Utilisation des grands modèles de langage (LLM) et des modèles de fondation en ingénierie

À l’issue de ce cours, vous pourrez :

• Comprendre les modèles fondamentaux de l'IA et les LLM, ainsi que leur application en ingénierie
• Utiliser efficacement l'IA dans les processus d'ingénierie (conception, documentation, programmation, simulation)
• Identifier les limites, les risques et les bonnes pratiques liés à l'utilisation des LLM
• Expérimenter avec des cas concrets et des outils pratiques

Description
Les modèles fondamentaux de l'IA, tels que les LLM, connaissent une progression rapide et sont désormais intégrés à de nombreux domaines, dont l'ingénierie. Face à cette évolution constante, il est essentiel de se tenir informé des dernières avancées, de comprendre comment ces outils peuvent être utilisés et d'en identifier les limites. Ainsi, les ingénieurs seront mieux outillés pour utiliser ces technologies avec discernement et efficacité.

Ce cours met l'accent sur l'application pratique des LLM aux flux de travail d'ingénierie. Les participants apprendront à exploiter ces modèles d'IA pour soutenir la conception, générer de la documentation technique, automatiser les tâches de programmation, faciliter la simulation et résoudre des problèmes complexes. Grâce à des cas pratiques et des démonstrations interactives, les participants découvriront comment ces outils peuvent optimiser les processus, accroître la productivité et stimuler l'innovation au sein des équipes d'ingénierie. L'exploration des atouts et des limites de l'IA pour l'ingénierie permettra également d'intégrer les meilleures pratiques et de gérer les risques liés à son utilisation quotidienne.

Clientèle ciblée
Ingénieurs, gestionnaires d'ingénierie, consultants techniques, techniciens, technologues et chercheurs ayant peu ou modérément d'exposition à l'intelligence artificielle (IA)/LLM dans le domaine de l'ingénierie.

Module 1 : Introduction aux LLM et modèles de fondation (1h)

• Qu’est-ce qu’un modèle de fondation ? Qu’est-ce qu’un LLM ?
• Évolution : apprentissage automatique → deep learning → transformeurs → LLM.
• Concepts clés : tokens, embeddings, fenêtres de contexte.
• Panorama des modèles disponibles (GPT, Claude, Gemini, open-source comme Llama, Mistral).
• Applications en ingénierie : documentation, support à la conception, simulation, dépannage, planification de projet.
• Démonstration interactive : Demander à ChatGPT/Claude d’expliquer un concept d’ingénierie à différents niveaux (ex. : mécanique des fluides pour un enfant de 10 ans vs pour un doctorant).

Module 2 : LLM dans les flux de travail d’ingénierie (1h30)

Cas d’usage :

Rédaction de rapports techniques et normes.

• Aide à la programmation (MATLAB, Python, C++ pour simulations).
• Gestion des connaissances (résumés d’articles scientifiques, extraction de données de conception).
• Dépannage et Q&R sur des systèmes d’ingénierie.
• Génération de matériel de formation et de manuels de sécurité.
• Bases du prompt engineering : rôle, few-shot prompting, structuration de la pensée.

Exercice : Les participants créent des prompts pour :

• Générer une liste de contrôle de dépannage pour une pompe hydraulique.
• Résumer un résumé scientifique en 3 points.
• Traduire une procédure de sécurité en langage simple.
• Module 3 : Ateliers pratiques (2h)

Travail en groupes avec des outils LLM.

Atelier 1 – Documentation & automatisation :
Utiliser un LLM pour générer un modèle de rapport de projet ou une liste de contrôle de revue de conception.

Atelier 2 – Simulation & aide à la programmation :

• Utiliser un LLM pour :
• Écrire une fonction Python pour calculer les contraintes/déformations.
• Déboguer un script MATLAB de système de contrôle.

Atelier 3 – Extraction de connaissances :

• Charger un article scientifique ou un manuel → extraire les principaux paramètres de conception avec un LLM.
  

Module 4 : Limites, risques et fiabilité (1h)

• Limites : hallucinations, connaissances obsolètes, manque d’expertise métier.
• Biais & éthique dans la prise de décision en ingénierie.
• Validation et vérification : quand ne pas se fier au modèle.
• Confidentialité des données et propriété intellectuelle.

Exercice : Présenter un calcul erroné généré par un LLM. Les participants doivent identifier les erreurs et discuter des moyens de valider les résultats.

Module 5 : L’avenir des LLM en ingénierie (45 min)

• Intégration avec les logiciels d’ingénierie (CAO, outils de simulation).
• Assistants intelligents pour la conception, la maintenance et les opérations.
• Modèles multimodaux (texte + images + schémas).
• Agents autonomes dans les flux de travail d’ingénierie.

Discussion : « Quelle partie de votre travail d’ingénieur pourrait être réellement améliorée par un copilote IA ? »

Clôture & synthèse (30 min)