difficulté de passage à la production parmi les principaux obstacles au déploiement.
Les architectures traditionnelles (GNN, PINN, ROM) peinent à passer à l'échelle sur des maillages industriels et repartent de zéro à chaque projet, sans possibilité de mutualiser les données obtenues au cours de différentes campagnes de simulation.
Les architectures basées sur des Pre-trained Transformers permettent de réduire les exigences en données en s'appuyant sur un pré-entraînement représentatif d'une physique ciblée. Elles restent cependant très peu utilisées dans les workflows de simulation industrielle à ce jour.
Les objectifs des industriels dépassent la simple accélération des outils de conception, elles traduisent une volonté de transition vers des applications horizontales, capables de mutualiser des données provenant de sources diverses. L'usage identifié comme celui ayant la plus forte valeur ajoutée est la modélisation hybride, qui fusionne données de simulation et mesures terrain, et qui s'appliquerait directement à la production.
Ces applications ne sont à la portée que de simulateurs basés sur l'IA, capables de corréler des flux de données hétérogènes (champs de déplacement 3D, séries temporelles de capteurs IoT, métadonnées de fabrication) hors de portée des outils traditionnels. C'est sur cette capacité que NPco s'appuie pour concevoir des solutions de simulation capables d'inférences physiques fiables en quelques millisecondes.