En accélérant de manière spectaculaire la découverte et la synthèse de nouveaux matériaux, l’intelligence artificielle bouleverse la donne

« Dans la recherche de nouveaux matériaux, la question de l’étendue du champ des possibles est en phase d’être résolue », s’enthousiasme Thibaud Martin, PDG et cofondateur de la start-up Altrove. La clé de ce succès ?

Les grandes entreprises technologiques comme Google, Meta et Microsoft dotées de capacités de calcul presque illimitées capables de prédire des millions de structures moléculaires et cristallines. Fin 2023, Google DeepMind dévoilait son modèle de réseau neuronal Gnome, entraîné sur des bases de données existantes comme celle du Materials Project, qui a permis d’identifier plus de 2 millions de nouvelles structures cristallines inédites. Les techniques d’IA génératives utilisées pour réaliser ces prédictions peuvent être appliquées à tout type de matériaux. Toute la question est maintenant de savoir lesquels de ces nouveaux matériaux sont pertinents et intéressants en termes de propriétés pour un cas d’usage donné, mais aussi comment ils peuvent être synthétisés. Face à ces enjeux, l’IA s’impose à nouveau comme un outil pour l’accélération et l’optimisation de la synthèse de nouveaux matériaux.

Dans le contexte des transitions écologique et énergétique, les enjeux autour de la découverte de nouveaux matériaux sont cruciaux

Dans le cadre du programme Gempromise, lauréat d’une bourse ERC Synergy à hauteur de 9,1 millions d’euros, une équipe alliant chercheurs français, suisses et belges va développer un modèle d’IA générative capable de prédire, à partir d’une propriété visée, un matériau et les paramètres et procédés pour le synthétiser. Avec un défi de taille : avoir suffisamment de données pour entraîner le modèle. « Un expérimentateur n’a pas la capacité de produire de la donnée de manière significative pour entraîner un modèle d’IA générative », constate le porteur du projet Cyril Aymonier, directeur de recherche au CNRS et directeur de l’Institut de chimie de la matière condensée de Bordeaux. C’est pourquoi le projet, qui commencera le 1^er avril 2026 pour une durée de six ans, comporte un volet consacré à la production de données par simulation, et un autre consacré à la collecte de données expérimentales. « Ces jeux de données expérimentales seront produits dans notre laboratoire autonome », dévoile le directeur de recherche du CNRS. En effet, la première phase du projet sera dédiée à la construction, dans les locaux actuels de l’ICMCB, d’un laboratoire autonome entièrement robotisé capable de générer plus de 50 000 jeux de données par an qui seront ensuite utilisés pour alimenter le modèle d’IA. Pour le moment, le projet se concentre sur une famille de matériaux modèles inorganiques dont la nature précise est tenue secrète. « En cours de projet, nous étendrons notre approche à tous les matériaux de synthèse ou biosourcés et à moyen terme, nous pourrons aussi utiliser cet algorithme pour optimiser des procédés de recyclage », confie Cyril Aymonier.

50 000 jeux de données par an

Si le projet Gempromise a pour ambition de couvrir tous les matériaux, d’autres se concentrent sur certaines familles en particulier. La jeune pousse française Altrove est spécialisée dans la recherche d’alternatives à des matériaux dont l’utilisation entraine des problèmes d’approvisionnement, de toxicité, de pollution, etc. À partir d’une propriété de matériaux recherchée, Altrove utilise des algorithmes de plus en plus précis pour identifier un petit nombre de candidats potentiels. Puis des modèles d’IA génèrent des recettes de synthèse qui sont ensuite testées dans leur laboratoire autonome. Après une phase de caractérisation par diffraction des rayons X du produit obtenu, une technologie propriétaire calcule l’écart entre le produit souhaité et celui obtenu. Ce delta est alors renvoyé aux IA capables d’optimiser la recette de synthèse par itération. « Cette boucle nous permet d’être – à 97 % – plus rapide que les laboratoires classiques », se félicite Thibaud Martin.

samueldhote.com

Une approche similaire à celle utilisée par la jeune pousse Entalpic qui concentre ses développements sur des problématiques de chimie de surface rencontrées en catalyse, dans les électrodes de batteries, aux interfaces électrode–électrolyte ou dans les semi-conducteurs. La famille des polymères n’est pas en reste. La start-up Synboli combine IA et chimie de synthèse pour concevoir des polymères durables aux propriétés ciblées sans passer par les essais-erreurs traditionnels. Concrètement, l’IA analyse des milliards de structures moléculaires pour identifier les combinaisons les plus prometteuses qui sont ensuite synthétisées grâce à une technologie innovante qui repose sur l’utilisation de composés organiques bromés pour activer la polymérisation. Et dans le cadre du PEPR Diadem, la plateforme de caractérisation haut débit Amethyst a été inaugurée en octobre 2025 au laboratoire Ingénierie des matériaux polymères à l’Insa Lyon. Cet équipement unique doit accélérer l’exploration de nouvelles formulations de composites et nanocomposites à matrice polymère, en automatisant les étapes de mélange, de mise en œuvre et d’analyse. Et cela, dans le but de collecter et d’analyser un grand volume de données expérimentales pour développer un système d’IA capable de comprendre la relation entre les caractéristiques et les propriétés des polymères.

Programmés pour se biodégrader

Tous ces projets ont vocation à accélérer la découverte et la synthèse de nouveaux matériaux, mais aussi à développer des solutions à faible impact environnemental. Un enjeu de durabilité clairement affiché dans certaines initiatives entièrement dédiées, par exemple, aux matériaux biosourcés. Dans le cadre du projet Magicbiomat, lancé en janvier 2025 et financé à hauteur de 3,8 M€ dans le cadre d’Horizon Europe, un consortium européen va mettre au point un logiciel d’IA pour concevoir et développer des matériaux biosourcés programmés pour se biodégrader dans des environnements marins et terrestres réels. Ce logiciel exploitera les données issues du développement des matériaux et des tests de biodégradation menés dans le projet, complétées par des données en libre accès.

Il y a un gros enjeu autour du passage à l’échelle industrielle des synthèses réalisées en laboratoire

—  Jean-Yves Delannoy, Arkema.

La prédiction de nouveaux matériaux et leur synthèse sont deux problématiques essentielles qui peuvent être adressées par des outils d’IA. Mais ce ne sont pas les seules. « Il y a un gros enjeu autour du passage à l’échelle industrielle des synthèses réalisées en laboratoire », souligne Jean-Yves Delannoy, directeur scientifique en charge de la transformation digitale de la R&D chez Arkema. « C’est une phase très coûteuse beaucoup moins facile à raccourcir que la prédiction d’un nouveau matériau et la recherche d’une voie de synthèse », appuie Thibaud Martin dont la start-up a pris le parti de travailler avec un réseau de partenaires industriels pour intégrer les défauts de leurs procédés dans la technologie qu’ils développent en laboratoire afin que les résultats obtenus soient directement réplicables à grande échelle. En attendant, l’IA peut aussi être un outil pour optimiser les procédés existants (lire encadré ci-dessous). Dans le contexte des transitions écologique et énergétique, les enjeux autour de la découverte de nouveaux matériaux sont grands. Les promesses de l’IA le sont tout autant ! Même si ces nouvelles approches font la part belle aux algorithmes et aux réseaux de neurones associés, il n’en reste pas moins que l’humain a son rôle à jouer. « Il faut qu’un certain nombre d’institutions prennent conscience du besoin de former des talents à l’utilisation responsable et raisonnable des différents outils d’intelligence artificielle », lance Jean-Yves Delannoy.

Arnaud Fevrier