Scène du sommet PTC Chine des industries des équipements de fabrication à Changsha
À l'heure actuelle, la technologie d'intelligence artificielle passe du questionnaire générique et de la génération de contenus à une nouvelle étape où elle s'insère profondément dans les processus métiers centraux des entreprises. Pour les secteurs de la fabrication d'équipements, de l'énergie, des équipements de haute technologie et des énergies nouvelles, la valeur de l'IA ne réside plus dans « des effets de démonstration visibles », mais dans sa capacité à entrer dans le développement produit, l'ingénierie des exigences, la gestion des données PLM, la gestion du cycle de vie logiciel, la collaboration de chaîne d'approvisionnement et l'exploitation des services, pour résoudre réellement les problèmes concrets : cycles de R&D longs, données d'ingénierie complexes, coûts de collaboration inter-équipes élevés, influence des changements d'exigences difficile à tracer, forte pression des tests et validations.
Le 17 juin 2026, le sommet PTC Chine des industries des équipements de fabrication à Changsha s'est tenu avec succès. Placé sous le thème « l'IA pilote l'innovation numérique de toute la chaîne de valeur des industries des équipements et de l'énergie », l'événement a réuni les dirigeants mondiaux de PTC, des experts techniques locaux, des partenaires écosystème du secteur, ainsi que des responsables numériques d'entreprises des domaines des engins de chantier, de l'énergie éolienne et des équipements de haute technologie, pour explorer ensemble les voies d'un déploiement industriel de l'IA à grande échelle dans la fabrication d'équipements et l'énergie.
En tant que représentant des partenaires de l'écosystème PTC continuellement concentré sur la mise en œuvre pratique de l'IA, SOIN AI a été invitée à cet événement et a présenté, autour de scénarios centraux de la fabrication comme « l'ingénierie des exigences produits augmentée par l'IA », « Windchill + AI » et « Codebeamer + AI », ses acquis en matière d'Agentic AI, de modèles sectoriels, de traitement des connaissances d'ingénierie, de gouvernance des exigences, de génération de tests, d'interaction intelligente avec les données produit et de déploiement localisé de l'IA.
C'est la énième fois, après le sommet PTC Chine de la transformation numérique à Xiamen, le sommet PTC Chine des industries à Wuhan et le sommet PTC de l'automobile à Qingdao, que SOIN AI présente sur la plateforme d'échanges de l'écosystème PTC ses capacités d'application de l'IA pour les scénarios réels de la fabrication. SOIN AI avait déjà souligné à plusieurs reprises lors d'événements PTC que la mise en œuvre de l'IA dans la fabrication doit partir des points de douleur métier, s'articuler avec les données, processus et capacités de modèles verticaux de l'entreprise, et évoluer progressivement vers des agents intelligents capables de s'orchestrer et d'être appliqués de façon autonome dans les processus métier principaux, plutôt que de rester au niveau d'outils isolés ou de démonstrations ponctuelles.
La stratégie PTC de cycle de vie intelligent des produits : l'IA entre dans le fil numérique de la fabrication
M. Brad Ferguson, vice-président senior conseil solutions mondiales de PTC
Sur place, PTC a partagé sa vision autour du système de cycle de vie intelligent des produits, de sa stratégie IA et de sa feuille de route produit. PTC a indiqué que, face à une fabrication en voie d'intelligence, de logicielisation et de servicisation croissantes, les entreprises doivent s'appuyer sur des données produit de confiance et intégrer l'IA dans les outils et flux de travail quotidiens des ingénieurs, afin de libérer davantage de valeur sur l'ensemble du cycle de vie du produit. La stratégie IA officielle de PTC souligne également que son IA d'entreprise est bâtie sur des données produit fiables et intégrée aux outils et flux de travail quotidiens des clients, pour soutenir une innovation produit, une prise de décision et une collaboration plus efficaces.
Dans l'écosystème produit de PTC, Windchill AI intègre l'IA générative et l'IA agentique dans les processus PLM, aidant les entreprises à automatiser leurs flux de travail, à découvrir des insights dans les données produit et à accroître la productivité ; Codebeamer AI, en intégrant l'IA générative dans l'ALM, soutient le traitement des exigences, l'amélioration de la qualité et l'accélération du développement produit. Cette orientation concorde fortement avec la philosophie produit de SOIN AI : « l'IA entre dans le processus principal, plutôt que d'ajouter un assistant isolé ».
La complexité de la fabrication d'équipements et de l'énergie détermine que, pour créer de la valeur à long terme, l'IA doit comprendre la sémantique d'ingénierie, les relations entre processus, les frontières de permissions et le contexte des données. Les exigences, BOM, changements, tests, qualité, chaîne d'approvisionnement, exploitation-maintenance entretiennent de multiples relations amont-aval, et le moindre décalage de compréhension à une étape peut se démultiplier en coûts de reprise considérables lors des phases ultérieures de conception, validation, livraison et audit. Par conséquent, la capacité IA véritablement adaptée à la fabrication ne doit pas se limiter à « savoir répondre aux questions » : elle doit être capable d'exécuter des tâches autour d'objets d'ingénierie précis, d'organiser le contexte, de produire des résultats structurés, et, après confirmation humaine, de réécrire dans le fil numérique de l'entreprise.
L'ingénierie des exigences produits augmentée par l'IA : de « l'IA qui répond aux questions » à « l'Agentic AI qui entre dans le processus de R&D »
Présentation de M. Wang Xienan, expert applications IA générative de SOIN
Lors de la session thématique « ingénierie des exigences produits augmentée par l'IA », M. Liu Hongxun, consultant technique avant-vente de PTC Chine, et M. Wang Xienan, expert applications IA générative de SOIN, ont échangé sur la transformation de l'ingénierie des exigences à l'ère du produit défini par logiciel. Face aux problèmes communs des entreprises d'équipements complexes — longues chaînes d'exigences, forte densité de paramètres, collaboration inter-équipes complexe, changements d'exigences difficiles à tracer —, les deux parties ont montré comment l'IA, combinée à des plateformes de gestion des exigences comme Codebeamer, forme une capacité d'enrichissement intelligent de bout en bout allant de l'importation des exigences, aux contrôles qualité, à la vérification de cohérence, à la décomposition intelligente et jusqu'à la génération de cas de test.
SOIN AI a souligné sur place que l'ingénierie des exigences des industries d'équipements complexes exige non pas seulement une compréhension textuelle, mais un jugement stable sur les terminologies, paramètres, règles et relations. Les modèles génériques peuvent résoudre la compréhension, le résumé et la génération au niveau du langage naturel ; mais dans des scénarios complexes comme l'hydraulique, le contrôle électrique, les stratégies de contrôle, la sécurité du stockage d'énergie, les frontières de paramètres d'ingénierie, les règles d'entreprise et les relations amont-aval, l'entreprise a besoin du soutien conjoint d'un modèle sectoriel et de l'ingénierie de contexte pour que l'IA passe de « lire les mots » à « lire les contraintes d'ingénierie ». Ce jugement se reflète aussi dans les documents de SOIN AI présentés sur place : la clé de l'agent d'ingénierie des exigences réside dans une meilleure ingénierie de contexte ; ce n'est qu'en combinant sources des exigences, relations, règles, historique, tests et frontières de permissions que les résultats de l'IA deviennent exploitables sur le plan de l'ingénierie.
Autour de cet objectif, SOIN AI a intégré la capacité ALA dans le processus principal de gestion des exigences de Codebeamer, formant une boucle fermée « lecture des exigences et de leur chaîne de relations via l'ID — traitement assisté par IA — sortie de résultats structurés — confirmation humaine — sédimentation dans la ligne principale de Codebeamer ». Ce parcours souligne que l'IA ne remplace pas le jugement final de l'ingénieur, mais fournit, dans les actions à haute fréquence que sont la lecture, la vérification, la recherche, la décomposition, la validation, une assistance d'ingénierie confirmable, traçable et réinscriptible.
SOIN AI ALA : les acquis produits d'IA pour la gestion du cycle de vie logiciel au service de la fabrication avancée
Démonstration de l'intégration de SOIN AI ALA dans Codebeamer
L'ALA (assistant intelligent du cycle de vie de la R&D) présenté en vedette par SOIN AI lors de cet événement est une application ALM intelligente de niveau sectoriel, bâtie sur le moteur Agentic Workflow Engine (AWE) et la suite Agentic Documents Suite (ADS) développés en interne par SOIN AI. Destinée aux maillons à forte valeur que sont la revue des exigences, la gestion des tests, la sélection de composants, elle transforme les connaissances dispersées dans les PDF, spécifications techniques, documents d'exigences, actifs de tests, projets passés et expériences d'experts en actifs de connaissances orchestrables, appelables et exécutables automatiquement par des agents intelligents. Les documents produits indiquent que l'ALA, orientée scénarios ALM de la fabrication, sert en priorité la revue des exigences, la gestion des tests et la sélection de composants, et prend en charge les exigences de conformité et de traçabilité telles qu'INCOSE, ISO26262 et ASPICE.
Autour du scénario Codebeamer + AI, SOIN AI a déjà sédimenté huit capacités IA de bout en bout pour les exigences :
Importation PDF et analyse des documents d'exigences. Face aux PDF de spécifications, protocoles, avis de changement émis par les donneurs d'ordre, ALA peut les convertir automatiquement en documents d'exigences à structure claire, mise en forme normalisée, éditables et réutilisables, réduisant la saisie manuelle et la mise en forme, et améliorant l'assimilation des exigences dès le lancement du projet.
Traduction des items d'exigences et collaboration multilingue. Pour la R&D inter-régions, la collaboration avec des clients étrangers, la compréhension de normes techniques en langue étrangère, ALA prend en charge une traduction spécialisée de haute précision qui, en s'appuyant sur des bases terminologiques, la sémantique du contexte et les usages du secteur, produit des traductions cohérentes en terminologie, logiquement fluides et interactives, réduisant les écarts de compréhension des détails techniques pour les équipes non natives.
Contrôle de qualité des exigences. La qualité des exigences est la source du fil numérique de la R&D. ALA peut, sur la base de normes de qualité des exigences comme INCOSE, auditer intelligemment la clarté, l'exhaustivité, la vérifiabilité, la cohérence des items d'exigences, aidant l'entreprise à détecter les ambiguïtés, omissions et formulations non conformes avant que les exigences n'entrent dans les étapes de conception, développement, validation, et à réduire le risque de reprise causé par la migration des défauts vers l'aval.
Contrôle de similarité des exigences et réutilisation des connaissances. Dans les environnements de R&D complexes à multiples équipes et projets parallèles, les exigences dupliquées, les formulations incohérentes et la sous-utilisation des actifs historiques sont des problèmes fréquents. Par recherche sémantique et évaluation de similarité, ALA identifie les exigences similaires, dupliquées et les contradictions potentielles, prend en charge la réutilisation inter-projets, la traçabilité des exigences et l'analyse d'impact des changements, et élève la qualité de la base d'exigences et l'efficacité des revues.
Contrôle de cohérence des exigences. Dans la fabrication d'équipements, les énergies nouvelles et les équipements de haute technologie, les paramètres clés des items d'exigences entretiennent souvent des relations de décomposition amont-aval. Dès qu'une frontière numérique se déforme en transitant, interfaces, intégration système, tests et validations risquent de dévier. ALA peut vérifier automatiquement la cohérence des indicateurs numériques clés dans les exigences hiérarchiques, identifier les conflits et permettre de naviguer vers les exigences liées, aidant l'entreprise à garantir une transmission précise des paramètres, une allocation rationnelle et une traçabilité.
Génération automatique de cas de test. Face à la lenteur de l'écriture manuelle des cas de test, à une couverture dépendante de l'expérience, à la difficulté d'unifier les étapes et résultats attendus, ALA peut exécuter un flux de génération de cas de test à partir des exigences, produire titres de test, préconditions, étapes d'exécution et résultats attendus, et permettre à l'ingénieur de corriger et confirmer manuellement à toute étape, sédimentant ainsi les actifs de vérification des exigences dans la ligne principale ALM.
Décomposition intelligente des exigences par l'IA. Lors de la conversion des exigences produit en exigences logicielles et des exigences système en exigences de sous-systèmes, ALA peut, en combinant le contexte métier cible et les contraintes, décomposer les exigences de façon structurée et produire des exigences logicielles ou aval revues, traçables et de granularité plus cohérente, réduisant omissions et ambiguïtés dues à la compréhension humaine.
Recherche intelligente d'exigences. Face à la faible efficacité de la recherche par mots-clés dans de vastes bases d'exigences et à la difficulté de couvrir la sémantique d'ingénierie et les contraintes de paramètres, ALA prend en charge l'interrogation en langage naturel et le rapprochement des exigences, renvoyant des listes d'exigences par similarité et pertinence, aidant les ingénieurs à localiser rapidement les actifs historiques, au service de la réutilisation inter-projets, de l'analyse d'impact et des décisions de R&D.
Codebeamer AI de PTC renforce également la rédaction des exigences, la génération de tests, la maintenance des relations de traçabilité et l'analyse des risques de conformité. Selon les documents PTC, Codebeamer AI peut aider à générer, optimiser et clarifier les exigences, proposer des cas de test à partir des exigences et maintenir des relations précises entre artefacts, tout en identifiant précocement les lacunes, incohérences et risques de conformité du cycle de vie. La capacité ALA localisée de SOIN AI offre, autour des habitudes métier réelles des industriels chinois, des exigences de déploiement privé, des systèmes terminologiques sectoriels et des environnements d'intégration des plateformes existantes, des solutions enrichies plus proches des scénarios locaux.
Windchill + AI : faire passer les données produit de « gérables » à « compréhensibles, réutilisables, décisionnelles »
M. Lü Zhenyuan, responsable technique senior de PTC pour les équipements industriels — stratégie IA localisée Windchill et retour d'expérience
Lors de cet événement, PTC a également partagé sa stratégie IA localisée Windchill et des cas concrets, montrant la valeur d'application de l'IA dans l'interaction avec les données produit, l'efficacité d'exécution métier et la coordination intelligente des processus. Selon les documents officiels de PTC, Windchill AI, en intégrant l'IA directement dans les flux de travail PLM, aide les utilisateurs à trouver, comprendre et traiter plus vite des données produit complexes, prend en charge l'interrogation en langage naturel, le résumé de documents complexes et la traçabilité des données produit fiables, et améliore l'efficacité d'utilisation du PLM sous contrôle d'accès strict et mécanismes de gouvernance.
Autour du scénario Windchill + AI, SOIN AI a déjà constitué, dans son système de services produits pour la fabrication, de multiples capacités déployables, concentrées notamment sur l'interaction intelligente avec les données produit, l'analyse des documents techniques de composants, la recherche et la sélection de matériaux, la gouvernance des données BOM, l'analyse d'impact des changements et l'enrichissement par graphe de connaissances.
Dans les scénarios PLM de chaîne d'approvisionnement intégrée et de gestion des composants, les défis courants des entreprises incluent la faible efficacité de la saisie, la difficulté d'interrogation des données, la rigidité des processus d'analyse. La saisie manuelle des paramètres de matériaux est peu efficace, peu normalisée, et affecte la sélection et l'exactitude des BOM ; la conversion des besoins flous en paramètres techniques par les ingénieurs est longue et source d'erreurs, et l'appariement sémantique et l'intégration de données dans des documents multilingues restent difficiles ; les processus d'analyse traditionnels reposent surtout sur des règles figées, peu aptes à soutenir une aide à la décision flexible, multidimensionnelle et inter-sources. Les documents de SOIN AI répondent à ces problèmes par trois types d'actions — saisie intelligente, interrogation intelligente, analyse intelligente —, incluant la classification automatique des matériaux et l'extraction d'attributs, la reconnaissance des données Datasheet et la construction d'une base de connaissances des composants, la détection de doublons et la recommandation de substituts, la réutilisation inter-projets des paramètres, l'analyse comparative multi-sources et la génération de premières propositions techniques.
Pour l'analyse des documents techniques de composants, SOIN AI peut prendre en charge l'analyse et l'extraction multi-formats, la reconnaissance et la conversion multilingues, la classification intelligente des composants, l'extraction des attributs de classification et la création automatique des matériaux classés, aidant les entreprises à convertir en actifs de données structurés les informations non structurées dispersées dans les PDF, Datasheets et spécifications fournisseurs, et à élever la qualité des données de matériaux à la source.
Pour l'interaction intelligente et l'aide à la décision, SOIN AI prend en charge l'interrogation en langage naturel, l'analyse intégrée multi-sources, la comparaison complète des composants et matériaux, la recommandation intelligente de substituts et les propositions d'optimisation de conception, aidant les ingénieurs à réduire le temps passé à chercher, comparer et organiser les documents dans le système, pour consacrer plus d'énergie au jugement de conception et aux décisions d'ingénierie.
Dans des processus métier PLM plus complexes, SOIN AI peut combiner graphe de connaissances, RAG et capacités Agentic Workflow pour soutenir la recherche et la sélection de matériaux assistées par IA, l'analyse d'impact des changements de conception assistée par IA, la génération assistée de plans de contrôle, la construction intelligente des BOM, etc. L'objectif n'est pas de contourner les systèmes PLM principaux comme Windchill, mais de s'appuyer sur la base de données produit et le système de processus existants pour que l'IA accomplisse extraction d'informations, compréhension des relations, alertes de risques et sorties structurées, sous données de confiance, gouvernance des permissions et confirmation humaine.
Des fonctions IA ponctuelles à l'Agent au niveau du processus : la méthodologie de déploiement de SOIN AI dans la fabrication
Présentation de l'architecture des solutions sectorielles de SOIN AI
La difficulté du déploiement de l'IA dans la fabrication n'a jamais été seulement la capacité du modèle en soi, mais la manière de l'articuler avec les processus réels, les données réelles, les permissions réelles et les mécanismes de responsabilité réels de l'entreprise. SOIN AI estime que les industriels avancés ont besoin d'une boucle complète « capacité IA + orchestration métier + gouvernance des données + confirmation humaine + réécriture dans le système ».
Sur l'architecture produit, SOIN AI a constitué une base de capacités centrée sur AWE et ADS. AWE fournit les capacités d'orchestration multi-agents, multi-outils et de tâches ; ADS fournit les capacités d'analyse, de découpage, de compréhension, d'extraction et de structuration des documents complexes. Sur cette base, SOIN AI convertit, via Agentic RAG, le découpage multimodal, l'Embedding sémantique hiérarchique, l'extraction d'entités d'exigences de haute précision, la vérification logique inter-documents, les documents, règles, exigences, tests, matériaux et expériences de projets passés de la fabrication complexe en connaissances d'ingénierie recherchables, évaluables, orchestrables et réutilisables. Les documents indiquent que l'ALA a déjà formé un système d'agents intelligents ALM incluant l'agent de revue de qualité des exigences, l'agent de génération et d'évaluation de cas de test, l'agent d'analyse d'impact des changements, l'agent de génération de matrices de traçabilité, l'agent de suggestions d'optimisation qualité, et souligne les exigences de contrôle de niveau industriel : déploiement localisé, modèles Embedding privés, isolement sécurisé des documents, traçabilité des chaînes de raisonnement.
Sur le chemin du déploiement et de la gouvernance, SOIN AI recommande de partir de scénarios à faible risque et forte demande récurrente, pour progresser vers l'exploitation en chaîne de l'ingénierie des exigences : première étape, documents et qualité d'abord — documents lisibles, traductions cohérentes, qualité des exigences en amont ; deuxième étape, renforcer la réutilisation des connaissances et la vérification des relations pour réduire duplications et conflits via recherche par similarité, réutilisation historique et vérification de cohérence amont-aval ; troisième étape, relier décomposition et validation, sédimentant décomposition des exigences, génération de tests et actifs de validation dans le processus principal ; quatrième étape, optimiser continuellement le modèle sectoriel en transformant les corrections d'experts, faux positifs/négatifs et confirmations humaines en échantillons d'entraînement et d'évaluation ; cinquième étape, bâtir un système de gouvernance et d'exploitation continue couvrant permissions, audit, supervision, évaluation et gestion des versions, pour aboutir à moins de reprises, moins d'omissions, moins de duplications, et une traçabilité complète.
Cette méthodologie fait écho au jugement de PTC sur la maturité de l'IA embarquée. PTC classe le rôle des agents IA en entreprise en trois stades de maturité : « suggérer, assister, automatiser » — de l'accès immédiat aux connaissances, du résumé de contenus et de la recherche d'informations liées, à l'assistance à l'accomplissement d'étapes de flux de travail, puis à la connexion autonome aux systèmes, la supervision des données et l'impulsion des résultats avec un minimum de saisie humaine. Pour les industriels, le déploiement de l'IA n'est pas un remplacement immédiat des processus existants, mais une progression graduelle, sur la base de données de confiance et de gouvernance des processus, de la suggestion assistée à la coordination de processus, puis à l'exécution automatisée de tâches précises.
Approfondir continuellement l'écosystème PTC, faire passer l'IA de la fabrication de la « preuve de concept » au « résultat d'ingénierie »
Échanges au stand sur la gestion du cycle de vie logiciel augmentée par l'IA
Ces dernières années, SOIN AI explore en continu les scénarios PLM, ALM et de numérisation de la fabrication au sein de l'écosystème PTC. En avril 2026, SOIN AI a présenté au sommet PTC Chine des industries électroniques de haute technologie et des dispositifs médicaux à Wuhan sa solution produit ALA pour la gestion du cycle de vie logiciel, mettant en avant ses capacités d'analyse des documents d'exigences, de traitement multilingue, de contrôle de qualité des exigences, d'identification de similarité et d'analyse de cohérence des exigences, et affirmant clairement que l'IA doit aller de « l'identification des contenus » ou « la réponse aux questions » vers un soutien en profondeur à la gouvernance des exigences, à la réutilisation des connaissances, aux processus collaboratifs et au contrôle qualité.
En septembre 2025, au sommet PTC de l'automobile à Qingdao, SOIN AI avait également partagé son expérience opérationnelle de l'Agentic AI dans l'automobile, proposant de résoudre les points de douleur de transformation des entreprises — « données endormies, processus rigides, absence d'évolution » — par la construction de bases de connaissances multimodales, la fusion profonde d'Agentic AI avec les systèmes PLM et la combinaison d'Agentic AI avec l'ALM. Des industries électroniques et dispositifs médicaux à l'automobile, puis à la fabrication d'équipements et l'énergie, la participation continue de SOIN AI à l'écosystème PTC illustre un chemin continu, de l'échange sectoriel à la validation de scénarios puis à la sédimentation produit.
Le sommet de Changsha a fourni à SOIN AI une occasion importante de présenter davantage ses capacités produits IA pour la fabrication. Autour de Codebeamer + AI, SOIN AI a déjà formé une chaîne de capacités de bout en bout allant de la collecte, l'analyse, la décomposition, la réalisation des exigences à leur validation ; autour de Windchill + AI, SOIN AI intègre l'analyse intelligente de documents, la construction de connaissances matériaux, la gouvernance des données BOM, l'interaction en langage naturel, l'analyse d'impact des changements et l'enrichissement par graphe de connaissances dans la gestion des données produit et la collaboration métier PLM.
Pour l'avenir, SOIN AI continuera de défendre la philosophie « dans l'application de l'IA, la mise en œuvre est reine » et, s'appuyant sur ses capacités Agentic AI développées en interne, ses modèles sectoriels de fabrication et son expérience de déploiement de niveau entreprise, explorera avec les partenaires de l'écosystème PTC et davantage d'entreprises de fabrication d'équipements, d'énergie, d'équipements de haute technologie et d'énergies nouvelles les applications profondes de l'IA dans la numérisation de la R&D, la gestion du cycle de vie produit, la gestion du cycle de vie logiciel et la collaboration de chaîne d'approvisionnement.
L'IA n'est pas un « outil externe » de la transformation numérique de la fabrication, mais une capacité endogène qui entre dans les données produit, les processus d'ingénierie et le système de connaissances de l'entreprise. SOIN AI espère, par des acquis produits solides et des solutions réellement déployables, aider les industriels à transformer les données dispersées en connaissances réutilisables, les processus complexes en tâches orchestrables, et la capacité de l'IA en résultats d'ingénierie de meilleure qualité, plus efficaces et plus traçables.