Innovations en conception structurelle – ouvrir la voie vers l'avenir

Pourquoi même se donner la peine de changer quoi que ce soit dans ce que nous faisons au quotidien ? N'est-ce pas déjà suffisamment satisfaisant dans l'état actuel de nos bureaux d'ingénierie ? La charge de travail est déjà considérable, de nouvelles structures sont construites chaque jour, et cela ne changera probablement pas de sitôt. Les outils numériques des ingénieurs d'aujourd'hui sont déjà extrêmement puissants, avec des vitesses impensables il y a quelques années. La force qui pousse à tout type de changement naît toujours d'un besoin. Alors, quel est le « besoin » actuel des bureaux d'ingénierie civile ?

Il semble qu'il y en ait plusieurs... 

• de moins en moins de personnes sont prêtes à exercer ce métier au quotidien
• la charge de travail augmente chaque année grâce à la croissance économique dans de nombreuses régions
• le rythme de développement dans d'autres domaines de l'ingénierie liés au génie civil est bien plus élevé
• la complexité des projets augmente de façon monumentale, avec un accent sur les solutions « vertes », la consommation d'énergie et l'impact CO₂

Essayons de jeter un coup d'œil sur le futur proche de notre domaine.

À quoi ressemblera le métier d'ingénieur structure ?

Le métier d'ingénieur structure est-il l'un de ceux menacés par l'émergence de l'IA ? Pas vraiment, du moins, pas si tôt. Le nombre de variables entrant en jeu dans chaque mission est tout simplement trop élevé pour être couvert par des algorithmes. Et non pas en raison de la puissance de calcul nécessaire, mais à cause de bases de données non synchronisées et non coopérantes provenant de différents domaines, et du bon sens humain nécessaire pour donner du sens à toute cette masse de données.

D'un autre côté, le travail quotidien d'un ingénieur structure ressemblera-t-il à ce qu'il est aujourd'hui ? Des plans papier, des annotations manuscrites, des centaines de DWG et PDF, des tableurs interminables, des modèles structurels de granularité différente (refusant de communiquer entre eux), des centaines d'e-mails et de messages de chat sur les projets, des délais, des budgets, de longues heures passées dans des bureaux remplis de dossiers, de livres, de normes de calcul, de manuels et de revues structurelles ? 

Espérons que non.

Mais que pouvons-nous améliorer pour passer de la réalité d'aujourd'hui à un environnement bien plus favorable à l'avenir ? Si nous voulons travailler intelligemment plutôt que durement, nous devrions saisir les opportunités disponibles. Et, si elles ne sont pas visibles maintenant, nous pourrions regarder du côté de domaines voisins tels que l'ingénierie mécanique, où des expressions comme l'apprentissage automatique, le traitement des mégadonnées ou l'optimisation topologique sont déjà utilisées depuis un certain temps.

Ce qui est déjà assez évident, même si l'intitulé de poste d'ingénieur structure survivra, le besoin de nouvelles compétences et aptitudes est inévitable. Avoir des connaissances en mathématiques, physique, mécanique des structures, matériaux et exigences des normes de calcul ne sera plus suffisant. Un tout nouvel ensemble de compétences numériques sera requis – travailler avec les données, construire des liens de données entre différents outils, utiliser la conception paramétrique, comprendre l'apprentissage automatique, avoir des connaissances en création de prompts efficaces, etc.

Un aspect très important non abordé jusqu'ici dans cet article, mais néanmoins crucial dans le processus de conception, concerne les gouvernements, les normes de calcul et les organismes de contrôle. Ceux-ci ne peuvent être ignorés car, sans acceptation et coopération de leur part, le progrès des technologies serait dramatiquement plus rapide que la réponse de la communauté des ingénieurs ne pourrait l'être.

Optimisation topologique

De quoi s'agit-il ? Pour le dire simplement, c'est comme résoudre une tâche difficile où vous disposez d'une quantité spécifique de blocs de construction pour créer une structure. Vous voulez qu'elle soit suffisamment solide pour résister à des charges spécifiques, mais vous voulez également utiliser le moins de blocs possible.

Dans l'optimisation topologique, des algorithmes de calcul sont utilisés pour nous aider à déterminer la meilleure façon de placer nos blocs. Le programme explore différentes conceptions, en testant des centaines de variations de placement des blocs pour rendre la structure aussi solide que possible tout en utilisant le moins de blocs nécessaires. C'est comme si l'ordinateur testait toutes sortes de conceptions de ponts pour voir lequel peut supporter le plus de poids sans s'effondrer, tout en ne gaspillant aucun bloc.

Cette méthode aide les ingénieurs et les concepteurs à concevoir des structures très efficaces, et parfois d'apparence inhabituelle, qui remplissent leur fonction en utilisant le moins de matériau possible. C'est une façon intelligente de concevoir des ouvrages car elle économise les matériaux, réduit le poids et conduit souvent à des conceptions innovantes auxquelles nous n'aurions peut-être pas pensé par nous-mêmes.

Dans l'image ci-dessus, vous pouvez voir trois conceptions optimisées d'un pont tridimensionnel associées à différents ensembles de conditions d'appui [K. Bando, R. Din, M. Fouquerand, L. Gilbert, A. Moissenot, and M. Nicolas, Optimisation d'une structure et application architecturale, PSC MEC07, Ecole Polytechnique (X), 2016].

Ce qui est déjà disponible

Peut-être l'outil de conception le plus avancé pour le béton armé structurel disponible aujourd'hui, IDEA StatiCa Detail, est capable de montrer à l'utilisateur l'optimisation topologique basée sur les flux de contraintes dans la géométrie définie. Cet outil montre très clairement et visuellement au concepteur quelles sont les positions et directions les plus efficaces pour les barres de ferraillage. Vous pouvez consulter notre article de blog dédié à l'optimisation topologique.

Même ces modèles puissants et avancés ne sont que le début de ce qui pourrait être possible s'ils étaient pris au sérieux. Nous connaissons déjà des centaines de conceptions dont la géométrie est basée sur des formes organiques et ressemble bien plus à une image d'un livre de biologie qu'à une forme de treillis typique. On peut trouver plusieurs projets déjà construits ou en cours de construction avec une inspiration de formes organiques. Un bel exemple est le projet actuel de la station de métro de Riyad par Zaha Hadid Architects.

Avec un peu d'imagination, ces formes organiques pourraient apparaître en architecture non seulement pour leur beauté, mais aussi comme géométrie des structures porteuses grâce à l'optimisation topologique et aux nouveaux procédés de construction.

Quels types de structures et de projets sont résolus grâce aux outils de conception d'aujourd'hui ? Jetons un coup d'œil à notre bibliothèque d'études de cas.

La puissance des données en ingénierie

Les chercheurs d'IDEA StatiCa ont présenté lors d'une récente conférence sur les structures en acier les nouvelles méthodes utilisées pour la prédiction automatisée du taux de travail des soudures dans l'application Connection. Cette approche révolutionnaire répond à une question simple avec une solution très complexe. Quelle est la capacité réelle d'une soudure lorsque la plastification du matériau est autorisée ?

La méthode innovante décrite dans le document emploie une intelligence artificielle avancée, notamment des réseaux de neurones convolutifs, pour améliorer significativement la précision de la prédiction des taux de travail des soudures dans les structures en acier. Cette nouvelle approche est révolutionnaire pour les ingénieurs structure car elle va au-delà des méthodes traditionnelles en analysant de manière détaillée la distribution des contraintes et l'historique des déformations le long des lignes de soudure. Une telle analyse détaillée permet des estimations plus précises, adaptées à diverses configurations de soudures et scénarios de chargement. Cette avancée améliore non seulement la sécurité et l'efficacité des conceptions structurelles, mais illustre également le potentiel de l'intégration de l'apprentissage automatique avec les pratiques d'ingénierie conventionnelles, ouvrant la voie à des solutions plus intelligentes et pilotées par les données en ingénierie structurelle. Pour en savoir plus sur l'utilisation de cette amélioration, cliquez ici.

Parce qu'il n'est pas si facile de calculer des centaines d'incréments de charge en quelques secondes, l'algorithme utilise un vaste ensemble de données issues d'analyses antérieures et est capable de trouver en temps réel les valeurs de dimensions de soudure les plus proches de la solution recherchée.

Glossaire pour les nouveaux ingénieurs structure :

L'apprentissage automatique (ML) est une branche de l'intelligence artificielle qui permet aux ordinateurs d'apprendre à partir de données et de prendre des décisions basées sur celles-ci. Dans la conception et l'analyse structurelles, le ML peut être utilisé pour prédire le comportement des matériaux, évaluer l'intégrité structurelle et optimiser les processus de conception. En analysant de vastes ensembles de données, les algorithmes de ML peuvent identifier des tendances et des informations qui pourraient être manquées par les méthodes traditionnelles. Cela peut conduire à des conceptions structurelles plus efficaces, plus sûres et plus économiques. Le ML peut également contribuer à la surveillance en temps réel et à la planification de la maintenance des structures, améliorant ainsi leur durée de vie et leur sécurité.

Les réseaux de neurones convolutifs (CNN) sont un type d'intelligence artificielle largement utilisé pour le traitement de données à topologie en grille, comme les images. Ils excellent dans des tâches telles que la reconnaissance et la classification d'images. Un CNN apprend à reconnaître des motifs et des caractéristiques dans les données d'entrée grâce à des couches qui effectuent des convolutions – des opérations mathématiques qui filtrent et compressent les données. Cette structure permet aux CNN d'identifier des motifs complexes, ce qui en fait des outils puissants dans diverses applications d'ingénierie, de l'analyse structurelle aux processus de conception automatisés. Leur capacité à traiter efficacement des ensembles de données complexes en fait un atout précieux dans la résolution de problèmes d'ingénierie moderne.

Résumé

Comme vous venez de le constater, l'avenir est plus proche que vous ne le pensez. Non pas celui des images générées par l'IA, mais les premiers principes d'automatisation et d'optimisation intelligente sont déjà intégrés dans les outils d'analyse structurelle.

Les outils ne feront pas la révolution par eux-mêmes. Ce qui est nécessaire pour libérer ces nouvelles possibilités, c'est un changement de mentalité majeur de la part des acteurs impliqués dans le processus de conception. C'est aux ingénieurs de décider comment ils s'adapteront aux opportunités disponibles et comment ils les intégreront dans leurs flux de travail quotidiens.