Le secteur automobile traverse une transformation majeure, accélérée par l'adoption de l'intelligence artificielle (IA) pour réduire les cycles de développement historiquement longs. Traditionnellement, la conception d'un nouveau véhicule s'étend sur plus de cinq ans, débutant par des croquis manuels itératifs avant de passer à la modélisation 3D et aux tests physiques. Cependant, le contexte économique et réglementaire actuel, marqué par un retrait des subventions pour les véhicules électriques et l'introduction de nouvelles contraintes tarifaires sous la seconde administration Trump, pousse les constructeurs à accélérer leurs processus. Chez General Motors (GM), l'IA est désormais intégrée dès la phase de design créatif. Dan Shapiro, designer créatif chez GM, utilise l'outil Vizcom pour transformer des croquis à la main en modèles tridimensionnels et animations réalistes en quelques heures, une tâche qui exigeait auparavant plusieurs mois d'efforts pour des équipes entières. Bien que ces générations visuelles, parfois qualifiées de style cyberpunk, servent actuellement de planche à tendances interne, Shapiro souligne que la décision finale et l'identité de la marque restent du ressort des humains. L'IA agit ici comme un accélérateur de visualisation plutôt que comme un créateur autonome. Au-delà de l'esthétique, l'IA révolutionne l'ingénierie aérodynamique. Des entreprises comme Neural Concept utilisent des réseaux de neurones pour réaliser des dynamiques des fluides computationnelles (CFD), remplacant des simulations de plusieurs heures sur supercalculateurs par des calculs en minutes sur des cartes graphiques standards. Jaguar Land Rover et GM utilisent cette technologie pour créer des « tunnels de vent virtuels » permettant aux ingénieurs d'obtenir un retour quasi instantané sur la traînée aérodynamique. Cette boucle de rétroaction rapide permet aux designers de modifier les surfaces et aux ingénieurs de valider l'efficacité énergétique dès les premières étapes du projet, réduisant considérablement les délais de développement. Dans le domaine logiciel, l'automatisation des tâches répétitives, telles que les tests d'unités, est également une priorité. Nissan met en œuvre des outils de génération de code pour améliorer à la fois la vitesse et la qualité du développement de véhicules logiciels. Les entreprises affirment unanimement que ces technologies visent à amplifier la productivité des équipes existantes en supprimant les tâches fastidieuses, et non à réduire les effectifs. GM et Neural Concept insistent sur le fait que l'humain reste au centre du processus de jugement et de validation. Cependant, cette révolution suscite des inquiétudes légitimes. Matteo Licata, professeur en design automobile, prévient que l'augmentation massive de la productivité pourrait inévitablement entraîner une réduction des effectifs dans les studios de design à moyen terme. De plus, l'intégration de l'IA dans des domaines comme le marketing peut mener à des erreurs, comme l'a démontré Dodge avec des images générées de mauvaise qualité. Malgré ces défis, l'objectif des constructeurs est clair : réduire le temps de mise sur le marché de 60 mois à 30 mois pour Nissan et continuer cette accélération chez GM. La réussite de cette transition dépendra de la capacité des fabricants à équilibrer l'efficacité technologique avec une surveillance humaine rigoureuse, dans un marché qui s'attend à voir les premiers fruits de ces changements vers 2029.