fr.wedoany.com Rapport : Lors du salon automobile chinois MathWorks 2026, organisé en juin 2026, BorgWarner a présenté une méthode d'estimation en ligne de la température des moteurs électriques basée sur l'apprentissage automatique. Cette méthode utilise des réseaux de neurones profonds pour prédire en temps réel la température du rotor et du stator du moteur. Elle a déjà été validée sur banc d'essai et sera prochainement testée sur véhicule complet.
L'utilisation de l'IA pour prédire les conditions de fonctionnement n'est pas une nouveauté, mais un problème concret persiste : comment déployer de manière fiable un modèle d'IA entraîné dans un environnement Python sur une plateforme embarquée ? De l'intégration du modèle à la génération de code, de la validation par simulation au déploiement final, chaque étape comporte des incertitudes. C'est précisément la question clé pour le déploiement à grande échelle de l'IA embarquée dans le secteur automobile.
Dong Shucheng, expert en chef et responsable de l'équipe technique automobile Chine de MathWorks, a souligné que MATLAB dispose de plus de 130 boîtes à outils produits, mais que les utilisateurs, contraints par les cycles de développement, ne les exploitent pas pleinement. La plupart des boîtes à outils sous-utilisées présentent des seuils d'expertise élevés, notamment les modules liés à la théorie du contrôle et à l'optimisation, qui exigent une certaine base théorique de la part des utilisateurs. La version R2026a est en train de changer cela.
En avril 2026, MathWorks a lancé la version 2026a (R2026a) de sa gamme de produits MATLAB et Simulink, dont l'un des éléments centraux est le flux de travail piloté par l'IA agentique (Agentic AI). Grâce à MATLAB MCP Core Server, l'agent IA peut interagir avec MATLAB/Simulink. En plus de fournir des suggestions d'optimisation, il peut exécuter des opérations telles que la génération de code, l'analyse de code, la création et l'édition de modèles, formant ainsi une boucle fermée de conception assistée par IA générative et de calcul vérifiable. L'IA agentique permet aux ingénieurs, sans avoir à approfondir les théories interdisciplinaires, d'utiliser des boîtes à outils avancées via le langage naturel, exploitant ainsi des fonctionnalités qu'ils n'osaient pas ou ne savaient pas utiliser auparavant.
Les boîtes à outils MATLAB Agentic Toolkit et Simulink Agentic Toolkit fournissent à l'agent de codage (Coding Agent) une connaissance experte des flux de travail et des normes d'utilisation de MATLAB et Simulink. Combinées, elles permettent au système d'IA générative d'écrire du code conforme au style MATLAB/Simulink, de générer et d'exécuter automatiquement des tests, de diagnostiquer et de corriger les erreurs, d'utiliser plus efficacement les capacités intégrées de MATLAB et Simulink, et de réduire les dépenses inutiles en tokens tout en améliorant la qualité du projet.
La solution proposée par MathWorks couvre un processus complet, traçable et vérifiable, de l'entraînement au déploiement. Les capacités de la chaîne d'outils R2026a peuvent être comprises à trois niveaux : le niveau de développement et d'entraînement des algorithmes fournit un environnement complet de modélisation et d'entraînement, prenant en charge la conception de réseaux tels que les LSTM, l'optimisation des hyperparamètres et la gestion du processus d'entraînement ; au niveau de l'intégration des modèles et de la validation par simulation, Simulink propose des modules permettant d'importer directement des modèles de réseaux neuronaux entraînés et de simuler le processus d'inférence dans Simulink. La version R2026a prend également en charge la simulation de code C et C++ dans le modèle, sans limitation de langage ni besoin de wrapper supplémentaire ; au niveau de la génération de code et du déploiement embarqué, les modèles validés par simulation peuvent générer nativement du code C pour être déployés sur des MCU automobiles.
Ces trois niveaux forment une boucle fermée complète : des données au modèle, du modèle à la validation par simulation, de la validation à la génération de code et au déploiement, chaque étape est traçable et reproductible. Cependant, une boucle fermée ne signifie pas automatisation. Le déploiement sur MCU reste confronté à des contraintes réelles telles que la vitesse d'inférence et l'occupation mémoire. La compression de réseau, l'élagage et la perte de précision sont autant de compromis à gérer lors du processus d'ingénierie.
Zhang Tihuan, responsable de l'architecture système de la division PDS chez BorgWarner (Chine) R&D Co., Ltd., a souligné que le rotor d'un moteur électrique en rotation à grande vitesse ne peut pas être équipé de capteurs de température. La méthode traditionnelle basée sur le flux magnétique présente des erreurs importantes dans les zones de faible vitesse et de faible couple, tandis que la méthode du réseau thermique exige des ingénieurs une connaissance approfondie de la structure du moteur et de la théorie du transfert de chaleur.
Zhang Tihuan a indiqué que la valeur de l'IA réside dans le remplacement d'une modélisation physique complexe par une approche pilotée par les données, réduisant ainsi le seuil de développement. Ce projet suit le groupe de processus MLE de l'ASPICE 4.0. Grâce à MLE et SUP.11, le processus d'apprentissage automatique devient une activité d'ingénierie évaluable, vérifiable et traçable. L'objectif principal est de réduire l'incertitude du contrôle du processus, et non de la nier. De la définition du problème, des exigences de performance et des contraintes de fonctionnement, à la préparation des ensembles de données et à l'optimisation des hyperparamètres, en passant par les tests au niveau des composants, les tests de robustesse et la validation finale sur banc d'essai et sur véhicule complet, chaque étape comporte des exigences de processus claires. Le flux de travail MBD garantit la traçabilité de l'ensemble du processus, de la préparation des données, de la conception et de l'entraînement du réseau, de la validation dans l'environnement Simulink, à l'implémentation en code C et au déploiement.
De l'avis de Zhang Tihuan, la valeur de la réutilisation technologique est encore plus cruciale : l'IA par apprentissage automatique permet le transfert de connaissances, non seulement pour la température, mais aussi pour d'autres domaines comme les capteurs de position à l'avenir. Les méthodes d'IA peuvent également réduire l'utilisation de ressources d'étalonnage sur banc d'essai. En combinant simulation et IA, dans un mode de développement parallèle du moteur et du contrôleur électronique, il n'est pas nécessaire d'attendre le moteur physique pour effectuer la validation algorithmique à l'avance.
Pour la chaîne industrielle automobile chinoise, évoluant dans un environnement concurrentiel, la valeur de la chaîne d'outils MathWorks réside dans sa capacité à aider les équipementiers de rang 1 (Tier 1) à réaliser un investissement unique pour des réutilisations multiples, accumulant ainsi un savoir-faire technique et amortissant continuellement les coûts de développement.
Du point de vue des tendances industrielles, 2026 est considérée comme l'année des agents intelligents. L'IA de périphérie (edge AI) passe du cloud au monde physique. La mission de MathWorks est d'accélérer le rythme de l'ingénierie et de la science, et le salon automobile chinois MathWorks 2026 a fait de cette mission une pratique d'ingénierie en cours.
