ChatGPT aide à concevoir le contrôleur d'un distributeur de 32 jus

Un billet révélateur est paru sur Habr : ChatGPT y est utilisé non pour du texte ou du code, mais pour l'avant-projet matériel, celui du contrôleur d'un distributeur de jus. L'auteur ne montre pas d'appareil terminé, mais la conversation illustre bien comment un LLM peut mener un entretien d'ingénierie et construire un cahier des charges étape par étape.

Comment le cahier des charges a pris forme

L'auteur a commencé par une demande directe : peut-on développer le schéma et les fichiers Gerber du contrôleur d'un distributeur de jus ? Plutôt que de « dessiner la carte » aussitôt, ChatGPT a d'abord demandé les bases : moyens de paiement, nombre de canaux de dosage, exigences de refroidissement, type d'interface utilisateur, format de communication avec le serveur et préférences de plateforme de calcul. Pour un projet matériel, c'est important : le modèle ne s'est pas comporté comme un générateur de solutions aléatoires, mais comme un ingénieur en phase de recueil des besoins.

Après ces précisions, le tableau s'est affiné. L'appareil doit accepter les cartes NFC, mélanger des boissons à partir de 32 jus, servir un gobelet standard, gérer le refroidissement, disposer d'un écran tactile et envoyer sa télémétrie à un système cloud via des sockets. L'utilisateur a ensuite donné une orientation beaucoup plus concrète : séparer la carte de puissance de la carte d'interface, et utiliser un Orange Pi, un écran TFT de 10 pouces, un PN532 et la LTE pour dialoguer avec un serveur Linux.

Ce que le modèle a proposé

Sur la base de ces exigences, ChatGPT a découpé le système en modules et proposé une architecture préliminaire. La conversation contient non seulement des idées générales, mais aussi des blocs très concrets dont un tel appareil a réellement besoin.

• une carte de puissance séparée pour piloter les actionneurs et l'alimentation
• une carte d'interface utilisateur basée sur un Orange Pi
• un module NFC PN532 pour lire les cartes
• un écran TFT de 10 pouces pour le choix de la boisson
• un modem LTE et des échanges avec le serveur via des sockets

Le modèle a aussi proposé des options pour le contrôle de la distribution du liquide et le refroidissement. Il a d'abord évoqué des moteurs pas à pas, des électrovannes et même des options comme Raspberry Pi, STM32 et ESP32 dans différents rôles. Pour le refroidissement, ChatGPT a cité soit des modules Peltier avec ventilateurs, soit un système à compresseur : il n'a donc pas tout ramené à une solution unique et standardisée.

Il est également utile que le modèle ait continué à poser des questions plutôt que de faire comme si tous les paramètres étaient connus. Il a demandé s'il fallait surveiller le niveau de jus, quelle pile de communication avec le serveur était la plus pratique, s'il y aurait plusieurs types de gobelets et quels pilotes choisir. C'est souvent sur ce genre de détails que butent les démos d'IA trop optimistes.

Comment le schéma a évolué

Au cours du dialogue, l'auteur a revu l'un des éléments clés : au lieu de moteurs pas à pas, il a demandé d'utiliser des mini-pompes péristaltiques d'AliExpress, car elles coûtent moins cher. ChatGPT a accepté ce compromis et en a aussitôt signalé la limite : ces pompes sont plus simples à piloter et moins chères, mais généralement moins précises pour le dosage.

«

Les pompes péristaltiques sont plus simples à piloter et moins chères, même si leur précision de dosage est un peu plus faible ».

Le modèle a ensuite proposé un enchaînement logique : concevoir d'abord la carte de puissance, puis passer au routage et aux fichiers Gerber. L'auteur a validé cet ordre.

Le passage publié ne contient ni schémas, ni PCB, ni fichiers de fabrication. Il ne s'agit donc pas encore d'un contrôleur entièrement abouti, mais d'une phase précoce d'ingénierie, où ChatGPT aide à structurer une idée en système et à transformer une demande floue en cahier des charges plus formel.

C'est pourquoi ce billet intéresse non pas comme preuve que les LLM remplacent déjà les développeurs d'électronique, mais comme exemple d'un autre scénario. Le modèle joue le rôle d'interlocuteur qui aide à ne pas oublier les blocs critiques du système, structure le choix des composants et passe rapidement en revue des variantes d'architecture avant le début de la conception réelle.

Ce que cela signifie

Ces cas montrent que ChatGPT est déjà utile pour le matériel, comme outil de conception préliminaire et de recueil des besoins. Mais la valeur n'apparaît pas quand le modèle « fait tout tout seul » : elle apparaît quand une personne s'en sert pour accélérer les premières itérations d'ingénierie et vérifie chaque décision avant la production.