PEUT-ON CRÉER DES PIÈCES 3D PARAMÉTRIQUES AVEC L’IA ?

Quand on conçoit un produit physique, il y a toujours ce moment où une idée très simple se transforme en vraie contrainte mécanique.

On a un circuit imprimé à intégrer dans un boîtier. Il faut ajouter des points de fixation. Prévoir le passage des câbles. Ajuster les tolérances. Modifier une dimension parce qu’un connecteur dépasse de trois millimètres. Puis réimprimer.

En ingénierie, ces ajustements sont constants. Et ils prennent du temps.

Depuis quelques années, les modèles de langage ont commencé à transformer la manière dont on écrit du code. Une question assez naturelle apparaît alors : est-ce qu’ils peuvent aussi participer à la conception d’objets physiques ? Pas sous forme d’images ou de concepts vagues, mais en générant de vraies pièces paramétriques, modifiables et exportables.

La réponse commence à devenir intéressante.

La modélisation paramétrique : une architecture de règles

La modélisation paramétrique repose sur une idée élégante : au lieu de dessiner une pièce comme un objet figé, on la décrit avec des paramètres.

Une largeur.
Une hauteur.
Un diamètre.
Une épaisseur.
Des contraintes entre plusieurs éléments.

Une fois cette logique définie, la géométrie peut être régénérée automatiquement à chaque modification. Un boîtier passe de 80 à 95 mm ? Toute la pièce s’adapte. Un trou de fixation doit être recentré ? Le modèle entier reste cohérent.

C’est ce qui rend la conception paramétrique particulièrement puissante pour le prototypage rapide, l’impression 3D et la fabrication mécanique. On ne manipule plus seulement de la géométrie : on manipule des règles de conception.

Pourquoi pas Blender ?

C’est aussi ce qui la distingue d’outils comme Blender. Dans Blender, on travaille principalement avec des meshes : sommets, faces, volumes polygonaux. C’est idéal pour l’animation, la sculpture numérique, le rendu visuel ou le game art.

Mais quand il faut déplacer un perçage de 2 mm, ajuster une cote précise ou préparer une pièce imprimable, la logique paramétrique devient bien plus adaptée. Le monde CAD propose déjà beaucoup d’outils solides : FreeCAD, Fusion 360, SolidWorks, mais aussi des approches orientées code comme OpenJSCAD, CadQuery ou Build123d.

LLM et CAD : du langage naturel à la géométrie

Un LLM ne “dessine” pas comme un humain. En revanche, il sait très bien transformer une description structurée en code.

“Crée un boîtier de 120 mm avec quatre fixations M3 et une ouverture pour USB-C.”

Pour un modèle entraîné sur du code, cette phrase ressemble déjà à une spécification exploitable. Il peut en extraire les dimensions, organiser les paramètres, construire une structure logique puis générer du JSCAD ou du Python CAD.

En pratique, le workflow devient très fluide :

L’utilisateur décrit la pièce en langage naturel.
Le backend envoie cette demande au modèle (Gemini, OpenAI, etc.).
Le LLM renvoie du code paramétrique valide.
Le code est rendu instantanément dans une preview 3D.
L’utilisateur ajuste les paramètres et exporte en STL.

L’architecture technique

Sur le plan logiciel, l’architecture est assez naturelle :

Frontend : React + TypeScript pour l’interface.
Moteur 3D : Three.js pour le rendu temps réel.
Géométrie : OpenJSCAD pour la génération procédurale.
Intelligence : API LLM via prompts système optimisés.

L’importance cruciale du prompt système

C’est probablement la partie la plus sous-estimée. Parce qu’un modèle capable de générer du code n’est pas automatiquement capable de produire du code CAD valide.

Le prompt système doit imposer une structure précise :

Respecter la syntaxe JSCAD.
Retourner uniquement le code attendu.
Éviter certaines primitives invalides.
Exposer les bons paramètres.
Maintenir la cohérence géométrique.

Sans ça, la génération devient instable très vite. Avec des contraintes bien écrites, le comportement change complètement : le modèle devient plus fiable, plus cohérent et surtout beaucoup plus utile dans un workflow technique réel.

Exploration concrète avec Morphos

C’est exactement ce que j’ai exploré avec Morphos : une interface de génération de pièces 3D paramétriques assistée par IA construite autour de cette idée.

L’intérêt n’était pas de remplacer un logiciel CAD complet, mais de réduire la friction entre l’idée et le premier prototype. Décrire une pièce. Obtenir immédiatement une version paramétrique. Ajuster les dimensions. Prévisualiser. Exporter.

Le gain se ressent surtout sur les premières itérations : supports mécaniques simples, boîtiers électroniques, adaptations imprimables ou géométries utilitaires.

Limites et avenir

Bien sûr, il reste des limites. Un LLM peut mal interpréter une dimension. Générer une topologie imparfaite. Oublier une contrainte mécanique réelle. Il ne connaît pas toujours les tolérances d’assemblage, les contraintes d’impression ou les subtilités métier.

L’expertise humaine reste indispensable pour les pièces complexes.

Mais le point important est ailleurs : l’IA commence réellement à devenir un outil de conception paramétrique. Pas comme un remplacement du CAD, plutôt comme une nouvelle couche d’interface entre l’intention technique et le modèle.

Une manière plus rapide d’exprimer une idée, de tester une géométrie, puis d’entrer dans un cycle d’itération beaucoup plus naturel. On voit déjà se dessiner quelque chose d’assez prometteur : parler à une machine en langage naturel, générer une pièce paramétrique exploitable, l’ajuster visuellement puis la fabriquer.

Pour l’ingénierie matérielle et la fabrication numérique, c’est probablement l’un des terrains où l’IA devient la plus concrète.