La plateforme lilloise Realcat et la start-up Entalpic entament une collaboration visant à mettre au point une méthodologie et des workflows de criblage haut débit embarquant l’IA. Conçus à l’attention des industriels de la chimie, ces outils permettront d’identifier et mettre au point de nouveaux catalyseurs pour optimiser les réactions chimiques critiques nécessaires à la décarbonation de l’industrie. Entretien avec Egon Heuson, chercheur à Centrale Lille (UCCS), et Alexandre Duval, CSO d’Entalpic.
InfoChimie : Pouvez-vous présenter vos organisations respectives ?
Alexandre Duval (Entalpic) : Entalpic est une start-up d’Intelligence Artificielle pour la R&D en chimie et en matériaux, fondée il y a près de deux ans. Nous sommes installés à Station F dans le cadre du programme French Tech 2030, et nous comptons aujourd’hui une trentaine de personnes. Notre cœur de métier, c’est la découverte de matériaux, en particulier des catalyseurs, capables d’améliorer des réactions critiques pour la décarbonation industrielle dans des secteurs tels que le stockage d’énergie, la production d’ammoniac ou encore les matériaux critiques.
Notre plateforme utilise des technologies d’IA avancées – LLM, apprentissage actif, réseaux de neurones de graphes (GNN), GFlowNets – pour modéliser des matériaux à l’échelle atomique. Nous travaillons à partir de données ouvertes, de bases industrielles…
La qualité et la robustesse des données sont essentielles pour entraîner correctement nos modèles. Notre objectif est de créer des découvertes transformatives et de pouvoir ensuite licencier des catalyseurs à des industriels. Nous sommes également sur le point d’ouvrir notre propre laboratoire, tout en nous appuyant sur des laboratoires partenaires.
Egon Heuson (Realcat) : Realcat est une plateforme de criblage haut débit pour la catalyse, unique au monde dans sa capacité à couvrir biocatalyse, catalyse homogène, hétérogène et matériaux. Elle est portée par Centrale Lille Institut, établissement public d’enseignement supérieur. Depuis plus de dix ans, nous travaillons à robotiser et accélérer les tâches que faisait traditionnellement un chimiste à la main. Nous menons chaque année environ soixante prestations auprès de l’industrie et de la recherche, ce qui génère des volumes de données considérables.
Depuis quatre ou cinq ans, il est devenu évident qu’il fallait sortir du seul empirisme et intégrer la prédiction, notamment via l’IA. Avant même qu’Entalpic n’existe, nous avions déjà des projets de machine learning, notamment via la chaire Plastiloop ou des collaborations avec CRIStAL et Inria.
Nous travaillons sur tous types de catalyseurs -majoritairement hétérogènes, car c’est ce que demande l’industrie -appliqués à des réactions variées : petites molécules énergétiques, déconstruction de la biomasse, etc.
Comment s’est construite votre rencontre et pourquoi collaborer aujourd’hui ?
E.H. (Realcat) : Nous nous sommes rencontrés au congrès ICCC à Lyon à l’été 2024. Entalpic n’était pas encore officiellement lancée mais le projet existait déjà. De notre côté, nous cherchions un partenaire solide pour aller au-delà de l’utilisation ponctuelle de l’IA et intégrer cette dimension au cœur du développement de nouveaux catalyseurs. Entalpic nous a intéressés parce qu’ils ne se contentent pas d’exploiter la littérature -souvent difficilement exploitable, hétérogène, non standardisée -mais qu’ils génèrent aussi leurs propres données. Or, de notre point de vue, l’IA ne devient réellement performante que si elle est entraînée sur des données fiables, produites en conditions contrôlées. C’est exactement ce que permet Realcat.
A.D. (Entalpic) : Nous étions justement à la recherche d’un partenaire capable de tester et valider expérimentalement les prédictions de nos modèles, en particulier pour des matériaux inorganiques solides. Realcat dispose d’équipements robotisés, de méthodes de synthèse et de capacités de tests en parallèle qui n’ont pas vraiment d’équivalent ailleurs. Sur le plan scientifique, nous sommes extrêmement complémentaires : nous prédisons des candidats catalyseurs et Realcat peut les synthétiser, les caractériser, les tester et générer des données qui renforcent nos modèles. Cette boucle vertueuse n’est possible que grâce à cette collaboration.
En quoi vos approches sont-elles complémentaires ?
A.D. (Entalpic) : Nous faisons ce que j’appellerais de la rétrosynthèse guidée par propriété : à partir des propriétés désirées d’un catalyseur – composition, structure, stabilité, durabilité – nous déterminons les structures les plus prometteuses. Nous ne proposons pas la route de synthèse, ni les conditions opératoires : c’est là qu’intervient Realcat. Eux ont une expertise unique dans le cas d’un catalyseur métallique supportée, ils savent comment associer les métaux, dans quelles proportions, comment les déposer, comment les activer. Nous, nous explorons l’“espace chimique” et proposons des candidats à haut potentiel.
E.H. (Realcat) : Nous synthétisons des matériaux catalytiques, souvent métalliques ou mixtes, et nous les testons sur des réactions représentatives. Notre complémentarité est évidente : Entalpic propose, Realcat teste. Et cette boucle nous permet d’aller beaucoup plus vite.
Pourquoi ne pas fusionner vos activités ?
E. H. (Realcat) : Tout simplement parce que nos périmètres sont différents. Realcat couvre aussi des domaines de catalyse qui ne nécessitent pas d’IA : pour des systèmes simples, la robotique et l’expertise humaine sont suffisantes, et mobiliser des ressources IA serait disproportionné. Inversement, Entalpic a des spécificités – notamment dans les méthodes de modélisation atomique – qui ne font pas partie de notre stratégie.
A.D. (Entalpic) : Une fusion n’est pas envisagée car notre modèle repose volontairement sur un réseau de laboratoires partenaires, dont RealCat fait partie. Nous voulons collaborer avec plusieurs expertises expérimentales complémentaires, plutôt que d’intégrer une seule plateforme en interne.
Sur quels types de réactions travaillez-vous dans le cadre du projet Realtalpic ?
E.H. (Realcat) : Nous travaillons sur une réaction modèle dont je ne peux pas donner les détails, mais elle fait partie du top 2 ou top 3 des réactions les plus importantes du moment pour la transition énergétique. Elle donnera lieu à une publication, à un brevet et servira de preuve de concept.
Ce qui nous intéresse, c’est la capacité d’Entalpic à proposer des candidats catalyseurs et notre capacité à les tester rapidement. La méthodologie est transférable à quasiment toutes les réactions catalytiques.
La prochaine étape sera de mettre en œuvre un algorithme capable de programmer automatiquement nos robots, et de traiter automatiquement les très grands volumes de données générés.
A.D. (Entalpic) : Pour nous, l’enjeu est de démontrer que nos modèles peuvent identifier des catalyseurs optimisés, par exemple pour réduire l’énergie nécessaire à la production d’hydrogène par électrolyse de l’eau ou faire baisser les émissions massives de gaz à effet de serre dans la synthèse de l’ammoniac. L’idée générale : trouver de meilleurs catalyseurs pour toutes les réactions essentielles du monde industriel.
Peut-on imaginer la chimie du futur sans intelligence artificielle ?
A.D. (Entalpic) : Honnêtement, non. Les cycles d’innovation actuels sont de 10 à 15 ans, les contraintes de supply chain sont fortes, et l’espace chimique est immense. Le travail du chimiste restera central, mais il devra être augmenté : ses intuitions seront “informées” par des outils d’exploration automatisée. Je suis convaincu que le chimiste de demain disposera d’outils IA pour comprendre plus vite et mieux.
E.H. (Realcat) : Je partage ce constat. Cela fait plusieurs années que j’utilise l’IA en biologie prédictive, notamment avec AlphaFold. Dans dix ans, il sera impensable qu’un chimiste se passe d’outils d’agrégation de données, d’analyse bibliographique automatisée, de prise de décision assistée. Mais attention : les succès réels de prédiction IA en catalyse se comptent aujourd’hui sur les doigts d’une main. On n’y est pas encore. Les robots, la puissance de calcul, les infrastructures, tout cela a un coût.
La vraie question n’est pas “Vas-t-on utiliser l’IA ?”, mais “Quand l’IA deviendra-t-elle incontournable, et quelle réglementation encadrera son usage et ses données ?”
L’IA est souvent décrite comme une “boîte noire”. Est-ce un risque pour la compréhension des mécanismes réactionnels ?
E.H. (Realcat) : Ce risque est surtout théorique. Un algorithme, ça se programme. Et la qualité d’un modèle dépend des choix humains : des variables retenues, des modules de prédiction, des contraintes imposées. Sans compréhension chimique, il n’y a pas de modèle fiable. Dans notre partenariat, nous avons passé des mois à définir précisément ce que l’on vise : les propriétés du catalyseur, les grandeurs à prédire, les échelles pertinentes. L’IA ne remplacera pas la compréhension des mécanismes. Au contraire, une fois bien programmée, elle aidera à éclairer des problèmes complexes.
A.D. (Entalpic) : L’enjeu, c’est d’éviter de s’en remettre à des prédictions opaques. C’est pour cela que nous travaillons sur la « synthétisabilité » : un modèle pourrait proposer une structure impossible à fabriquer. Et c’est là qu’intervient l’œil du chimiste. Dans les cinq à dix prochaines années, je pense que l’IA permettra d’étendre la compréhension des mécanismes réactionnels, pas de la contourner.
Quel cadre de collaboration et quelles perspectives ?
E.H. (Realcat) : C’est un contrat de recherche classique : partage de propriété intellectuelle, contribution financière des deux parties, production de résultats communs. Si la preuve de concept est concluante, nous pourrons étendre la méthode à un nombre illimité de réactions et proposer une offre de prestation intégrée prédiction + tests.
A.D. (Entalpic) : Ce que nous construisons est très rare au niveau mondial : une plateforme public-privé où modélisation IA et expérimentation haut débit sont intégrées de manière aussi fine. Du point de vue de la recherche publique, c’est probablement une première mondiale. Et le caractère très spécialisé des deux partenaires est un atout décisif.
Pour conclure, quel message souhaitez-vous faire passer ?
A.D. (Entalpic) : Notre approche est unique : une IA de modélisation atomique parmi les plus avancées, couplée à une capacité expérimentale sans équivalent. C’est cette combinaison qui va permettre des ruptures dans la catalyse, indispensable pour la transition énergétique.
E.H. (Realcat) : Ce partenariat montre qu’en croisant IA, robotisation et expertise chimique, on peut accélérer radicalement la découverte de catalyseurs. L’objectif n’est pas de remplacer le chimiste, mais de lui donner des outils puissants, capables de programmer les robots, de trier l’information et de guider l’exploration.
RETOUR SUR LE PROJET REALTALPIC
Centrale Lille Institut et la start-up Entalpic viennent d’annoncer un partenariat de 18 mois, baptisé Realtalpic, visant à développer une nouvelle méthodologie de criblage haut débit intégrant l’intelligence artificielle pour accélérer la découverte de catalyseurs destinés à l’industrie chimique. L’ objectif est de proposer aux industriels des workflows capables d’identifier très rapidement, in silico, les catalyseurs les plus prometteurs pour une réaction donnée, puis d’optimiser leurs conditions d’utilisation. Cette approche doit contribuer à la mise au point d’innovations majeures pour la décarbonation des procédés chimiques, fortement dépendants de la catalyse. La catalyse est en effet au centre de la fabrication de nombreuses molécules et matériaux : produits pharmaceutiques, polymères, matériaux pour l’énergie ou encore technologies de dépollution.
Traditionnellement, la recherche de nouveaux catalyseurs repose sur des cycles expérimentaux longs et itératifs, fondés sur l’essai-erreur. La plateforme Realcat, hébergée à Centrale Lille depuis 2010, a contribué à transformer cette pratique grâce à l’expérimentation robotisée et au criblage haut débit, permettant de réaliser plusieurs centaines d’essais en quelques semaines avec une forte reproductibilité. Entalpic développe des modèles d’IA générative pour proposer de nouveaux matériaux et catalyseurs capables de réduire l’impact environnemental des procédés industriels. La start-up recherchait un partenaire capable de tester systématiquement ses prédictions; Realcat souhaitait, de son côté, renforcer l’intégration de l’IA dans ses opérations. La rencontre entre leurs dirigeants lors du Congrès mondial de la catalyse en 2024 a initié cette collaboration.
Dans Realtalpic, les modèles d’Entalpic seront intégrés à la plateforme pour prédire les catalyseurs à tester, tandis que Realcat assurera la synthèse robotisée, les tests parallèles, l’annotation automatisée et l’analyse prédictive. Les premiers essais portent sur une réaction stratégique dont les résultats pourraient déboucher sur un proof of concept généralisable à de très nombreuses transformations catalytiques.
Ce partenariat public-privé ambitionne de créer une nouvelle génération d’outils combinant IA et expérimentation haut débit, capable d’accélérer significativement les cycles de R&D et d’ouvrir la voie à des catalyseurs innovants pour la transition énergétique.
©Realcat 
