---
title: "Des ingénieurs de Rutgers utilisent l’IA pour surmonter les défis de la FA"
url: https://www.voxelmatters.com/fr/rutgers-des-ingenieurs-utilisent-l-ia-pour-surmonter-les-defis-de-la-fa/
date: 2025-12-28
modified: 2025-12-27
lang: fr
author: "Edward Wakefield"
description: "Selon l’Université Rutgers, des ingénieurs ont démontré comment l’intelligence artificielle peut surmonter deux défis majeurs de la fabrication en permettant une impression 3D résiliente dans des environnements extrêmes et en..."
categories:
  - "IA"
  - "Recherche sur la FA"
tags:
  - "future"
image: https://www.voxelmatters.com/wp-content/uploads/2025/12/WhatsApp-Image-2025-12-26-at-17.20.57-640x362.jpeg
word_count: 505
---

# Des ingénieurs de Rutgers utilisent l’IA pour surmonter les défis de la FA

[Selon l’Université Rutgers](https://www.rutgers.edu/news/engineers-develop-autonomous-artificial-intelligence-transforms-resilience-and-discovery), des ingénieurs ont démontré comment l’intelligence artificielle peut surmonter deux défis majeurs de la fabrication en permettant une impression 3D résiliente dans des environnements extrêmes et en accélérant l’innovation avec un nombre d’expériences considérablement réduit.

Dans deux études dirigées par Rajiv Malhotra, professeur agrégé au département de génie mécanique et aérospatial de la School of Engineering de Rutgers, les chercheurs montrent comment des systèmes autonomes peuvent rendre la fabrication fiable dans des [contextes tels que l’espace](https://www.voxelmatters.com/fr/chercheurs-impriment-en-3d-des-composites-qui-se-forment-dans-l-espace/), les zones de conflit ou les régions touchées par des catastrophes, tout en raccourcissant fortement les cycles de développement dans la fabrication conventionnelle.

La première étude, [publiée dans le Journal of Manufacturing Processes](https://www.sciencedirect.com/science/article/pii/S1526612525002671), porte sur ce que Malhotra appelle la « FA expéditionnaire », c’est-à-dire la production de pièces en dehors d’environnements industriels contrôlés. Ces contextes introduisent des perturbations imprévisibles comme les vibrations, les variations de température ou la présence d’opérateurs non formés, autant de facteurs susceptibles de compromettre une impression.

![Rutgers engineers use AI to overcome AM challenges - enabling resilient 3D printing in extreme environments and accelerating innovation.](https://www.voxelmatters.com/wp-content/uploads/2025/12/rajiv-malhotra-portrait_promo.jpg)Rajiv Malhotra.

« *Nous cherchions à comprendre comment rendre la [FA expéditionnaire](https://www.voxelmatters.com/fr/firestorm-et-hp-sassocient-pour-la-fabrication-expeditionnaire/) robuste face à des perturbations inconnues et fortement disruptives* », explique Malhotra.
Pour répondre à cet enjeu, l’équipe a développé une nouvelle approche d’IA appelée apprentissage par renforcement conditionnel. À l’aide d’une caméra surveillant l’impression en temps réel, le système détecte les défauts et ajuste instantanément les paramètres de l’imprimante, sans interrompre le processus ni devoir réentraîner le logiciel. Cette capacité est essentielle dans des environnements à forts enjeux.

« *Le succès ou l’échec d’une pièce peut entraîner l’échec complet d’une mission. Des vies humaines peuvent être en jeu* », souligne Malhotra. « *Nous avons créé un outil qui répond précisément à ce problème. Il n’est plus nécessaire d’anticiper à l’avance : quelles que soient les perturbations, nous pouvons les gérer sans mettre la pièce au rebut ni arrêter le processus, deux issues préjudiciables à l’assurance mission.* »

L’IA considère également le manque de formation des opérateurs comme une perturbation parmi d’autres. « *Nous avons entraîné l’IA à s’attendre à l’imprévu plutôt qu’à des conditions idéales* », précise Malhotra, ajoutant que cette méthode permet de réduire les défauts d’un facteur dix ou plus.

Une seconde étude, [publiée dans le Journal of Intelligent Manufacturing](https://link.springer.com/article/10.1007/s10845-025-02638-w), s’attaque à la lenteur des cycles d’innovation. Au lieu de s’appuyer sur des décennies de modélisation physique ou sur des ensembles de données massifs, l’équipe a conçu un système d’IA capable d’analyser la littérature scientifique et de la combiner avec un volume limité de données expérimentales.
« *Ce processus est très lent et très sujet aux erreurs. Il peut parfois falloir 30 ans pour véritablement mettre au point un procédé », explique Malhotra. « L’IA joue ici le rôle d’un expert de niveau doctorat : elle teste quelques fois, puis converge rapidement vers la bonne solution.* »

Ces travaux, menés avec des collaborateurs de l’Université du Connecticut, de l’Université du Michigan et de la US Army Armaments Graduate School, pourraient avoir un impact significatif sur les secteurs de l’aéronautique, de la défense, de l’automobile et de [l'électronique](https://www.voxelmatters.com/mit-advances-fully-3d-printed-active-electronics/).