Le MCP Bridge de Neural Concept fait le lien entre les agents IA et les logiciels d’ingénierie commerciaux qui façonnent le développement de produits moderne. Au lieu de cantonner l’IA au code, aux documents ou à des tâches de prédiction isolées, le MCP Bridge permet aux agents d’ouvrir, de modifier et de préparer des modèles dans CATIA et NX, d’effectuer le maillage dans ANSA ou HyperMesh, puis de transmettre les configurations aux solveurs Abaqus. L’IA peut ainsi prendre en charge les étapes manuelles faisant appel à plusieurs outils, qui constituent souvent un goulot d’étranglement dans les cycles de simulation et mobilisent de nombreuses heures de spécialistes. Ces tâches répétitives de préparation deviennent alors une étape automatisée et vérifiable dans un processus piloté par les ingénieurs.
Sur le plan technique, le Bridge s’appuie sur le Model Context Protocol, un protocole ouvert, pour transmettre tâches et contexte d’ingénierie entre des postes Windows et des clusters Linux, tout en conservant les données et les licences dans le périmètre de l’entreprise. Neural Concept évalue et ajuste différents modèles en fonction des tâches afin que l’agent choisisse la capacité la mieux adaptée à la modification CAO, au maillage ou à la préparation des calculs. Les connecteurs ne se limitent pas à reproduire des frappes de clavier : ils intègrent les spécificités des outils et les règles de l’équipe, pour que les agents respectent les pratiques d’ingénierie établies. Leurs résultats sont ainsi directement exploitables, plutôt que fragiles ou simplement corrects sur le plan syntaxique, mais erronés sur le fond.
L’exemple d’un client de l’entreprise est parlant : le nettoyage manuel de la géométrie d’une jante, qui prenait auparavant environ une journée, a été ramené à près de trois minutes grâce à un agent connecté au MCP Bridge. Il ne s’agit pas seulement d’un gain de temps spectaculaire : cela change le rythme et les modalités d’itération des équipes. En accélérant le nettoyage et le maillage, on peut valider davantage de variantes de conception, réaliser des études de sensibilité à moindre coût et explorer plus en profondeur les compromis, même lorsque les délais avant lancement sont serrés. L’ingénieur continue toutefois de valider le modèle nettoyé : son rôle évolue, du travail de correction pratique vers la coordination et la validation.
Les retombées varient selon les secteurs. L’aérospatiale et l’automobile peuvent tirer le meilleur retour sur investissement direct de cycles d’itération accélérés, de la réduction des goulots d’étranglement liés au manque de spécialistes et de délais plus courts pour les études nécessaires à la certification. Les équipes de l’électronique et de la production à grande échelle peuvent accroître leur capacité de traitement pour la préparation des analyses thermiques et structurelles. Dans tous les secteurs, les avantages concrets sont les mêmes : moins de retards aux étapes de validation, davantage de travaux menés en parallèle et un levier d’ingénierie accru — à condition d’investir dans la gouvernance, les processus de validation et la mesure des résultats des agents selon des indicateurs d’ingénierie reconnus.