Mistral vient d'acheter une entreprise qui fait tourner la physique en secondes plutôt qu'en semaines

Mistral AI a annoncé avoir intégré Emmi AI dans sa plateforme d'entreprise, ajoutant une nouvelle classe de modèles de base de physique à sa suite existante de grands modèles de langage et d'outils de flux de travail agentiques. L'acquisition cible un fossé dans l'ingénierie industrielle que Mistral décrit comme un goulot d'étranglement : les flux de travail de simulation physique qui ont à peine changé depuis 2006.the-hidden-bottleneck-in-ai-inference-why-deepseeks-dspark-rewrites-the-rules-of-speculative-decoding

« L'analyse physique reste bloquée au début du cycle de vie du produit, liée à des méthodes de solveur qui n'ont pas fondamentalement changé depuis des décennies », a écrit Mistral dans un article de blog. « Les ingénieurs évaluent encore une poignée de variantes alors qu'ils devraient en explorer des milliers. »

La technologie d'Emmi AI est ce que Mistral appelle « l'IA physique » : des modèles pilotés par les données, entraînés sur les sorties de solveurs, qui cartographient la géométrie et les conditions aux limites en champs physiques complets en une seule passe avant, de l'ordre de quelques secondes, sur un seul GPU. Il s'agit d'une accélération spectaculaire par rapport aux charges de travail CFD et FEM traditionnelles, qui peuvent nécessiter des équipes pour préparer la géométrie CAO, la discrétiser en un maillage, configurer les conditions aux limites et mettre en file d'attente des exécutions sur des clusters HPC, un processus qui prend des heures à des semaines par variante de design.

Mistral précise explicitement que ces modèles physiques ne remplacent pas les solveurs de premiers principes dans tous les régimes. L'entreprise les qualifie de « changement d'étape dans le débit pour la grande majorité des itérations de boucle de conception », les solveurs traditionnels étant réservés à la vérification et aux cas limites. Les architectures, les objectifs d'entraînement et les régimes d'évaluation sont fondamentalement différents des LLM entraînés sur des données de simulation, a noté Mistral, et les modèles sont conçus pour généraliser à travers une famille de conceptions entière, et non par pièce.

L'acquisition intervient alors que des architectures de modèles comme AB-UPT ont atteint une échelle industrielle et que la capacité GPU est devenue suffisamment économique pour entraîner et servir des charges de travail physiques à l'échelle de la production. Mistral positionne cette capacité comme une couche horizontale qui, une fois affinée sur une physique spécifique à un domaine, se transfère à travers l'aérospatiale, l'automobile, l'électronique, l'énergie et l'équipement industriel.fast-lewm-parallel-action-prefix-prediction-slashes-latent-world-model-planning-costs

Les partenaires incluent déjà ASML, Airbus, Safran et Siemens Energy, a révélé Mistral. L'entreprise envisage des cas d'utilisation dans trois domaines principaux : la conception de produits accélérée, la conception accélérée d'outillage et de processus, et les jumeaux numériques en temps réel. Dans la conception de produits, les ingénieurs pourraient explorer des milliers de variantes de conception dans le temps qu'une seule simulation prend actuellement, et les modèles d'IA pourraient proposer des candidats plutôt que de simplement les évaluer. Dans l'outillage, des milliers de variantes de moules et de matrices pourraient être testées virtuellement avant qu'un outil ne soit découpé, prédisant les défauts et améliorant le rendement. Pour les jumeaux numériques, les modèles physiques fonctionneraient en continu sur des données de capteurs en direct, permettant des scénarios de simulation sur des actifs en service sans les mettre hors ligne.

« Nous croyons que l'IA physique est la plus précieuse lorsqu'elle se compose avec le reste de la pile IA d'une organisation d'ingénierie », a écrit Mistral. L'entreprise livre les modèles physiques comme une capacité au sein de sa plateforme d'entreprise, aux côtés de modèles de raisonnement linguistiques et multimodaux, de pipelines d'entraînement et de personnalisation de modèles, d'outils d'orchestration de flux de travail IA, d'agents de codage et d'infrastructure IA privée.microsofts-new-platform-gives-scientists-a-governed-factory-for-ai-agents

Mistral ouvre désormais de nouveaux postes pour constituer son équipe IA pour l'ingénierie, et l'entreprise invite les partenaires de l'aérospatiale, de l'automobile, de l'énergie et de l'électronique à explorer la technologie.

Cette décision signale que la concurrence entre les fournisseurs de modèles de base s'étend au-delà du langage et de la vision vers les sciences physiques. Le pari de Mistral est que l'ingénierie industrielle, un domaine longtemps limité par des solveurs coûteux et lents, est un marché suffisamment vaste pour justifier ses propres modèles d'IA de pointe, et que les clients paieront pour la vitesse et l'échelle de la physique pilotée par l'IA, même si la vérification nécessite toujours les anciens outils.ai2-releases-emo-an-moe-model-where-modularity-emerges-from-data