Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarTechXplore AI→ original

Le Empa suisse a lancé un agent IA qui calcule des alliages sur simple demande dans un chat

Les expérimentateurs en science des matériaux n'ont pas le temps d'apprendre des simulateurs complexes. Le laboratoire Empa a donc développé OptiMat Alloys, un agent conversationnel dédié au calcul des alliages à haute entropie. La requête se formule en langage courant : l'agent choisit lui-même les programmes, lance des scénarios prédéfinis et fournit tableaux et graphiques à valider par un expert. Ce sont les outils, et non le modèle de langage, qui produisent les chiffres, et chaque calcul est archivé dans une base. Cela limite le risque d'hallucinations.

Traité par IA depuis TechXplore AI ; édité par Hamidun News
Le Empa suisse a lancé un agent IA qui calcule des alliages sur simple demande dans un chat
Source : TechXplore AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTechXplore AI ↗
Rédacteur en chef
Fonctionnement en localle « matériologue IA » s'installe sur l'ordinateur de l'utilisateur
Chiffre clé #2Premier agent dédié aux alliages, puis céramiques et oxydes métalliques au programme
Chiffre clé #3Les auteurs déconseillent de publier les résultats sans validation par un expert

Imaginez qu'il faille composer un alliage à partir de cinq métaux en proportions à peu près égales. Les combinaisons possibles sont innombrables, et les tester en laboratoire, en coulant les échantillons un à un, prend beaucoup de temps et coûte cher. La simulation numérique existe pour cela, mais peu de chercheurs savent s'en servir. Les équipes du laboratoire suisse Empa, à Thoune, ont choisi de résoudre le problème en plaçant devant les simulateurs un agent IA avec lequel on peut dialoguer dans un chat.

Le problème des alliages à haute entropie

Tout le monde connaît l'exemple classique d'un alliage : on prend du cuivre, on ajoute un peu d'étain et l'on obtient du bronze. Une base d'un ou deux métaux, auxquels s'ajoutent quelques additifs. Les alliages à haute entropie fonctionnent autrement : ils mélangent quatre métaux ou davantage, en proportions à peu près égales. Ces matériaux suscitent l'intérêt pour leurs propriétés mécaniques, thermiques et électromagnétiques. On envisage de les utiliser dans des structures résistantes à la chaleur, des revêtements, la catalyse, l'électronique et les composants magnétiques.

Mais les combinaisons sont trop nombreuses, et l'approche classique, qui consiste à fabriquer quelques échantillons pour voir ce qui se passe, atteint vite ses limites. On calcule donc de plus en plus souvent sur ordinateur en amont, afin de ne retenir pour l'expérience que les compositions les plus prometteuses. Le problème, c'est que ces outils de calcul exigent une solide qualification. Selon Vladislav Turlo, du laboratoire Empa, les expérimentateurs n'ont tout simplement pas le temps d'apprendre à les utiliser.

Comment fonctionne OptiMat Alloys

Vladislav Turlo et son collègue Ian Hu ont conçu la plateforme OptiMat Chat. Via celle-ci, le chercheur télécharge sur son ordinateur un « matériologue IA ». Le premier de ces agents s'appelle OptiMat Alloys. Il comprend une requête formulée en langage courant, sélectionne les outils spécialisés adaptés, lance des scénarios de calcul préétablis et met en forme le résultat sous forme de graphiques, de tableaux et de texte dans le style d'une publication scientifique. L'utilisateur n'a besoin ni de programmer ni de régler des paramètres complexes.

L'interface ressemble à celle de ChatGPT, mais le modèle de langage n'y joue qu'un rôle d'intermédiaire. Il s'agit bien d'un agent : il sait appeler des programmes externes spécialisés et travailler avec leurs données d'entrée et de sortie. Les calculs s'exécutent sur la machine de l'utilisateur, et non quelque part dans le cloud.

Pour les ingénieurs qui conçoivent leurs propres agents, l'approche de la fiabilité est la plus intéressante. Les auteurs décrivent trois parades aux hallucinations :

  • des appels structurés aux outils, au lieu d'un « raisonnement » libre du modèle ;
  • des scénarios de calcul prédéfinis, construits selon les bonnes pratiques établies ;
  • la conservation des enregistrements de chaque calcul.

Les résultats scientifiques proviennent des programmes connectés, des bases de données et des procédures validées, et non du LLM lui-même. Par ailleurs, tous les résultats sont versés dans une base de données, afin de pouvoir les retracer, les réutiliser et, plus tard, les comparer ou les améliorer. Selon les auteurs, les outils d'IA comparables n'offrent généralement pas cette fonctionnalité.

Limites et suite

Les développeurs préviennent sans détour : il ne faut pas publier d'articles en s'appuyant uniquement sur les sorties de l'agent. Celles-ci constituent un point de départ pour l'interprétation experte et la planification des expériences, et non un résultat scientifique clé en main. L'agent peut indiquer que le matériau A est meilleur que le matériau B pour la propriété C, mais seuls des humains peuvent expliquer pourquoi et vérifier cette conclusion.

L'article ne contient aucune mesure comparative de précision ou de rapidité, de sorte qu'il est impossible pour l'heure de chiffrer le gain. On y trouve la description de l'approche, un lien vers un article publié dans npj Computational Materials et un préprint sur arXiv.

L'équipe souhaite ensuite ajouter à OptiMat Chat de nouveaux agents : pour les céramiques et les oxydes métalliques, ainsi que pour les matériaux amorphes. Selon les auteurs, l'IA prendra en charge les calculs de routine et les chercheurs disposeront de davantage de temps pour les questions scientifiques réellement stimulantes.

Le point pratique pour ceux qui conçoivent des agents dans des domaines étroits : le schéma de travail est volontairement modeste. Le modèle comprend la requête et choisit l'outil, des programmes éprouvés effectuent les calculs, chaque étape est enregistrée, et le résultat final reste toujours soumis à un contrôle humain. Pour la science, la médecine et l'ingénierie, une telle architecture sera vraisemblablement plus fiable que l'idée de faire « connaître la réponse » au LLM lui-même.

Dossier

Questions clés sur cet article

Que sait-on sur Le problème des alliages à haute entropie ?

Tout le monde connaît l'exemple classique d'un alliage : on prend du cuivre, on ajoute un peu d'étain et l'on obtient du bronze. Une base d'un ou deux métaux, auxquels s'ajoutent quelques additifs. Les alliages à haute entropie fonctionnent autrement : ils mélangent quatre métaux ou davantage, en proportions à peu près égales. Ces matériaux suscitent l'intérêt pour leurs propriétés mécaniques, thermiques et électromagnétiques.

Comment fonctionne OptiMat Alloys?

Vladislav Turlo et son collègue Ian Hu ont conçu la plateforme OptiMat Chat. Via celle-ci, le chercheur télécharge sur son ordinateur un « matériologue IA ». Le premier de ces agents s'appelle OptiMat Alloys. Il comprend une requête formulée en langage courant, sélectionne les outils spécialisés adaptés, lance des scénarios de calcul préétablis et met en forme le résultat sous forme de graphiques, de tableaux et de texte dans le style d'une publication scientifique.

Que sait-on sur Limites et suite ?

Les développeurs préviennent sans détour : il ne faut pas publier d'articles en s'appuyant uniquement sur les sorties de l'agent. Celles-ci constituent un point de départ pour l'interprétation experte et la planification des expériences, et non un résultat scientifique clé en main. L'agent peut indiquer que le matériau A est meilleur que le matériau B pour la propriété C, mais seuls des humains peuvent expliquer pourquoi et vérifier cette conclusion.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…