Nissan utilise les ressources les plus avancées de l’Intelligence Artificielle (IA) pour accélérer le développement de nouveaux modèles, grâce à un partenariat stratégique avec le fournisseur Monolith. En réduisant le nombre de tests de prototypes physiques sur les routes, la marque japonaise vise également à diminuer le temps nécessaire pour lancer ses nouvelles créations.
Cette collaboration s’inscrit dans le cadre de Re:Nissan. Parmi les priorités énoncées dans le plan figure l’ambition de mettre de nouveaux produits entre les mains des clients plus rapidement, ce qui implique une réduction significative des temps de conception et de développement, une mission que le constructeur entend réaliser avec le soutien de partenaires qui favorisent l’innovation et l’efficacité opérationnelle.
Initialement utilisée pour valider les tests de la nouvelle génération de la Leaf, un compact électrique en cours de lancement, la technologie IA de Monolith sera utilisée sur l’ensemble de la future gamme de la marque japonaise pour le marché européen, les ingénieurs du Cranfield Technical Center au Royaume-Uni utilisant l’intelligence artificielle pour prédire les résultats des tests physiques avec une plus grande précision. Cela réduira la dépendance à travailler avec des prototypes et rationalisera l’ensemble du processus de développement, les équipes travaillant sur ces programmes se concentrant davantage sur la résolution pratique de problèmes et la prise de décisions.
Le partenariat que Nissan a avec Monolith a été prolongé de deux ans, après avoir contribué à une réduction de 17 % du nombre de tests physiques, par rapport à des plans de développement équivalents réalisés sans le soutien de l’IA. Selon Emma Deutsch du Centre Technique Européen, “en intégrant ce ‘logiciel’, qui prend en compte des décennies de données de test, nous sommes capables de simuler et valider les performances de nouveaux modèles avec une précision remarquable. Les modèles d’apprentissage automatique, entraînés avec une combinaison d’enregistrements historiques et de simulations numériques, nous permettent de réduire la dépendance aux prototypes physiques, diminuant considérablement les délais de développement et les ressources consommées par ces programmes”.
