Neural Concept accélère l’IA appliquée à l’industrie

La société lausannoise développe des modèles d’apprentissage profond capables de prédire le comportement physique d’une pièce industrielle avant qu’elle ne soit simulée puis fabriquée. Là où une simulation classique demande des heures de calcul, le modèle entraîné répond en quelques secondes.

Le gain revendiqué est un raccourcissement des cycles d’ingénierie dans l’automobile, l’aéronautique et l’énergie. Les constructeurs testent davantage de variantes de conception pour un même budget de calcul, ce qui déplace la contrainte du temps machine vers la qualité des données d’entraînement.

Cette qualité reste le point sensible. Un modèle entraîné sur une famille de pièces se dégrade lorsqu’on l’applique à une géométrie éloignée de son domaine d’apprentissage. Les équipes d’ingénierie conservent donc une étape de vérification par simulation traditionnelle sur les cas critiques.

La levée de fonds finance surtout le déploiement commercial et l’intégration aux chaînes logicielles existantes. À ce stade, aucune donnée publique indépendante ne permet de mesurer précisément l’écart entre les performances annoncées et les gains constatés chez les clients.