Mistral et Nvidia s'allient pour faire entrer l'IA physique dans la simulation d'ingénierie

Pourquoi c'est important

La simulation d'ingénierie est depuis longtemps le goulot d'étranglement de la conception industrielle : on ne sait souvent si un design fonctionne qu'une fois une longue simulation terminée. Mistral et Nvidia veulent désormais introduire des flux de travail d'ingénierie natifs de l'IA dans l'ingénierie assistée par ordinateur (IAO) et la conception assistée par ordinateur pour l'électronique (EDA), afin que les ingénieurs évaluent rapidement leurs designs avant toute fabrication.

Contenu du partenariat

Le cœur du dispositif associe le modèle de langage Mistral Large 4 (environ un billion de paramètres au total, entraîné sur 3 800 GPU Nvidia Grace Blackwell dans des centres de données européens exploités par Mistral) ainsi que les processus de génération de données et de modélisation physique de Mistral aux bibliothèques logicielles CUDA-X et Warp de Nvidia. Les deux partenaires intégreront aussi les modèles de Mistral aux bibliothèques Omniverse de Nvidia pour générer des scènes 3D et des objets prêts pour la simulation (SimReady). Les secteurs visés : aéronautique, automobile et semi-conducteurs.

Lire l'article

Au-delà de simulations plus rapides, les entreprises prévoient des benchmarks publics et des jeux de données ouverts pour évaluer les modèles physiques, ainsi que des tests pour les agents d'IA qui pilotent des logiciels d'ingénierie — précision des tâches, achèvement multi-étapes, exactitude technique, temps d'exécution et coût de calcul, afin de comparer les résultats sur des standards communs.

Le projet prolonge la collaboration antérieure des deux entreprises sur Mistral NeMo et leur travail sur un modèle de fondation ouvert au sein de la Nvidia Nemotron Coalition. Mistral Large 4 doit être publié en poids ouverts fin octobre, et Mistral vise un gigawatt de capacité de calcul d'ici 2030.

À noter : seuls le cadre et les intentions ont été annoncés pour l'instant — aucun chiffre de performance, aucun calendrier pour les benchmarks et les données, aucun client nommé. L'impact réel reste à vérifier.