Gains :
- Capacité à distinguer les domaines dans lesquels l'IA permet de gagner du temps réel dans le flux de travail métallurgique et des matériaux et les domaines où la responsabilité critique en matière de sécurité doit incomber à l'ingénieur, en fonction du niveau de risque.
- Capacité à mettre en œuvre une discipline de validation à trois niveaux qui teste chaque sortie de l'IA par rapport à des calculs standards indépendants et à des expérimentations en laboratoire.
- Capacité à anonymiser le contexte et à sécuriser la sélection des outils pour protéger la recette confidentielle de l'alliage, les paramètres de processus et les données client
Alors que l'aube de turbine d'un moteur d'avion tourne des centaines de fois par seconde à 1 400 °C, c'est vous qui décidez de quel superalliage (un alliage spécial qui maintient sa résistance à haute température) cette aube sera constituée, quel traitement thermique elle subira et combien de milliers d'heures elle durera : l'ingénieur métallurgique ou des matériaux. Chaque décision que vous prenez dans ce métier détermine soit la survie d’une structure, soit ses dommages. L’intelligence artificielle (IA en abrégé : systèmes logiciels qui traitent du texte, des chiffres et des images et produisent des suggestions) peut accélérer ces décisions ; mais il ne pourra jamais assumer la responsabilité de vous. Cette unité vous apprend où utiliser l'IA en toute sécurité dans le travail de la métallurgie et des matériaux, où elle est dangereuse et pourquoi vous devez valider chaque sortie de l'IA avec un laboratoire, une norme et une expérience.
Le principe central que vous utiliserez tout au long de ce module est le suivant : l'IA est un assistant, pas un décideur. Une propriété matérielle, une valeur limite, un élément standard ou une recette de traitement thermique ne devient pas vraie simplement parce que « l’IA l’a dit » ; Il ne s'agit que d'une hypothèse jusqu'à ce qu'elle soit vérifiée par des mesures, des références et un jugement technique. Vous reverrez cette phrase dans chaque unité du module, car en métallurgie, un mauvais numéro signifie souvent une pièce cassée.
Qu’est-ce que le LLM, à quoi ça sert en métallurgie ?
LLM (Large Language Model) est un logiciel qui apprend des modèles à partir de très gros morceaux de texte et prédit le « mot suivant » en fonction de la probabilité. C'est le moteur d'outils tels que ChatGPT, Claude, Gemini. Le point est le suivant : LLM est un « estimateur de langage », pas une « base de connaissances ». Parle couramment la terminologie métallurgique, mais ne mesure pas un nombre ; produit le nombre qui semble le plus probable. Par conséquent, il peut donner des réponses sûres mais incorrectes sur la limite d'élasticité, la température de fusion ou le numéro d'article d'une norme. C’est ce qu’on appelle une hallucination (fabrication). L’hallucination n’est pas un dysfonctionnement, mais une caractéristique inhérente à cette technologie ; La vérification n’est donc pas une « étape supplémentaire » mais fait partie intégrante du travail.
Tâches où l'IA est forte en métallurgie :
- Explication et enseignement du concept : qu'est-ce que la transformation martensitique, pourquoi est-elle dure et cassante ; Quelle est la différence entre eutectique et eutectoïde ?
- Génération d'une liste d'hypothèses : création d'une liste systématique des raisons pour lesquelles une porosité (gaz ou vides induits par le retrait) a pu se produire dans une pièce moulée.
- Production de textes : projet de rapport d'analyse des dommages, projet de WPS (spécification de procédure de soudage), présentation, email.
- Codage : nettoyage de données, graphiques, scripts de calcul simples (Python).
- Résumé des données et organisation des tableaux : transformer des résultats de tests désordonnés en un tableau organisé.
- Brainstorming : éléments candidats, idées de matrices expérimentales pour la conception d'alliages.
Là où l’IA est faible et risquée :
- Donner une valeur numérique exacte (propriété, valeur limite, composition chimique).
- Clause standard actuelle/spécifique et informations sur la version.
- Diagnostic sans données de mesure réelles de votre installation.
- Décision critique pour la sécurité : navigabilité/aptitude au service d'une pièce.
Classification basée sur les risques : le filtre avant d'utiliser l'IA
Toutes les tâches ne présentent pas le même niveau de risque. Classez la tâche par niveau de risque avant d’utiliser l’IA. Le tableau ci-dessous fournit un cadre décisionnel que vous utiliserez tout au long de ce module.
Niveau de risque
exemple de tâche
Rôle de l'IA
Vérification obligatoire
faible
Explication du concept, projet de texte, squelette de code
utilisation gratuite
Un avis suffit
moyen
Configuration du calcul, liste des hypothèses, synthèse de la littérature
Brouillon/co-auteur
Contrôle manuel + confirmation de la source
haut
Sélection des matériaux, recette de traitement thermique, valeur limite
générateur d'idées
Norme + test de laboratoire
critique
Aptitude au service/navigabilité, cause première des dommages, certification
Brouillon uniquement
Tests accrédités + approbation d'un ingénieur agréé
Astuce : Si vous avez marqué une tâche comme « critique », le résultat de l'IA n'est jamais le document final. Il peut tout au plus s’agir d’un avant-projet ou d’une liste de contrôle ; L'ingénieur agréé assume la signature et la responsabilité.
Flux de bout en bout : intégrer l'IA dans votre flux de travail
Un cycle typique de résolution de problèmes dans une entreprise métallurgique ressemble à ceci, avec l’IA entrant dans chaque étape mais ne fermant aucune d’entre elles seule :
- Définissez le problème : qu'est-ce qui est défectueux, quelle fonctionnalité est ciblée, quelle contrainte y a-t-il ? (AI : aide à clarifier la question.)
- Collecter des données : analyse de composition, tests mécaniques, microstructure, données de terrain. (AI : répertorie les tests requis.)
- Générer des hypothèses : causes/solutions possibles. (IA : puissant – produit des listes systématiques.)
- Analyser : Calcul, modèle, traitement d'images. (IA : génère du code et de la fiction de calcul.)
- Valider : Standard, laboratoire, retest. (IA : en marge ici ; l'humain et l'appareil décident.)
- Faire un rapport et décider : l'ingénieur assume ses responsabilités. (AI : rédacteur en chef.)
Gardez ces six étapes à l’esprit ; Le reste du module vous montre comment utiliser l'IA avec des tâches concrètes dans chacune de ces étapes.
trois mini-cases
Cas 1 — Limite d'élasticité ajustée. Un stagiaire interroge l'IA sur la limite d'élasticité de l'acier AISI 4140 trempé et revenu à 200 °C ; L'IA dit "environ 1500 MPa". Le stagiaire intègre cela directement dans un calcul de conception de broche. Cependant, la valeur réelle varie approximativement entre 900 et 1 600 MPa, en fonction des paramètres de traitement thermique et de l'épaisseur de la section ; La valeur prise sur un échantillon mince ne s’applique pas à une coupe épaisse. Résultat : le facteur de sécurité s'avère inférieur à celui attendu. La bonne attitude consiste à prendre la valeur de la fiche technique du matériau (certificat d'usine) et, si nécessaire, de l'essai de traction selon ISO 6892.
Cas 2 — Clause type inexistante. Un ingénieur interroge l'IA sur la limite d'inclusion de l'acier inoxydable. AI dit "max 2,5 selon ASTM E45 Section 7.3". L'ingénieur rédige le rapport en conséquence. Lors de l'inspection client, il s'avère que le numéro d'article est faux et que la norme ne contient pas une telle clause. La bonne attitude est d'ouvrir la version actuelle de la norme à partir de la source officielle et de confirmer l'article. L'IA peut halluciner le numéro de l'article même si elle connaît correctement le nom standard.
Cas 3 — Utilisation correcte. Une équipe d'analyse des dommages examine une photographie de la surface brisée d'un boulon M20 cassé. Ils demandent à l’IA « d’énumérer les différences typiques dans la surface de fracture d’une fissure de fatigue et d’une fracture fragile, et de me dire ce que je devrais rechercher au microscope électronique à balayage (MEB) pour chacune ». L'IA explique systématiquement les marques de plage, les stries (lignes de fatigue) et la distinction fossettes/clivage. L'équipe recherche ces traces au SEM, retrouve les vergetures et pose le diagnostic avec l'image de l'appareil. Ici, l’IA a été utilisée correctement : en organisant l’information, le laboratoire a pris la décision.
Modèles d'invite copiables
Vous pouvez utiliser les modèles ci-dessous en les adaptant à votre propre entreprise. Dans chacun d'eux, il y a une consigne consciente de « donner un nombre exact, indiquer la source, expliquer l'incertitude ».
MODÈLE DE RÔLE ET DE LIMITE "Rôle : Vous êtes un assistant ingénieur métallurgique expérimenté. Tâche : [écrire le sujet]. Règles : Lorsque vous donnez la valeur numérique exacte, indiquez la SOURCE ;
MODÈLE DE GÉNÉRATION D'HYPOTHÈSES « Produire une liste systématique des causes profondes possibles du problème suivant : [décrire le problème ; matériel, processus, observation]. Pour chaque hypothèse : (1) quelles preuves la soutiennent, (2) quel test doit être effectué pour la confirmer/l'infirmer. NE FAITES PAS de diagnostic définitif ; produisez simplement une feuille de route de recherche. »
MODÈLE DE LISTE DE CONTRÔLE DE VÉRIFICATION « Répertoriez CHAQUE valeur numérique et CHAQUE référence standard dans le projet de sortie/rapport ci-dessous. Pour chacune, indiquez à partir de quelle source (certificat d'usine, texte standard, rapport d'essai) elle doit être vérifiée. Recueillez celles d'origine incertaine sous une rubrique distincte « non disponible jusqu'à vérification ». Texte : [coller]."
MODÈLE DE PRÉ-VÉRIFICATION D'ANONYMISATION "Avant de donner le texte suivant à un outil d'IA, signalez les pièces qui contiennent des secrets commerciaux ou des données personnelles : ratios de recette d'alliage, nom du client, paramètres confidentiels de température/durée du processus, noms du personnel. Suggérez comment je peux les anonymiser. Texte : [coller]."
Invite faible/Invite forte
Poser la même question de deux manières donnera des résultats très différents.
INVITE FAIBLE : "Dites-moi les propriétés de l'acier 4140."
INVITE FORTE : "Rôle : Vous êtes un ingénieur assistant en traitement thermique. Expliquez CE QUI affecte la limite d'élasticité lorsque la trempe + revenu est effectué pour l'acier AISI 4140 (température de revenu, épaisseur/trempabilité de la section, température d'austénitisation). Ne donnez pas un seul chiffre EXACT ; au lieu de cela, dans quelle plage la valeur peut varier et quel test dois-je effectuer selon quelle norme (par exemple, test de traction ISO 6892) pour obtenir la valeur correcte. Veuillez indiquer clairement où vous en êtes. je ne suis pas sûr."
L'invite médiocre renvoie généralement une liste inutile et superficielle et éventuellement des numéros inventés. Invite puissante ; il attribue un rôle, fixe des limites (« donner un nombre exact »), nécessite un moyen de vérification et expose l'incertitude. Tout au long de ce module, vous verrez le modèle « invite forte » appliqué à chaque unité.
Éthique, confidentialité et responsabilité
Les données métallurgiques sont souvent confidentielles : recettes d'alliages des clients, paramètres de processus brevetés, résultats d'analyses de dommages, spécifications de l'industrie de la défense. Les coller dans un service public d’IA pourrait constituer un secret commercial et une rupture de contrat ; Il existe également un risque que les données interfèrent avec la formation du modèle.
- Ne saisissez pas les compositions, recettes et dessins de l'entreprise/du client dans le service externe sans autorisation.
- Anonymiser les enregistrements contenant des données personnelles (noms des opérateurs, numéros d'enregistrement).
- Respectez la politique de l'entreprise et tout outil d'IA d'entreprise sur site ou sous contrat.
- Indiquez de manière transparente dans le rapport que vous utilisez l’IA ; Expliquez clairement que la décision finale est basée sur votre jugement technique.
- La signature et la responsabilité appartiennent toujours à l'ingénieur autorisé ; La production de l’IA ne constitue pas une justification.
Attention : « C'est ce que l'IA a dit » n'est pas une justification technique. Dans un rapport de dommage, une sélection de matériaux ou une décision de conformité, vous devez vous baser sur les normes, les essais et les calculs ; L’IA est l’outil qui les organise tout au plus. Pour les travaux critiques pour la sécurité, la sortie AI ne remplace pas l’approbation d’un ingénieur qualifié.
Erreurs courantes
- Utiliser la valeur numérique (caractéristique, limite, composition) donnée par l'IA sans expérimentation ni référence.
- Écrire les numéros d'articles standard dans le rapport sans les confirmer.
- Saisie des données confidentielles des clients/entreprises dans l'IA publique.
- Demander à l'IA "quel est le dysfonctionnement" sans donner les données de l'installation et prendre la réponse générale pour un diagnostic.
- Utiliser les résultats de l’IA comme document final dans les décisions critiques, en contournant l’approbation des ingénieurs.
- Ignorer l'incertitude : confondre le ton confiant de l'IA avec l'exactitude.
En résumé
L’IA est un puissant accélérateur en ingénierie métallurgique et des matériaux : elle explique les concepts, génère des hypothèses, rédige et écrit du code. Mais la valeur numérique comporte un risque d’hallucination dans les domaines standards et les décisions critiques pour la sécurité. Classez les tâches par niveau de risque, vérifiez chaque sortie dans le triangle standard-laboratoire-compte, maintenez la confidentialité et gardez toujours la responsabilité avec l'ingénieur autorisé. La suite du module applique ce principe à chaque tâche concrète.
Tâche de candidature
Sélectionnez cinq tâches typiques de votre propre travail (ou d'un exemple de projet) : par exemple, « sélection des matériaux », « rédaction d'un rapport de dommages », « requête de normes », « interprétation de la microstructure », « script de calcul ». Classez chacun comme faible/moyen/élevé/critique selon le tableau des risques ci-dessus et écrivez en une phrase comment vous allez vérifier le résultat de l'IA pour chacun (quelle norme, quel test, dont l'approbation). Essayez ensuite d'adapter le modèle « RÔLE ET LIMITE » à l'une de ces tâches.
liste de contrôle
- [ ] J'ai classé la mission par niveau de risque (Faible/Moyen/Élevé/Critique).
- [ ] J'ai donné à l'IA le rôle, la contrainte et l'instruction « donner le nombre exact/préciser la source ».
- [ ] J'ai vérifié chaque valeur numérique et élément standard à partir de sources indépendantes.
- [ ] Je n'ai pas saisi de données confidentielles/personnelles dans un service externe ni les ai anonymisées.
- [ ] J'ai basé la décision finale sur la mesure et la norme, sans utiliser l'IA comme justification.
- [ ] J'ai laissé la responsabilité et la signature à l'ingénieur agréé.