Bonjour, ici BIMBOX.

Aujourd’hui, parlons d’un produit qui semble au premier abord être un outil de génération d’images par IA pour l’industrie de la construction, mais qui en réalité va bien au-delà. Son nom chinois estTuling, son nom anglais estAidMaster.

Nous avons découvert ce produit très tôt. En 2023, lors d’une visite au Hunan Provincial Architecture Design Institute Group Co., Ltd. (ci-aprèsl’Institut provincial du Hunan), nous avons assisté à une démonstration du produit sur place. Plus tard, en écrivant l’histoire des « Trois Mousquetaires » de l’Institut provincial du Hunan, nous avons mentionné ce produit publié en avant-première, et depuis, des amis qui suivent l’actualité nous demandent régulièrement : comment va l’outil de génération d’images par IA de l’Institut du Hunan ? Quand pourra-t-on l’utiliser ?

Sans plus de suspense, voici la conclusion : Tuling est désormais entièrement ouvert aux particuliers, aucun logiciel à installer, il suffit de s’inscrire pour l’utiliser.

Récemment, nous avons invité plusieurs membres de l’équipe derrière ce produit à notre émission « Conversations nocturnes sur le progrès numérique » pour discuter en profondeur des fonctionnalités du produit, des raisons pour lesquelles il a fallu attendre depuis son lancement en 2023 jusqu’à aujourd’hui pour une ouverture complète, et des problèmes résolus entre-temps.

Voici donc un partage complet basé sur cette conversation de plus de deux heures.

AidMaster est développé et exploité par une équipe projet d’une dizaine de personnes, issue de l’Institut de recherche numérique créé spécifiquement par l’Institut provincial du Hunan.

La création de l’Institut de recherche numérique à partir de rien cache une histoire fascinante, que nous avons racontée en détail dans « De l’ère pionnière du BIM à l’ère de l’ordre numérique : la nouvelle histoire des “Trois Mousquetaires” de l’Institut provincial du Hunan ».

Aujourd’hui, l’Institut de recherche numérique compte 60 personnes, dont une dizaine sont issues des disciplines traditionnelles de l’architecture, de la structure et du génie climatique, tout en possédant des compétences en développement numérique. Les autres sont des professionnels de l’informatique spécialisés en front-end, back-end, moteur UE, ingénierie IA, dont beaucoup ont une expérience dans de grandes entreprises technologiques. Cette équipe interdisciplinaire a créé un excellent environnement de recherche et développement.

Dès fin 2023, lors de la 2e Conférence scientifique et technologique & Lancement de produits numériques de l’Institut provincial du Hunan, l’Institut de recherche numérique a publié d’un coup sept produits, dont trois outils d’efficacité en conception et quatre plateformes d’O&M, de surveillance et de contrôle destinées à de nouvelles activités.

Le projet Tuling a vu le jour en 2023, à une époque où la technologie de génération d’images par IA commençait tout juste à émerger dans le secteur de la construction. Au départ, quelques membres se contentaient d’appliquer, d’essayer et d’explorer, sans direction précise — on pourrait même dire qu’ils « s’amusaient ».

Ils ont constaté que le modèle populaire Stable Diffusion (SD) n’était pas encore très performant, en particulier pour la génération d’images architecturales dont les résultats étaient plutôt moyens. Ils ont donc consacré beaucoup de temps à ajuster l’ingénierie des prompts, et ont découvert une amélioration notable, particulièrement utile pour aider les concepteurs à générer des images d’intention de conception.

Par exemple, lorsqu’un concepteur souhaite générer un bâtiment de style « bulle rose », il suffit de saisir quelques mots-clés comme « bulle rose, rond, verre, translucide, design ludique » pour obtenir une forme conforme aux exigences. De même, si le concepteur veut générer un bâtiment de style « créature marine », en saisissant des prompts tels que « courbes, architecture de poisson », le résultat correspond assez bien à l’esthétique d’un concepteur professionnel.

Bien que, pour un travail de production sérieux, il ne s’agisse que de rendus assez basiques, ils témoignent d’une certaine compréhension du design et d’une qualité esthétique. Après une exploration approfondie, l’équipe a conclu que la génération d’images par IA avait un réel potentiel de développement.

Après avoir obtenu un certain succès au niveau applicatif, ils ont poussé plus loin les expérimentations techniques en constituant un jeu de données privé à partir de projets historiques représentatifs de l’Institut provincial du Hunan, puis en entraînant un petit modèle LoRA.

Le volume de données injecté n’était pas considérable et les exigences en puissance de calcul étaient faibles, mais les résultats furent surprenants. Une fois l’entraînement terminé, le modèle apprenait très bien les caractéristiques stylistiques du jeu de données, ce qui les a convaincus que le projet valait la peine d’être poursuivi.

Ils ont alors passé plusieurs mois à annoter et traiter les données manuellement, et ont entraîné et publié leur premier grand modèle avec un volume de données beaucoup plus important, la plupart provenant des projets de l’Institut provincial du Hunan.

Après sa publication, le modèle a été très bien accueilli dans la communauté active de SD, atteignant la troisième place du classement hebdomadaire dans la catégorie verticale de l’architecture.

Par la suite, ils ont construit un produit autour de ce modèle, en encapsulant leur modèle entraîné dans une application et en intégrant le flux de travail dans Rhino. Ainsi, les concepteurs peuvent facilement capturer des images de leurs modèles 3D dans Rhino, puis appeler le modèle IA pour générer des images.

Grâce à cette expérience, ils ont maîtrisé le chemin de mise en œuvre, du modèle IA de base à l’encapsulation dans une interface produit. L’étape suivante consistait à permettre à davantage de concepteurs, voire à des utilisateurs d’autres secteurs, d’utiliser l’outil — d’où l’idée de développer une version web.

Fin 2023, après le lancement interne de ce premier produit, celui-ci a attiré l’attention des concepteurs du secteur et obtenu le soutien de l’Institut de recherche numérique. Un groupe dédié a rapidement été constitué, composé principalement de jeunes nés entre 1995 et 2000, couvrant les postes de front-end, back-end, recherche algorithmique, gestion de produit et design graphique. Ce groupe a permis un développement plus professionnel, faisant passer le projet du stade de démonstration à une véritable mise en production.

À mesure que la R&D progressait, la technologie sous-jacente des modèles de génération d’images évoluait rapidement, avec des architectures plus puissantes et davantage de paramètres. L’entraînement de la nouvelle génération de modèles exigeait des niveaux technique et volumique supérieurs. Ils ont développé des outils automatisés de traitement des données pour améliorer l’efficacité, et en juin de l’année suivante, le premier lot de modèles affinés pour le secteur de la construction basé sur SDXL a été officiellement publié.

Plus tard, Stable Diffusion a connu une crise commerciale et la tendance du secteur est progressivement passée de l’open source au code propriétaire. Les modèles open source affinés pour des secteurs spécifiques se sont raréfiés, et le moment est venu de tester la capacité des équipes sectorielles à entraîner leurs propres modèles.

À cette époque, le volume de données de la troisième génération de modèles de l’équipe Tuling avait atteint la centaine de milliers ; un traitement manuel était devenu impossible, nécessitant des outils entièrement automatisés développés en interne pour traiter les données d’images. Ils ont également découvert qu’à ce niveau, c’est comme le dit le proverbe des modèles de fondation : « avec assez de puissance, la brique vole » — tant que les paramètres et l’expérience sont maîtrisés, les performances du modèle s’améliorent considérablement. Le modèle était déjà capable d’obtenir de bonnes performances globales sur plusieurs scénarios : architecture, intérieur, paysage et urbanisme.

En janvier de cette année, l’équipe Tuling a publié un nouveau modèle basé sur XL, entraîné conjointement avec Glodon, avec un jeu de données élargi à plusieurs centaines de milliers d’images. Grâce à la puissance de calcul de Glodon et à l’expérience d’entraînement de l’équipe Tuling, les résultats sont en tête, que ce soit par rapport aux modèles open source ou aux modèles architecturaux similaires. Cette année, ils prévoient également d’entraîner une nouvelle version basée sur le modèle Flux de nouvelle génération avec un volume de données encore plus important, à déployer sur la plateforme Tuling.

En 2024, AidMaster a finalisé son encapsulation et a publié une version bêta interne pour l’institut. Près de mille concepteurs de l’ensemble de l’institut se sont inscrits et l’ont utilisé, avec un taux d’activité très élevé. Une grande partie de ces concepteurs l’utilisent encore fréquemment dans leur travail de production aujourd’hui.

Face aux résultats convaincants, l’entreprise a finalement lancé Tuling sur le réseau public. Ainsi, en avril 2025, Tuling a été officiellement ouvert au public. En deux ou trois mois, plus de 5 000 utilisateurs ont été enregistrés et de nombreux retours collectés. Par rapport aux grands modèles généralistes, les images correspondent bien aux intentions de conception des utilisateurs et peuvent être directement intégrées dans les dossiers de présentation de projets.

Au fil de l’accumulation technologique, l’équipe Tuling a déposé plusieurs brevets, publié de nombreux droits d’auteur de logiciels et articles, et collaboré avec des entreprises partenaires pour mener à bien des projets de recherche nationaux en IA.

Cela répond à notre question : au cours des deux dernières années, l’équipe Tuling n’a cessé d’itérer sur son modèle spécialisé, affinant le modèle avec des centaines de milliers de données professionnelles spécifiquement pour le secteur de la construction, ce qui permet à la qualité de génération et à la contrôlabilité de se démarquer nettement des grands modèles généralistes comme Midjourney et Stable Diffusion.

De plus, beaucoup d’efforts ont été consacrés à l’interaction et aux processus opérationnels, en intégrant de nombreuses suggestions des concepteurs, pour offrir une expérience « prête à l’emploi » aussi intuitive que possible. Après tout, leur métier principal reste la conception et le design ; il serait peu réaliste de leur demander de consacrer énormément d’énergie à rédiger des prompts et ajuster des paramètres à chaque fois.

Ainsi, aujourd’hui, nous pouvons enfin utiliser cette plateforme Tuling.

Passons maintenant outre toute la logique de développement et examinons, du point de vue d’un concepteur ordinaire, les fonctionnalités offertes par AidMaster.

Actuellement, le produit AidMaster sert principalement les quatre disciplines de l’architecture, de l’intérieur, du paysage et de l’urbanisme, pour la production de rendus et d’images de concept, résolvant toute une série de difficultés rencontrées par les concepteurs.

Par exemple, en phase amont d’un projet, il faut dessiner des esquisses, modéliser, faire des rendus, retoucher les images, communiquer à répétition avec le maître d’ouvrage sur les rendus, essuyer des rejets et recommencer la modélisation et le rendu. L’IA permet aux concepteurs de sauter ces étapes intermédiaires complexes, d’aller directement au rendu final, et d’améliorer l’efficacité de la communication et de la livraison.

Tuling ne nécessite aucune installation de logiciel ; il suffit de visiter le site web (https://www.aidmaster.cn), de se connecter à son compte et de l’utiliser directement. Sur le côté gauche, on peut voir tous les outils, principalement répartis en 4 modules, destinés aux concepteurs à différents stades et avec différents besoins.

Ce module est principalement destiné aux débutants. Tous les paramètres sont préconfigurés en arrière-plan, l’utilisation est très simple et il n’est pas nécessaire de gérer des prompts complexes. Avec un minimum de prise en main, les concepteurs peuvent obtenir des résultats satisfaisants dans les scénarios suivants.

Transfert d’inspiration : permet d’utiliser des images non architecturales, telles que des créatures naturelles ou des objets du quotidien, pour générer des projets architecturaux. De nombreux designs architecturaux s’inspirent aujourd’hui de la nature, et certains maîtres d’ouvrage ont leurs propres préférences particulières ; cette fonction permet de réaliser un grand nombre de comparaisons de projets en phase amont.

Génération à partir de croquis : en téléchargeant un dessin à la main levée, on peut directement générer une série de rendus. Beaucoup de concepteurs aiment d’abord esquisser sur papier, puis utiliser la génération d’images par IA pour obtenir une perspective, des matériaux et des effets d’éclairage précis. Cette fonctionnalité est très appréciée par de nombreux concepteurs.

Rendu de modèle : qu’il s’agisse de modèles volumétriques ou de modèles 3D plus détaillés, le rendu peut être effectué directement sur la plateforme. Comme le système utilise directement des captures d’écran du modèle, le logiciel de modélisation employé n’a aucune importance. Les couleurs et matériaux du modèle influenceront l’intention de génération du rendu par l’IA.

Rénovation de bâtiment : très adaptée à la tendance actuelle de la rénovation urbaine, pour les projets « courts, simples et rapides » nécessitant une transformation rapide. Il suffit de prendre une photo sur site pour générer directement un rendu après rénovation, permettant au client de confirmer rapidement ses intentions, sans avoir à mesurer, modéliser, faire un rendu et produire des plans — un gain de temps considérable.

Aménagement intérieur : cette fonction est utilisée dans le domaine de la décoration intérieure : l’IA ajoute des éléments décoratifs, du mobilier, etc., pour montrer le résultat après aménagement d’un logement brut. Elle est très appréciée des architectes d’intérieur.

Ce module s’adresse aux concepteurs qui ne se satisfont pas des résultats prédéfinis de la plateforme et qui exigent une contrôlabilité supérieure sur la génération d’images ; ils peuvent ajuster des paramètres plus détaillés selon leurs besoins.

Par exemple, on peut contrôler le résultat de génération en ajustant les proportions relatives de quatre dimensions dans l’intensité de contrôle de l’image : lignes, profondeur, matériaux et image originale.

Variation d’ambiance

Transfert de style

Lorsque le concepteur a terminé la génération initiale dans les modules précédents, il peut venir dans ce module pour effectuer des modifications de post-production.

Agrandissement HD : si les détails ne sont pas suffisants après la génération, on peut augmenter la résolution. Non seulement les images générées sur la plateforme Tuling sont prises en charge, mais toute image téléchargée peut être agrandie en HD grâce aux algorithmes d’IA.

Extension de format : lorsqu’on a besoin de créer des affiches aux dimensions particulières et que le ratio de l’image originale est insuffisant, l’IA peut étendre l’image horizontalement ou verticalement en ajoutant naturellement des éléments de paysage environnants.

Effacement par retouche : la génération d’images par IA peut parfois produire des artefacts ou des objets indésirables pour le concepteur ; cette fonction permet de les supprimer en un clic.

Remplacement par retouche : permet de conserver l’effet global tout en remplaçant et régénérant des zones locales de l’image. Par exemple, en saisissant le prompt « Remplacer le volume angulaire par un volume courbe », la nouvelle image générée s’intègre de manière fluide à l’intention architecturale et à la forme précédentes.

Grâce à ces outils, les concepteurs réduisent le nombre de « tirages au sort » avec l’IA, n’ont plus besoin de tout recommencer pour une simple insatisfaction locale, et peuvent s’affranchir du processus de retouche Photoshop pour accomplir tout leur travail dans un seul ensemble d’outils.

Ce module utilise l’IA pour réaliser des éditions avancées d’images, permettant des fonctions que SD ne peut pas accomplir. Au lieu d’utiliser des mots-clés fragmentés ou de contrôler des contours pour générer des images, il suffit de saisir une description en langage naturel pour exprimer ses besoins et générer l’image.

Par exemple, en téléchargeant deux images puis en saisissant « Générer une image avec la chaise de la première photo et le décor de la seconde », on peut transférer la chaise dans la nouvelle image.

Autre exemple : en téléchargeant un plan et en saisissant « Générer un rendu de la pièce à partir de ce plan », on obtient un rendu 3D avec la même disposition.

Cette fonction peut être appliquée à des besoins réels de projet, par exemple en téléchargeant une image et en demandant à l’IA de « Transformer la perspective du bâtiment en vue plongeante à 45 degrés », on obtient un nouveau point de vue sans avoir besoin de modèle 3D.

Après l’ouverture de Tuling à tous les utilisateurs de la plateforme, des personnes d’autres secteurs l’utilisent comme un outil de génération d’images en langage naturel pour créer des avatars, des bandes dessinées, des affiches — elles s’amusent beaucoup.

Ces fonctions sont en réalité très simples à prendre en main : même une personne peu familière avec l’IA peut commencer à s’amuser en dix minutes et à travailler efficacement en une heure environ.

Le principe d’optimisation de l’équipe Tuling est également d’utiliser des interactions aussi intuitives que possible, plutôt que d’obliger les gens à mémoriser toutes sortes de prompts pour accomplir leur travail. Nous pensons que contraindre les utilisateurs à s’adapter à l’IA par des instructions complexes ne peut convenir qu’à une minorité de geeks.

Un bon outil IA doit fonctionner ainsi : cacher ses capacités en coulisses, simplifier la vie des utilisateurs grâce à un design d’interaction front-end soigné, avec des catégories claires et des objectifs précis — on appelle la fonction dont on a besoin, on l’utilise et on passe à autre chose.

Il existe actuellement de nombreux outils de génération d’images architecturales, tant en Chine qu’à l’étranger. Après avoir vu comment fonctionne AidMaster, il faut aussi examiner la qualité des résultats.

Dans l’ensemble, le grand modèle affiné avec des centaines de milliers de données professionnelles offre une qualité de génération impressionnante. Voici quelques comparaisons détaillées.

Dans le premier groupe, on observe une qualité nettement supérieure de la lumière, des textures et de la pelouse environnante.

Le groupe suivant concerne le design d’intérieur : comparaison de qualité de la génération directe de rendus finis à partir de croquis.

Voici la comparaison pour le design paysager : la texture des dalles au sol et le rendu des végétaux sont clairement supérieurs.

La comparaison des rendus en urbanisme est également significative. Observez les détails : la peau extérieure des bâtiments et la végétation générées par AidMaster se rapprochent beaucoup du rendu obtenu par modélisation traditionnelle.

En matière de modification de matériaux, le système se montre intelligent : remplacer le mur de briques central par de la pierre sèche grise se fait avec une précision quasi parfaite — on désigne, on obtient.

Après deux années d’itérations rapides, AidMaster est encore loin d’avoir atteint un stade de stabilité. D’après nos échanges avec l’équipe Tuling, ils continuent d’utiliser l’IA pour ajouter sans cesse de nouvelles fonctionnalités intéressantes et pratiques à la plateforme.

Outre la génération d’images, ils ont également développé une fonction de génération vidéo, toujours axée sur le secteur de la construction. En saisissant la première image, ou la première et la dernière image, on peut transformer un rendu statique en vidéo de visite virtuelle.

Le concepteur peut choisir le mouvement de caméra de la visite virtuelle (zoom avant/arrière, panoramique, travelling, etc.) ou saisir des prompts pour indiquer à l’IA comment produire la vidéo. Actuellement, le système peut générer des vidéos d’environ 5 secondes. Pour des durées plus longues, il faut provisoirement sauvegarder la dernière image comme première image du segment suivant, générer segment par segment puis assembler. À l’avenir, la génération de vidéos plus longues sera peut-être prise en charge. Ainsi, non seulement les rendus sont résolus, mais aussi les animations de visite virtuelle.

Cette fonction est née d’une exploration conjointe entre l’équipe Tuling et une marque d’ameublement dans le domaine des rendus : importer directement des photos de produits sur la plateforme Tuling, puis utiliser l’IA pour permettre aux utilisateurs de remplacer en un clic les éléments dans leur propre intérieur, visualisant directement l’effet après achat. Cela nécessite que les meubles générés soient des modèles 3D texturés.

Actuellement, cette fonction de génération 3D à partir d’images a été extraite et constitue un module indépendant. On peut télécharger une image d’un seul angle, ou plusieurs images sous différents angles si l’on souhaite une précision supérieure pour les faces latérales et arrière. La fonction « Extraire le sujet » permet de supprimer l’arrière-plan encombrant et de générer un modèle 3D avec textures, téléchargeable localement en un clic — idéal pour que les équipes accumulent des actifs 3D de petits objets.

Tant que l’image originale est suffisamment nette, les résultats de génération sont tout à fait satisfaisants.

L’année dernière, l’Institut de recherche numérique de l’Institut provincial du Hunan a développé en interne un système de questions-réponses basé sur les connaissances. Ici, le rôle principal de l’IA est de réduire la difficulté de la recherche.

Par exemple, auparavant, pour rechercher dans les normes, il fallait saisir des mots-clés exacts pour trouver des réponses. Désormais, grâce à la capacité de compréhension du langage naturel de l’IA, on peut facilement mobiliser le moteur de recherche en arrière-plan et obtenir des résultats plus précis.

Ils ont collecté et organisé les normes couramment utilisées par les concepteurs, en structurant les informations sources. Contrairement aux grands modèles de langage généralistes du marché, la recherche s’effectue uniquement dans le périmètre de la base de connaissances et peut, tout en fournissant les résultats, rediriger vers le texte original de la norme pour faciliter la vérification.

Existe-t-il une logique directrice derrière toutes ces fonctions dont nous avons parlé ? Lors de cet épisode des Conversations nocturnes sur le progrès numérique, l’équipe Tuling a partagé ses réflexions.

Le point de départ d’AidMaster est la génération texte-image et image-image, une fonction qui reste aujourd’hui la plus aboutie. Avec le développement rapide de la technologie IA, le positionnement et la perspective de l’équipe évoluent constamment. À l’avenir, ils souhaitent en faire un agent IA complet destiné au secteur de la construction. Sur le plan fonctionnel, les directions suivantes sont en cours de recherche et développement :

➤ Génération multimodale :La génération d’images par IA est relativement mature, la génération vidéo est en cours de développement, et dans le domaine du texte, de nombreux membres de l’équipe possédant une expertise en IA travaillent activement au développement de bases de connaissances sectorielles, de génération de textes et même de génération de dossiers d’appel d’offres.

➤ Génération de modèles 3D : la génération de modèles de meubles est opérationnelle dans sa phase initiale ; l’étape suivante consiste à explorer l’utilisation de l’IA pour générer des projets précis d’aménagement intérieur.

➤ Logiciel d’aide à la conception : l’objectif futur inclut également l’utilisation de l’IA pour assister les logiciels de conception, permettant des opérations par commande sur les logiciels CAD/Rhino/DCC. Actuellement, le contrôle de l’API de Rhino par langage naturel est déjà opérationnel dans sa phase initiale, permettant de générer des modèles de disposition de pièces modifiables à partir de plans simples.

➤ Base de données sectorielle :À plus long terme, ils prévoient également de partager avec le secteur des jeux de données de plans et de modèles, dans le respect de la conformité, afin de promouvoir conjointement le progrès technologique.

D’un point de vue commercial, il ne s’agit pas d’une déclaration grandiloquente et vide, mais d’une planification produit ancrée dans des scénarios métier concrets.

Prenons l’exemple des appels d’offres : les modèles 3D et les rendus représentent une part importante des coûts de main-d’œuvre, et le résultat final reste sous forme d’images et de texte. Cet agent IA peut donc être dédié à cette tâche, devenant un système de génération de dossiers d’appel d’offres par IA — de la génération d’images à la production de documents d’appel d’offres à partir d’une base de connaissances historique, le tout en une seule plateforme. Ce processus a déjà donné des résultats préliminaires et des partenaires collaborent à son avancement.

Ce dont nous avons discuté ci-dessus reflète la situation à la date de publication. En réalité, le produit continue d’itérer rapidement et l’application mobile devrait bientôt être lancée — c’est prometteur.

Avec le recul, de l’exploration libre d’une petite équipe à une planification produit dotée d’une architecture commerciale complète, nous voyons comment l’Institut de recherche numérique de l’Institut provincial du Hunan — cette équipe que nous « félicitons » souvent — a offert liberté et soutien aux jeunes, et nous admirons le courage de cette nouvelle génération de concepteurs de produits qui osent penser et agir. Bravo.

Depuis son lancement en version publique, Tuling s’adresse principalement aux utilisateurs individuels ; vous êtes bien entendu invité à l’essayer.

Parallèlement, en tant qu’institut de recherche numérique d’une entreprise publique établie de longue date, l’équipe développe également son offre B2B. Plusieurs grandes entreprises ont déjà confirmé leur intention d’achat, pour un développement personnalisé et un entraînement ciblé de modèles sur la base des fonctionnalités existantes, ou pour un développement conjoint dans des directions spécifiques.

L’équipe Tuling met progressivement en place un service complet allant des outils à la formation. Son avantage : en tant que professionnels du même secteur de la construction, le coût de communication entre les utilisateurs et l’équipe est bien inférieur à celui qu’impliquerait une collaboration avec de grandes entreprises internet.

Au cours de la conversation, plusieurs membres de l’équipe Tuling ont expliqué que la recherche sur les applications de l’IA est une tendance inévitable pour toutes les entreprises. Chacune doit trouver sa niche écologique en fonction des coûts qu’elle peut investir et des compétences de son personnel. Le secteur de la construction dans son ensemble est relativement lent et en retard dans la vague de l’IA, mais le bon côté des choses est que la fenêtre d’opportunité reste suffisamment longue.

Pour les instituts de conception, il n’est certainement pas judicieux d’investir des coûts énormes pour rivaliser avec les géants d’internet sur les modèles de fondation. En revanche, le plus grand atout des entreprises traditionnelles spécialisées qui se lancent dans l’IA, c’est qu’elles possèdent des données : rendus, documents historiques, etc. C’est une bonne carte en main.

En même temps, il faut être prêt à faire le travail ingrat : traiter ces données « sales et difficiles » demande beaucoup d’efforts, mais c’est la condition pour établir le principal avantage concurrentiel de l’entreprise.

Tuling est-il un produit réussi dans le domaine de l’IA pour la construction ? Il est encore trop tôt pour une conclusion définitive. L’équipe elle-même affirme que toute l’exploration est encore en chemin.

Mais cette jeune équipe, après avoir fait ses premières armes comme tout le monde, a eu l’audace de continuer à avancer — traiter les données, entraîner les modèles, encapsuler les capacités, élargir les fonctionnalités — frayant un chemin vers la productisation pour ceux qui viendront après. Cela mérite nos applaudissements.

Même pour les utilisateurs ordinaires qui n’ont pas l’intention d’explorer l’IA, l’outil est beau, pratique, produit des images de haute qualité dès la première utilisation, et les crédits ne sont pas chers — on travaille au quotidien sans avoir mal au portefeuille. Rien que pour cela, chers amis, il faut chérir et soutenir cet allié.

Pour finir, voici le site officiel de Tuling AidMaster : copiez-le dans votre navigateur, inscrivez-vous avec votre numéro de téléphone et utilisez-le immédiatement. Allez-y, essayez-le !

https://www.aidmaster.cn

Par ailleurs, cette jeune équipe sait vraiment « s’amuser » : en plus du développement de produits, elle gère des comptes sur les nouveaux médias internet. Sur leur compte WeChat officiel et Xiaohongshu (RED), ils partagent régulièrement de nouvelles fonctionnalités et astuces, ont produit de nombreux tutoriels gratuits adaptés aux débutants, et organisent même des diffusions en direct pour échanger avec la communauté. Pour approfondir certaines techniques particulières, voici leurs comptes officiels WeChat et Xiaohongshu — n’hésitez pas à les suivre.

De l’attitude, de la profondeur — BIMBOX, à la prochaine !

END

Les opinions exprimées sont celles de l'auteur  Copyright © Zhuwei Architectural Technology

Reproduction interdite sans autorisation

Merci d’indiquer la source en cas de republication : Zhuwei Architectural Technology

      Zhuwei Architectural Technology est une société de services techniques d'un nouveau type, spécialisée dans l'optimisation intégrée de conception, le conseil BIM et le conseil en conception préfabriquée. Notre équipe réunit des ingénieurs senior issus de grands instituts de conception, d'anciens dirigeants de promoteurs immobiliers, des ingénieurs BIM et des ingénieurs préfabrication, et propose l'optimisation intégrée de conception, la revue approfondie de plans, le conseil BIM avec plans MEP, ainsi que des services de conception préfabriquée.

      Conseil en optimisation de la conception : Positionnés comme le prolongement et le complément de la maîtrise de conception des promoteurs, nous concentrons notre conseil et notre optimisation sur le bâtiment civil. Sur l'ensemble du processus — ou aux étapes clés choisies par le client — nous contrôlons l'économie, la rationalité et la sécurité de la conception, éliminant les coûts superflus tout en améliorant mesurablement la qualité des plans : « moins de coûts, plus d'efficacité ».

      Conseil BIM : Grâce aux technologies de construction numérique, nous aidons les concepteurs à réduire les erreurs et à améliorer la qualité en phase de conception, nous aidons les entreprises à économiser et à planifier des installations MEP de haute qualité en phase de construction, et nous prolongeons les maquettes BIM vers la gestion de patrimoine en phase d'exploitation — en collaboration avec les principaux éditeurs de logiciels.

      Conseil en conception préfabriquée : Conception de tout le processus sur plateformes BIM, avec Revit et Tekla pour le détail PC. Géométrie et ferraillage des composants sont liés de manière paramétrique — ce que vous voyez est ce que vous obtenez. Nous livrons des plans prêts pour l'industrie 4.0, avec les longueurs de coupe de chaque barre d'armature, et un support connecté (IoT) pour la production, le stockage, le transport et le montage des composants PC.

      Notre équipe d'experts est issue de grands instituts de conception, avec une solide base technique et une riche expérience en conception et optimisation « double voie » ; ses capacités et son niveau de contrôle sont leaders du secteur.

—— Article synchronisé automatiquement depuis le compte officiel WeChat « Zhuwei Architectural Technology ». Lire l’original ——