La conférence SC25, qui s'est tenue la semaine dernière à Saint-Louis, a réuni 16 500 participants et un nombre record de 560 exposants, représentant la pointe de l'ingénierie informatique et de la recherche scientifique. Si la communauté du supercalcul comprend des universitaires, des chercheurs gouvernementaux et des fournisseurs de services cloud, les enseignements les plus marquants de cette édition s'adressent directement aux entreprises de développement de produits qui s'efforcent de commercialiser leurs innovations plus rapidement que jamais.

Si votre entreprise développe des produits physiques – que ce soit dans l'automobile, l'aérospatiale, les sciences de la vie, la production industrielle ou l'énergie – les tendances et les annonces de SC25 offrent une feuille de route claire pour les investissements technologiques qui permettront aux leaders du secteur de se démarquer en 2026 et au-delà. Il ne s'agit pas ici de recherche théorique ni de spéculations. Les discussions de SC25 ont porté sur les capacités opérationnelles que les services d'ingénierie et de R&D déploient actuellement pour raccourcir les cycles de développement, réduire les coûts et générer des innovations inégalées par la concurrence.

Voici les tendances concrètes issues de SC25 à prendre en compte dans votre planification pour 2026.

Où investissent les entreprises axées sur l'innovation

L'analyse de marché d'Hyperion Research a révélé que le secteur HPC+IA a connu une croissance de plus de 20 % au premier semestre 2025 et de 23 % en 2024, soit trois fois plus que le taux de croissance historique. Les dépenses totales du secteur ont atteint 60 milliards de dollars et devraient presque doubler pour atteindre 120 milliards de dollars d'ici 2029.

Il ne s'agit pas d'investissements spéculatifs. Cette croissance est portée par les services d'ingénierie et de R&D qui ont déployé des flux de travail accélérés par l'IA, mesuré les résultats et déterminé que le retour sur investissement justifie l'extension de ces capacités à l'ensemble de leur processus de développement produit. Cette croissance est alimentée par l'essor rapide des nouvelles technologies et des cas d'usage, les investissements massifs des gouvernements dans l'IA et la puissance des infrastructures d'IA désormais mesurée en gigawatts plutôt qu'en mégawatts.

Vos pairs et concurrents investissent probablement déjà dans ces technologies ou prévoient de le faire d'ici 2026. La question n'est plus de savoir s'il faut investir dans l'accélération du calcul et la simulation pilotée par l'IA, mais par où commencer et à quelle vitesse déployer des solutions permettant des gains de productivité mesurables. Lors de la conférence SC25, les entreprises ont évoqué la réduction des cycles de développement produit de plusieurs mois à quelques semaines, la diminution du temps de simulation de plusieurs jours à quelques heures et la récupération d'un temps d'ingénierie considérable auparavant perdu à cause des tâches manuelles.

Lors de l'évaluation de ces capacités, concentrez-vous sur trois facteurs principaux : des gains de productivité en ingénierie quantifiables, une simplicité opérationnelle de déploiement et de gestion, et une rentabilité claire démontrant un retour sur investissement positif dans votre horizon de planification.

Les méthodes de physique basées sur l'IA passent de la recherche à la production

L'IA pour les applications d'ingénierie spécialisées passe rapidement de la recherche à la production. Tout au long de la conférence, les discussions ont porté sur le rôle des méthodes d'IA, telles que les modèles de substitution et la modélisation d'ordre réduit, et sur leur utilisation conjointe avec les méthodes de modélisation et de simulation traditionnelles. Un consensus général s'est dégagé : les méthodes physiques de l'IA sont particulièrement efficaces pour explorer de vastes espaces de conception dès les premières étapes de la R&D, en complément des méthodes traditionnelles, qui peuvent ensuite servir à la validation.

La présentation de Rescale au théâtre Microsoft a mis en lumière des applications concrètes de ces approches, en présentant un cas d'utilisation d'optimisation aérodynamique pour General Motors Motorsports qui démontre comment les méthodes physiques de l'IA s'intègrent aux flux de travail de simulation traditionnels pour accélérer les délais de développement des produits.

L'avantage concurrentiel proviendra des organisations capables d'entraîner rapidement des modèles propriétaires sur leurs données et méthodes d'ingénierie uniques. Les modèles de base génériques constituent un point de départ, mais les modèles entraînés sur vos caractéristiques thermiques spécifiques, vos compromis aérodynamiques ou vos comportements structurels vous apporteront des informations que vos concurrents ne pourront pas reproduire. Commencez par identifier les domaines de simulation qui bénéficieraient le plus de l'accélération par l'IA : les analyses thermiques exécutées des milliers de fois par programme, les simulations structurelles avec des temps de calcul longs ou les études de dynamique des fluides explorant de vastes espaces de paramètres.

Les annonces de NVIDIA lors de la conférence SC25 ont mis en lumière l'essor des méthodes d'IA pour l'ingénierie et l'exploration scientifique. mettre en évidence Apollo, Apollo est une famille de modèles physiques d'IA ouverts couvrant la conception de semi-conducteurs, la dynamique des fluides, la mécanique des structures et la modélisation météorologique. Des entreprises comme Applied Materials, Cadence, LAM Research, Siemens et Synopsys utilisent déjà Apollo pour accélérer leurs processus de conception et de simulation. Apollo sera disponible en 2026 sur Rescale, accompagné de kits d'outils supplémentaires de NVIDIA et d'architectures de modèles tierces, offrant ainsi un accès à diverses méthodes de prédiction par simulation d'IA.

L'IA et les agents pour ingénieurs promettent de booster la productivité

L'IA agentique et les flux de travail autonomes sont apparus comme un thème central tout au long de SC25, avec de nombreuses discussions sur des systèmes capables d'orchestrer de manière indépendante des tâches d'ingénierie complexes, de tester des hypothèses et d'optimiser les flux de travail avec une supervision humaine intégrée plutôt qu'une intervention manuelle constante.

Toutefois, les professionnels s'accordent généralement à dire que l'automatisation par agents nécessite une solide compréhension des données et des processus. Les organisations ne peuvent déployer d'agents intelligents pour automatiser les flux de travail si les données sous-jacentes sont fragmentées, incohérentes ou inaccessibles. Les implémentations les plus réussies commencent par la capture des flux de travail au moment de leur exécution, pendant que les ingénieurs travaillent, facilitant ainsi la cartographie des processus pilotée par l'utilisateur et la standardisation des données sans nécessiter de lourdes structures de gouvernance initiales.

La vision est séduisante : des agents de simulation qui lancent automatiquement des analyses lorsque les paramètres changent, orchestrent les charges de calcul sur différentes architectures tout en optimisant les coûts et les performances, génèrent des rapports automatisés et synchronisent les résultats validés avec les systèmes PLM, le tout sans intervention manuelle. Mais pour y parvenir, il faut d’abord relever le défi de l’intelligence des données : capturer automatiquement les métadonnées pendant l’exécution des simulations, établir des liens numériques traçables et permettre une recherche basée sur l’IA dans les connaissances d’ingénierie.

Le passage à l'automatisation active ne se fait pas du jour au lendemain. Il commence par la mise en place des fondations de données qui rendent l'automatisation possible : des réseaux de données unifiés qui capturent automatiquement les métadonnées de simulation, des assistants IA qui offrent un accès instantané à l'analyse interdisciplinaire grâce à des requêtes en langage naturel, et des plateformes capables de modéliser les flux de travail communs pour une réutilisation par les équipes.

Le secteur public signale des investissements stratégiques dans l'informatique

La 25e session du SC25 a bénéficié d'une forte participation des agences gouvernementales et des organismes du secteur public, ainsi que des entreprises du secteur privé qui soutiennent les initiatives nationales de recherche et développement. Leur présence et les annonces récentes qui ont suivi confirment l'engagement du secteur public à investir dans les capacités de calcul, infrastructure essentielle à l'innovation.

La Maison Blanche a annoncé Décret exécutif de la mission GenesisCe projet représente un effort national historique visant à investir dans des ressources de calcul haute performance et à construire une plateforme d'IA intégrée exploitant les ensembles de données scientifiques fédéraux pour entraîner des modèles de base et créer des agents d'IA afin d'accélérer les découvertes. Amazon a également annoncé un investissement pouvant atteindre 50 milliards de dollars pour étendre les capacités d'IA et de supercalcul des clients du gouvernement américain, ajoutant près de 1.3 gigawatts de capacité sur des régions AWS sécurisées et permettant aux agences de réaliser en quelques heures ce qui prenait auparavant des semaines.

Il convient de noter que le secteur public continue d'investir massivement dans les solutions cloud pour la flexibilité et l'agilité qu'elles offrent. Cela devrait constituer un signal fort pour les organisations du secteur privé qui ont tardé à adopter l'infrastructure cloud. L'adoption croissante du cloud à cette échelle par les agences gouvernementales, traditionnellement connues pour leurs exigences de sécurité strictes et leurs infrastructures sur site, confirme la maturité, la sécurité et la valeur stratégique des modèles de déploiement cloud pour les charges de travail de R&D critiques.

Le secteur public indique clairement les orientations futures en matière de capacités critiques. L'accent mis sur les plateformes intégrées qui unifient le calcul, les données et l'IA (plutôt que sur un ensemble disparate de solutions ponctuelles) confirme les mêmes défis que ceux rencontrés par la R&D du secteur privé. Pour les entreprises établies et les jeunes pousses travaillant sur des projets gouvernementaux ou opérant dans des domaines tels que l'énergie et la défense, ces annonces mettent en lumière les capacités technologiques attendues des programmes futurs.

Considérations relatives au cloud pour les organisations d'ingénierie

L'adoption du cloud pour les charges de travail d'ingénierie continue de s'accélérer, et une conclusion essentielle ressort de SC25 : les organisations les plus performantes ne choisissent pas entre le cloud et l'infrastructure sur site. Elles exploitent stratégiquement les deux.

Les retours clients ont mis en lumière les principaux avantages du cloud : des coûts réduits grâce à une utilisation stratégique, une meilleure intégration aux infrastructures sur site, des contrôles de souveraineté, une intégration HPC et IA plus poussée et un accès à du matériel spécialisé. L’essor des « néoclouds » tels que CoreWeave, Nebius et Lambda témoigne de l’expansion de cet écosystème.

La question stratégique n'est pas de choisir entre « cloud ou infrastructure sur site », mais plutôt de déterminer quelles charges de travail tirent le meilleur parti des capacités du cloud. Le cloud excelle dans la gestion des pics de demande nécessitant une capacité dix fois supérieure à la normale, l'accès aux dernières architectures GPU sans investissement initial, les projets collaboratifs multisites et la mise à l'échelle rapide des nouveaux programmes. L'infrastructure sur site reste optimale pour les charges de travail de base stables, les applications avec des exigences de sécurité spécifiques et les situations où les investissements matériels sont déjà amortis.

Le facteur clé de succès réside dans le maintien de capacités d'ingénierie unifiées, quel que soit l'environnement de calcul. Les ingénieurs doivent bénéficier d'un accès constant aux résultats, de fonctionnalités de recherche unifiées et d'une collaboration fluide, que les simulations soient exécutées sur site ou dans le cloud. Le cloud permet également une mise à jour technologique continue grâce à l'accès aux dernières avancées d'infrastructure, sans les longs délais et les coûts importants liés à leur déploiement et à leur maintenance sur site.

Recommandations pour les initiatives de transformation numérique en ingénierie

D’après les analyses de SC25, voici les étapes que les responsables de l’ingénierie et de la R&D devraient prendre en compte lors de la planification de leurs investissements technologiques pour 2026 :

1. Élaborer une stratégie cloud adaptée à la charge de travail. Quelles activités d'ingénierie sont soumises à des contraintes de capacité ou nécessitent du matériel spécialisé ? Prenez en compte les carnets de commandes, les programmes urgents et prioritaires, les charges de travail qui tireraient profit de matériel plus récent disponible uniquement dans le cloud, et les pics de capacité. Privilégiez ces solutions cloud plutôt qu'une migration complète.

2. Identifier les opportunités offertes par l'IA et les agents grâce à une approche progressive. Commencez par des solutions rapides : recherche assistée par IA pour retrouver des simulations antérieures, résumés de tâches automatisés et requêtes en langage naturel. Développez ensuite des fonctionnalités avancées : modèles physiques d’IA pour les domaines à fort volume, automatisation des flux de travail pour les tâches répétitives et, à terme, agents autonomes orchestrant des processus complexes en plusieurs étapes.

3. Évaluer les fondements des données. Les ingénieurs peuvent-ils facilement retrouver et réutiliser des travaux de simulation antérieurs ? La collecte des métadonnées est-elle automatisée ou repose-t-elle sur des processus manuels ? Le savoir institutionnel est-il menacé lorsque les ingénieurs travaillent en silos ou quittent l’entreprise ?

4. Évaluer la stratégie d'intégration. Prévoyez-vous de connecter des systèmes hétérogènes nécessitant des intégrations complexes ? Des plateformes intégrées permettraient-elles de réduire la charge administrative tout en améliorant les fonctionnalités ?

5. Plan d'adoption. Privilégiez les solutions qui s'intègrent naturellement aux flux de travail existants, plutôt que celles qui nécessitent une formation approfondie. Réfléchissez à la manière de proposer des fonctionnalités nouvelles et spécialisées à un plus large public d'utilisateurs au sein de votre organisation, permettant ainsi aux utilisateurs non professionnels d'exploiter des méthodes de simulation et d'IA avancées.

Vous ne savez pas par où commencer ? Jetez les bases des cas d’utilisation de nouvelle génération.

La convergence des tendances observées lors de SC25 (plateformes unifiées, automatisation pilotée par l'IA, gestion intelligente des données, stratégies de cloud hybride) illustre l'orientation du développement produit en 2026 et au-delà. L'intelligence des données constitue un fil conducteur essentiel : la capacité à capturer et exploiter automatiquement des données de simulation à grande échelle afin de constituer un pipeline de données pour l'entraînement de l'IA.

Nous organisons un en profondeur Démonstration du produit le 10 décembre Présentation de Rescale Data Intelligence des capacités spécialement conçues pour l'ingénierie informatique et la R&D scientifique. Découvrez-en plus sur le nouveau produit et Réservez votre place pour la démo en direct.

Les entreprises qui suivent ces tendances et agissent dès maintenant seront à la pointe de leur secteur en 2026 et au-delà !