Conception circulaire d’orthèses durables à l’aide de l’IA générative

Cette recherche explore l’utilisation de l’IA générative pour révolutionner la conception d’orthèses durables, en réponse aux limites du modèle linéaire actuel « extraire–fabriquer–jeter ». Axé sur les orthèses à base de polymères, le projet vise à développer un cadre novateur piloté par l’IA, intégrant les principes de l’économie circulaire à toutes les étapes du cycle de vie : de la conception et la production jusqu’à l’usage et la fin de vie.
 
En s’appuyant sur des techniques avancées, telles que l’ingénierie de prompts multiples, ce cadre permettra d’optimiser de manière itérative la performance technique, la circularité, la durabilité et les coûts, tout en exploitant des sources de données variées. Cette approche a pour ambition de doter les concepteurs d’outils puissants pour créer des orthèses à la fois écoresponsables et performantes, contribuant ainsi à une transition vers une économie circulaire dans le domaine de l’orthopédie.

 
Cette recherche vise à développer, affiner et valider un modèle de langage automatisé (LLM) dédié à la conception de produits durables, en intégrant les principes de l’économie circulaire et en optimisant les coûts tout au long du cycle de vie.
 
Objectifs spécifiques
 
Définition d’un score de circularité : Élaborer un indicateur de circularité basé sur les variables de conception, les paramètres de fabrication, les indicateurs de durée d’usage et les scénarios de fin de vie d’un cas d’étude. Ce score sera construit à partir de 60 critères de circularité issus des stratégies « R » (Refuser, Réduire, Réutiliser, etc.).
 
 
Collecte et structuration des données : Constituer une base de données exhaustive regroupant les paramètres de conception, les critères de circularité et les indicateurs de durabilité. Cette base s’appuiera sur des sources variées : littérature scientifique, entretiens avec des experts, données industrielles et cadres réglementaires.
 
Sélection et expérimentation d’un LLM : Identifier un modèle de langage pertinent, puis le configurer pour évaluer les coûts, anticiper les modes de défaillance des composants et calculer le score de circularité selon différents scénarios de conception, à l’aide de techniques avancées d’ingénierie de prompts.
 
Validation du modèle : Évaluer la performance du LLM en comparant ses résultats avec des évaluations réalisées par des experts humains, en mobilisant des outils d’analyse statistique pour en mesurer la fiabilité, la robustesse et la précision sur les plans technique et circulaire.