JuliaHub Inc., une startup d'ingénierie industrielle « agentique » qui tente d'automatiser des processus de fabrication complexes grâce à l'intelligence artificielle, a annoncé aujourd'hui avoir levé 65 millions de dollars dans le cadre d'un financement de série B.
Bien que les ingénieurs logiciels aient reçu un énorme coup de main grâce aux robots de codage d’IA tels que Claude Code et GitHub Copilot, leurs homologues du monde des machines industrielles – les personnes qui conçoivent et construisent des moteurs d’avion, des pompes à chaleur, des installations de traitement des eaux usées, etc. – ont été laissés pour compte. Ils utilisent encore des outils de conception et des plates-formes de simulation existants, et leurs délais de conception s'étendent souvent sur des mois, voire des années.
Le résultat est que le monde est confronté à un énorme « déficit d’infrastructures » qui nécessitera un investissement cumulé de plus de 106 000 milliards de dollars d’ici 2040, selon une étude réalisée par McKinsey & Co. l’année dernière. Mais JuliaHub affirme que ces ingénieurs auront besoin de plus que de l'argent : ils auront également besoin de nouveaux outils de conception leur permettant d'évoluer à la même vitesse vertigineuse que le développement de logiciels. C'est là qu'intervient Dyad.
Ingénierie agentique à grande échelle
Dyad 3.0 est conçu pour permettre ce que Viral Shah, directeur général de JuliaHub, appelle « l'ingénierie agentique à grande échelle ». Il ne s'agit pas simplement d'un chatbot, mais plutôt d'un environnement basé sur le cloud qui permet à un grand nombre d'agents d'IA de se mettre au travail pour concevoir l'infrastructure industrielle mondiale. Il est fondé sur les lois de la physique et peut être utilisé pour créer des systèmes ultra-réalistes et des environnements réalistes pour tester de nouvelles machines et infrastructures.
Lors des tests, Dyad a pu automatiser l'ensemble du processus de conception d'un nouveau système de contrôleurs prédictifs de modèles utilisé dans les usines de fabrication de produits chimiques. Cela prendrait normalement des mois de travail manuel intensif si des humains le faisaient.
L'arme secrète de la startup est le langage de programmation Julia, conçu pour le calcul mathématique haute performance. Selon Shah, c'est ce qui permet à Dyad de combiner l'apprentissage automatique scientifique avec des simulations physiques évolutives, afin de pouvoir fournir une spécification complète de ce qu'ils souhaitent intégrer au système et laisser les agents d'IA effectuer tout le travail de conception.
« Il ne s'agit pas d'aider les ingénieurs à accomplir une petite tâche à la fois », a déclaré Shah. « Il s'agit d'une ingénierie agentique à grande échelle, où les équipes peuvent fournir une spécification complète à Dyad et lui faire concevoir le système complet. Spécifications. Conception. «
L'un des plus grands défis de JuliaHub est le problème des hallucinations de l'IA. Bien qu’on puisse pardonner à un assistant IA de commettre des erreurs de syntaxe lors de la rédaction d’un article de blog ou d’une présentation PowerPoint, le même type de clémence n’est pas possible dans le monde réel. Si un agent impliqué dans la conception d’un nouveau pont commet une erreur, cela pourrait provoquer l’effondrement de la structure et tuer des dizaines de personnes, par exemple. Pour contourner ce problème, les agents doivent avoir une compréhension complète de concepts avancés tels que la gravité, la thermodynamique et la dynamique des fluides.
L'apprentissage automatique scientifique est la solution proposée par l'entreprise pour relever ce défi. Il fait référence à une approche hybride qui combine les données de capteurs du monde réel avec des équations basées sur la physique pour garantir que les résultats du modèle sont précis, même lorsque les conditions changent et que de nouveaux facteurs entrent en jeu.
La plateforme Dyad offre aux agents un accès à des outils scientifiques complexes et à de vastes quantités de données. Cela leur permet de développer des « jumeaux numériques » de systèmes, puis d’automatiser les tests de résistance nécessaires pour garantir qu’ils peuvent résister à tout ce que le monde réel leur réserve.
Promesse précoce
La startup affirme que Dyad a déjà donné des résultats impressionnants. En collaboration avec la société de gestion de l'eau Binnies, JuliaHub a construit un jumeau numérique d'un système de pompe à eau complexe capable de prédire les pannes avec une précision de plus de 90 %, malgré le fait de ne disposer que de quatre entrées de capteur pour glaner des données.
JuliaHub a également travaillé avec la société de logiciels de conception de semi-conducteurs Synopsys Inc. pour améliorer le développement de puces. Prith Banerjee, vice-président principal de l'innovation de Synopsys, a déclaré que Dyad a contribué à transformer l'ingénierie au niveau du système. « Il permet des jumeaux numériques hybrides haute fidélité en intégrant une simulation basée sur la physique avec des modèles basés sur les données », a-t-il déclaré. « Ce qui nécessitait autrefois d'importants efforts manuels peut désormais être réalisé de manière beaucoup plus efficace, accélérant ainsi l'ensemble du cycle de vie de l'ingénierie numérique. »
La startup a déclaré que son objectif était de faire de Dyad la norme de l'industrie en matière d'« ingénierie native de l'IA » et que pour ce faire, elle utiliserait l'argent du cycle d'aujourd'hui pour intensifier ses efforts de commercialisation et améliorer ses intégrations avec ses partenaires. À l’avenir, il aspire à aller au-delà de la simple conception des infrastructures mondiales et à permettre des « opérations autonomes ». Il imagine un monde dans lequel chaque machine complexe est gérée par des agents d’IA capables d’optimiser ses performances et d’anticiper les problèmes, avec seulement une intervention humaine minimale.
