L'ESSENTIEL EN 30 SECONDES

  • Selon OpenAI, Astra a pris en charge le boîtier, le choix des composants, le routage du circuit imprimé, le firmware, l'interface et l'intégration à Codex d'un prototype.
  • La conception a pris moins d'une semaine, en projet annexe ; un sous-traitant a ensuite fabriqué une petite série en moins d'un mois.
  • Le modèle n'a pas toujours tenu compte des contraintes de fabrication, des tolérances et de l'assemblage, ce qui a exigé plusieurs révisions.

OpenAI a publié le 3 novembre un bilan de l'usage de ses modèles en ingénierie mécanique et électrique. Son exemple phare : un petit appareil que deux employés ont conçu avec GPT-6 Astra en moins d'une semaine. Ces affirmations émanent d'OpenAI et n'ont pas été vérifiées de façon indépendante.

Ce que le modèle aurait accompli

L'appareil est une interface physique dédiée pour dialoguer avec Codex, l'agent de programmation d'OpenAI, réalisée en projet annexe par des membres de l'équipe matériel. D'après OpenAI, cité par The Decoder et Unite.AI, Astra a traité chaque étape : définition du cahier des charges, forme du boîtier et des supports internes, choix des composants électroniques, routage du circuit imprimé, écriture du firmware, conception de l'interface et connexion à Codex. Un sous-traitant a ensuite produit une petite série de prototypes en moins d'un mois. L'entreprise n'a ni nommé l'appareil ni indiqué s'il serait commercialisé.

Les limites reconnues

OpenAI admet qu'un design complet n'est pas forcément fabricable. Astra n'a pas systématiquement intégré les contraintes de production du fabricant, les tolérances des pièces ou les exigences d'assemblage, et les ingénieurs ont dû mener plusieurs cycles de relecture et d'ajustement avant de lancer les prototypes. OpenAI affirme que ces lacunes orientent le travail sur ses prochains modèles. The Decoder souligne aussi que les délais avancés sont ceux d'OpenAI et ne disent rien de la part de relecture humaine.

Une offensive plus large

OpenAI explique que ses équipes matériel et infrastructure utilisent désormais Codex et ChatGPT pour produire des modèles CAO, des plans de fabrication et des configurations de simulation, et que la consommation de tokens de ces équipes a été multipliée par 23 entre février et octobre. Sur BenchCAD 2.0, un banc d'essai interne qui mesure la reconstruction de pièces 3D et l'identification des connexions d'un circuit imprimé, l'entreprise annonce 0,594 pour GPT-6 Astra à son niveau de raisonnement maximal et 0,875 pour un modèle interne plus récent, non dévoilé.

Le billet évoque également des collaborations rapportées par Interesting Engineering : Chip Ganassi Racing étudie la conversion de scans 3D de pièces en modèles CAO modifiables et en plans, tandis que Mazda travaille sur l'aérodynamique et la sécurité en cas de choc, Astra explorant des formes de face avant et simulant l'écoulement de l'air avant que les ingénieurs de Mazda ne tranchent selon le style et le coût. Ces résultats portent sur la conception ; l'exemple de l'appareil montre que la mise en production dépend encore des ingénieurs.