Electronique Mag - Le journal de l'électronique.

 IBM et Dallara collaborent au développement de nouveaux modèles de fondation d’IA basés sur la physique.
 L’un des premiers modèles a été entraîné à partir des données aérodynamiques exclusives et validées de Dallara concernant un véhicule haute performance.
 Les premiers résultats montrent qu’il est possible de réduire la durée des simulations aérodynamiques de plusieurs heures à quelques minutes et d’aider les ingénieurs à envisager davantage d’options de conception dès les premières phases du développement d’un véhicule.
 Parallèlement, les entreprises commencent à étudier comment intégrer l’informatique quantique dans le processus de conception et améliorer encore la précision des simulations pour les problèmes aérodynamiques complexes.

IBM (NYSE : IBM) et le groupe Dallara, l’un des principaux constructeurs mondiaux de voitures de course et de véhicules haute performance, ont annoncé aujourd’hui une collaboration pour faire progresser la conception et l’optimisation des véhicules à l’aide de l’IA et explorer l’utilisation de l’informatique quantique. Ce projet associe l’expertise de Dallara en ingénierie des véhicules haute performance au leadership d’IBM en matière d’IA appliquée à la physique et à l’informatique quantique, afin d’étudier comment accélérer la conception aérodynamique et ouvrir la voie à des processus de simulation encore plus avancés.

Depuis plus de 50 ans, Dallara conçoit et fournit des véhicules de haute performance pour certaines des plus grandes séries de course automobile au monde, notamment l’IndyCar — où les vitesses sur circuit peuvent dépasser les 370 km/h en moyenne — ainsi que la Formule 2, la Formule 3, la Super Formula, l’Indy NXT et la Formule E, sans oublier sa présence dans des séries de premier plan telles que le WEC et l’IMSA. Cette large gamme de compétitions offre une capacité unique à valider les résultats de simulation par rapport aux performances réelles des véhicules. Dallara applique également son expertise en ingénierie aux véhicules routiers haute performance et à l’aérospatiale. Ces caractéristiques, ainsi que d’autres atouts distinctifs et axés sur l’innovation de l’entreprise, ont été déterminants dans la décision d’IBM de collaborer avec Dallara.

Dans le cadre du projet, IBM développe des modèles de fondation spécifiques à certains domaines, en étroite collaboration avec Dallara. Ces modèles s’appuient non seulement sur les données de simulation aérodynamique haute-fidélité de Dallara, mais aussi sur la solide expertise technique de l’entreprise. À l’avenir, les équipes ont pour objectif d’intégrer des mesures validées provenant de véhicules réels en soufflerie et sur circuit, mais l’utilisation des seules données de simulation de haute qualité donne déjà des premiers résultats très prometteurs.

Les ingénieurs s’appuient largement sur la dynamique des flux computationnelle (CFD) pour prédire les forces aérodynamiques et optimiser les performances des véhicules au niveau de différents éléments tels que la géométrie de la carrosserie, le dessous de caisse, les ailerons et les roues. Ces simulations sont très performantes, mais nécessitent d’importants calculs. Même des analyses relativement simples peuvent prendre plusieurs heures, voire plus, tandis que les processus complets de développement d’une voiture de course peuvent s’étendre sur des semaines, voire des mois, à mesure que les ingénieurs testent différentes modifications de la géométrie, conditions de fonctionnement et compromis en matière de performances.

IBM et Dallara ont recours à l’IA pour accélérer ces processus sans pour autant remplacer les modèles physiques sous-jacents. Dans un premier exemple, qui portait sur la géométrie d’un prototype de voiture de course de type Le Mans Prototype 2 (LMP2), les deux entreprises ont comparé conjointement les analyses CFD de plusieurs configurations du diffuseur arrière — une pièce située sous le plancher arrière qui contribue à générer une force d’appui efficace et donc une meilleure adhérence — avec les résultats obtenus grâce à la nouvelle approche basée sur l’IA et les modèles physiques.

L’approche traditionnelle prenait plusieurs heures pour calculer toutes les configurations. Le modèle d’IA, quant à lui, a réalisé les mêmes évaluations en une dizaine de secondes, identifiant la même conception optimale avec des marges d’erreur à peu près équivalentes à celles de la CFD. Appliqué à un ensemble type comprenant des centaines de configurations géométriques, un tel gain de vitesse permettrait de réduire le temps de simulation de plusieurs jours à quelques minutes.

Ces résultats, ainsi que d’autres résultats provisoires, indiquent que les ingénieurs de Dallara peuvent évaluer davantage de configurations de véhicules en un temps record, ce qui leur permet d’accélérer les premières phases de conception et de concentrer leurs ressources informatiques les plus coûteuses sur l’optimisation approfondie de la conception et du développement des voitures de course.

Légende : Lors des premières simulations de pression visant à ajuster l’angle du diffuseur arrière d’une voiture de course de type LMP2 de -2 à +4 degrés, les résultats obtenus par la méthode CFD classique (à gauche) et par la nouvelle approche d’IA basée sur la physique d’IBM (à droite) se sont révélés remarquablement proches. Crédit : IBM & Dallara

Parallèlement, IBM et Dallara commencent à étudier comment les approches quantiques et hybrides (quantique-classique) pourraient améliorer encore davantage les processus de conception des voitures de course. En associant l’expertise de Dallara en ingénierie automobile haute-fidélité et en conception basée sur la CFD au leadership d’IBM dans les domaines de l’informatique quantique et de l’IA, cette collaboration permettra d’évaluer dans quels domaines ces méthodes peuvent compléter les processus de simulation traditionnels à court terme, tout en identifiant les opportunités à plus long terme pour une utilisation concrète dans la conception automobile et dans le sport automobile.

« La course automobile a appris à Dallara qu’il n’y a que deux possibilités : soit on gagne, soit on est obligé d’apprendre. L’étroite collaboration avec IBM dans le cadre de ce projet innovant témoigne de la volonté de Dallara de repousser sans cesse ses limites et de ne jamais cesser d’apprendre », a déclaré Andrea Pontremoli, CEO de Dallara.

« Certains des défis techniques les plus complexes consistent à reproduire fidèlement le monde physique », a déclaré Alessandro Curioni, IBM Fellow et VP Algorithms and Applications, IBM Research « Avec Dallara, IBM met l’IA au service de l’accélération de la conception aérodynamique tout en faisant progresser, en parallèle, l’informatique quantique afin de repousser les limites de la modélisation. Ensemble, ces technologies peuvent aider les ingénieurs à aller plus vite, à explorer davantage de possibilités et, finalement, à concevoir des véhicules plus performants. »

Faire progresser la conception aérodynamique grâce à l’IA

Concevoir un véhicule de haute performance implique de trouver le juste équilibre entre appui aérodynamique, traînée, stabilité et réactivité dans des conditions qui peuvent varier d’une course à l’autre. Certaines pièces étant conçues avec une précision extrême, même de légères modifications de conception peuvent entraîner des répercussions étonnamment importantes sur les performances, et la meilleure solution aérodynamique n’est pas toujours évidente.

Les modèles d’IA sont conçus pour aider à prédire les comportements aérodynamiques directement à partir de la géométrie et des données techniques associées. À mesure que la collaboration progresse, IBM et Dallara prévoient d’étendre ces modèles d’IA à un éventail plus large de situations, telles que différentes manœuvres ou scénarios de dépassement, de les appliquer à la conception de nouveaux véhicules et de développer des outils permettant d’explorer plus rapidement de nouvelles configurations aérodynamiques, avant d’investir dans des simulations intensives portant sur le véhicule complet.

« Les véhicules de haute performance constituent un terrain d’essai idéal pour les modèles neuronaux de substitution, mais leur impact potentiel dépasse largement le cadre des circuits de course », a déclaré Fabrizio Arbucci, Dallara CIO. « Des conceptions plus efficaces pourraient profiter à tous les types de transport, des voitures particulières aux avions, et même à d’autres secteurs soumis aux lois de l’aérodynamique. Une réduction de seulement 1 à 2 % de la traînée sur les voitures particulières pourrait se traduire, à grande échelle, par des gains significatifs en matière d’efficacité énergétique. »

Les premiers résultats de cette collaboration sont présentés en détail dans une étude préliminaire publiée sur arXiv le 20 avril 2026. Ces travaux s’appuient sur un nouveau modèle d’IA développé par IBM, appelé « Gauge-Invariant Spectral Transformers » (GIST), qui avait déjà été décrit dans une étude préliminaire publiée le 27 mars. IBM et Dallara ont présenté ces avancées, ainsi que d’autres, concernant l’application de l’IA à des systèmes physiques complexes le 26 avril 2026, lors de la Conférence internationale sur les représentations d’apprentissage à Rio de Janeiro.