OpenAI présente un prototype matériel conçu par IA en moins d'une semaine, mais les détails de fabrication ont exigé une relecture humaine ; un modèle interne plus récent atteint 0,875 sur BenchCAD 2.0

Le 3 novembre 2026, OpenAI a publié « Accelerating engineering for the physical world », un article de recherche sur la façon dont ses modèles aident les ingénieurs à concevoir, simuler et fabriquer des produits physiques. L'entreprise affirme que ce travail couvre l'ingénierie mécanique, l'ingénierie électrique et la conception de systèmes de bout en bout, et que ses propres équipes l'utilisent déjà pour tester des idées et itérer plus vite. Il faut le dire d'emblée : il s'agit d'un rapport du fournisseur, pas d'une étude indépendante. L'article mêle une expérience concrète, des chiffres d'usage interne, un banc d'essai et deux collaborations industrielles nommées, et ces éléments n'ont pas la même force probante.

L'expérience concrète est un appareil conçu pour parler à Codex. OpenAI voulait savoir si GPT-6 Astra, son modèle multimodal et d'usage informatique, pouvait créer un appareil sans aucune modification humaine directe. Astra a défini les exigences fonctionnelles, puis conçu l'aspect, le boîtier et ses structures internes, le choix des composants électroniques et la carte de circuit imprimé (PCB), l'interface utilisateur, ainsi que le micrologiciel et les intégrations logicielles. L'aspect s'inspire d'une collaboration récente avec Work Louder et de références issues des jeux et des jouets. Deux membres de l'équipe ont travaillé dessus comme projet annexe et terminé la conception en moins d'une semaine, et un sous-traitant a fabriqué un petit lot de prototypes en moins d'un mois.

L'article est franc sur la limite. Préparer l'appareil à la fabrication a encore demandé plusieurs tours de revue et d'itération, car Astra n'a pas toujours tenu compte des contraintes de production du fabricant, des tolérances ni des détails d'assemblage. OpenAI y voit ce que les futurs modèles devront mieux faire. La lecture honnête est donc la suivante : le modèle a produit rapidement une conception de prototype fonctionnelle, mais des humains ont dû combler l'écart entre une conception et une pièce fabricable en série. L'article ne donne ni rendement, ni coût, ni taux de défauts pour les prototypes.

La deuxième affirmation concerne l'usage interne. Les équipes matériel et infrastructure d'OpenAI utilisent Codex et ChatGPT pour créer et modifier des modèles de conception assistée par ordinateur (CAO), préparer des plans de fabrication, configurer des simulations et relire des conceptions, dans des travaux qui touchent la robotique et l'infrastructure de calcul. L'article indique que l'usage des modèles dans ces équipes, mesuré en tokens, a été multiplié par 23 depuis février. Ce chiffre mesure l'intensité d'utilisation des outils, pas la qualité des résultats ni le temps gagné. Trois employés d'OpenAI sont cités, et l'un d'eux précise que des architectes, des ingénieurs et des spécialistes de la maquette numérique du bâtiment (BIM) relisent et valident les résultats.

La troisième affirmation est un banc d'essai. BenchCAD 2.0 teste si les modèles savent reconstruire des pièces et des assemblages en 3D et identifier les connexions sur des cartes électroniques. OpenAI rapporte qu'un modèle interne plus récent a obtenu un score moyen de 0,875, contre 0,594 pour GPT-6 Astra à son réglage de raisonnement le plus élevé. Il faut noter que ce modèle plus récent n'est ni nommé ni publié, que l'ensemble de tâches n'est pas décrit en détail, et que la page de lancement d'Astra présente aussi un graphique BenchCAD mesuré en recouvrement moyen de voxels, de sorte que les deux scores ne doivent pas être mélangés. OpenAI reconnaît elle-même que le cycle de vie de l'ingénierie compte de nombreux éléments au-delà de la conception et parle seulement d'indice précoce.

L'article nomme aussi deux collaborations. Avec Chip Ganassi Racing, OpenAI teste des flux de travail qui transforment des scans 3D de pièces existantes en modèles de CAO modifiables et en plans de fabrication 2D, ce qui aide quand les fichiers de conception d'origine manquent. Les ingénieurs de l'écurie relisent les résultats pour leur exactitude et leur fabricabilité, et l'un d'eux dit que le processus est devenu plus rapide et plus autonome. Avec Mazda, une nouvelle collaboration de recherche associe des chercheurs et des ingénieurs de déploiement d'OpenAI aux ingénieurs d'aérodynamique et de sécurité en cas de collision de Mazda. Le travail s'appuie sur des simulations d'écoulement d'air et de comportement structurel, et Astra sert à modéliser de nouvelles formes de nez puis à affiner les plus prometteuses pour réduire la traînée. OpenAI promet de partager d'autres résultats dans les mois à venir, sans donner pour l'instant de chiffre de traînée.

Pour le lecteur, la leçon utile est la séparation entre ce qui est montré et ce qui est promis. Montré : une conception terminée en moins d’une semaine et un petit lot fabriqué en moins d’un mois par un sous-traitant, un usage interne qui progresse vite et un gain sur banc d'essai pour un modèle non publié. Promis : que des ingénieurs, avec des résultats relus, itéreront plus vite sur de vrais produits. Non montré : toute amélioration mesurée sur un produit livré, toute économie de coût, ou la fréquence à laquelle les résultats échouent à la relecture. OpenAI invite les bureaux d'ingénierie et les éditeurs de logiciels des domaines mécanique, électrique, électromécanique et mécatronique à candidater par formulaire, ce qui indique que la capacité est encore façonnée avec des partenaires et n'est pas un produit achevé.