ChatGPT a Aidé à Concevoir un Contrôleur pour une Machine Distributrice de 32 Jus

Un post remarquable est apparu sur Habr montrant comment ChatGPT a été utilisé non pas pour du texte ou du code, mais pour la conception initiale du matériel — spécifiquement un contrôleur pour une machine à vendre des jus. L'auteur ne montre pas l'appareil terminé, mais la conversation elle-même est une bonne illustration de la manière dont un LLM peut mener une entrevue d'ingénierie et rassembler les exigences étape par étape.

Comment les Exigences Ont Été Formées

L'auteur a commencé par une demande directe : ChatGPT pourrait-il développer un schéma et des fichiers Gerber pour un contrôleur de machine à vendre des jus ? En réponse, ChatGPT n'a pas immédiatement commencé à « dessiner la plaque ». Au lieu de cela, il a d'abord demandé les paramètres de base : les méthodes de paiement, le nombre de canaux de dosage, les exigences de refroidissement, le type d'interface utilisateur, le format de communication avec le serveur et la plateforme informatique préférée. Pour une tâche matérielle, c'est un moment important : le modèle s'est comporté non pas comme un générateur de solutions aléatoires, mais comme un ingénieur à la phase de collecte des exigences.

Après des clarifications, l'image est devenue plus concrète. L'appareil devrait accepter les cartes NFC, mélanger des boissons à partir de 32 jus différents, verser dans un verre standard, fonctionner avec refroidissement, avoir un écran tactile et envoyer la télémétrie à un système en nuage via des sockets. Ensuite, l'utilisateur a établi non pas une direction abstraite mais plutôt spécifique : séparer la carte d'alimentation et la carte d'interface, utiliser Orange Pi, un TFT de 10 pouces, PN532 et une connectivité LTE pour un serveur Linux.

Ce que le Modèle a Proposé

Sur la base de ces exigences, ChatGPT a divisé le système en modules et a proposé une architecture préliminaire. La conversation incluait non seulement des idées générales mais aussi des blocs pratiques que cet appareil a véritablement besoin.

• carte d'alimentation séparée pour contrôler les actionneurs et la distribution de l'alimentation
• carte d'interface utilisateur basée sur Orange Pi
• module NFC PN532 pour l'acceptation de cartes
• affichage TFT de 10 pouces pour les scénarios de sélection de boisson
• modem LTE et communication avec serveur via sockets

Séparément, le modèle a proposé des options pour le contrôle de la dispensation de liquide et du refroidissement. Initialement, les moteurs pas à pas, les vannes solénoïdes et même les alternatives telles que Raspberry Pi, STM32 et ESP32 dans différents rôles ont été discutés. Pour le refroidissement, ChatGPT a mentionné soit les éléments Peltier avec ventilateurs, soit un système à compresseur — c'est-à-dire qu'il n'a pas réduit tout à une seule solution standard.

Il a aussi été utile que le modèle continue à poser des questions au lieu de prétendre que tous les paramètres étaient déjà connus. Il a clarifié si la surveillance du niveau de jus était nécessaire, quel stack de communication avec serveur serait plus pratique, s'il y aurait plusieurs types de verres et quels pilotes devraient être sélectionnés. C'est sur ces détails que les démos d'IA trop optimistes échouent souvent.

Comment le Schéma a Évolué

Au cours de la conversation, l'auteur a reconsidéré un composant clé : au lieu de moteurs pas à pas, il a demandé d'utiliser des mini-pompes péristaltiques d'AliExpress parce qu'elles sont moins chères. ChatGPT a accepté ce compromis et a immédiatement noté la limitation : de telles pompes sont plus simples à contrôler et moins chères, mais ont généralement une précision de dosage inférieure.

«

Les pompes péristaltiques sont plus simples à contrôler et moins chères, bien qu'elles aient une précision de dosage légèrement inférieure. »

Après cela, le modèle a proposé une séquence logique de travail : d'abord concevoir la carte d'alimentation, puis travailler sur le routage et les fichiers Gerber. L'auteur a confirmé cet ordre.

L'extrait publié ne contient aucun schéma réel, PCB ou fichiers de production. Donc, il ne s'agit pas encore d'un contrôleur complètement terminé, mais d'une étape initiale du développement de l'ingénierie où ChatGPT aide à empaqueter une idée dans une structure système et transformer une demande vague en une spécification plus formelle. C'est pourquoi le post est intéressant non pas comme preuve que les LLM remplacent déjà les développeurs d'électronique, mais comme un exemple d'un scénario différent. Le modèle agit en tant que partenaire de discussion qui aide à garantir que les blocs système critiques ne soient pas oubliés, structure la sélection des composants et itère rapidement parmi les options architecturales avant le début du travail de conception réel.

Ce Que Cela Signifie

De tels cas montrent que ChatGPT est déjà utile dans les tâches matérielles comme un outil pour la conception préliminaire et la collecte des exigences. Mais la valeur émerge non pas où le modèle « a tout fait lui-même », mais où la personne l'utilise pour accélérer les premières itérations d'ingénierie et vérifie chaque solution avant la production.