Les modèles d’intelligence artificielle générative (IA générative) sont capables de produire des designs 3D originaux et esthétiques, mais ces créations peinent souvent à fonctionner dans le monde réel. En effet, ils ignorent souvent les lois de la physique : un siège conçu par IA peut sembler élégant, mais s’effondre dès qu’on s’y assoit. Pour résoudre ce problème, des chercheurs du laboratoire MIT CSAIL ont développé PhysiOpt, un système qui combine IA générative et simulations physiques pour produire des objets personnels fonctionnels, comme des tasses, des porte-clés ou des presse-papiers, prêts à être imprimés en 3D. PhysiOpt fonctionne en ajoutant une couche de vérification physique aux modèles d’IA existants. L’utilisateur entre simplement une description textuelle ou une image, précise l’usage prévu (par exemple, « tenir un livre » ou « supporter un poids de 5 kg »), le matériau (plastique, bois, etc.) et le mode de soutien (posé sur une surface ou en appui contre un mur). En moins de trente secondes, le système génère un modèle 3D optimisé. Par exemple, une tasse en forme de flamant rose a été conçue avec un pied et une poignée structurés pour assurer sa stabilité, grâce à des ajustements subtils effectués automatiquement. Le cœur du système repose sur une analyse par éléments finis, qui simule les contraintes mécaniques sur le modèle. Un indicateur thermique (carte de chaleur) révèle les zones fragiles — comme des poutres trop fines — et PhysiOpt les renforce discrètement sans altérer l’apparence globale. Grâce à des « priorités de forme » issues d’un modèle pré-entraîné, il conserve l’esthétique souhaitée tout en garantissant la robustesse. Comparé à des méthodes similaires comme DiffIPC, PhysiOpt est presque dix fois plus rapide par itération et produit des objets plus réalistes. Cela s’explique par sa capacité à exploiter les connaissances visuelles profondes du modèle d’IA, comme un artiste qui imite un style sans perdre l’essence de l’œuvre. L’objectif à long terme est d’automatiser davantage le processus : au lieu de demander à l’utilisateur de définir toutes les contraintes, PhysiOpt pourrait les deviner grâce à des modèles vision-langage, capables de comprendre le contexte d’usage (par exemple, « un porte-clés qui tient une clé de voiture »). Le projet a été soutenu par le MIT-IBM Watson AI Lab et Wistron Corp. Il a été présenté en décembre à la conférence SIGGRAPH Asia, une référence mondiale en informatique graphique. PhysiOpt ouvre la voie à une conception personnelle accessible, où l’imagination rencontre la réalité physique, transformant les idées fugaces en objets tangibles et durables.