DiffSyn, du MIT : une IA générative qui écrit le livre de recettes des nouveaux matériaux

Soyons honnêtes : la science des matériaux souffre aujourd'hui d'un étrange déséquilibre. Ces deux dernières années, DeepMind et Microsoft ont annoncé en grande pompe la découverte de millions de nouveaux cristaux et composés. Les bases de données débordent de matériaux théoriques qui pourraient tout changer, des batteries aux panneaux solaires. Mais il y a un hic : ils n'existent que sur des serveurs. Dans la réalité, nous ne savons tout simplement pas comment les « cuisiner ».

C'est dans ce fossé douloureux entre théorie et pratique que les chercheurs du MIT ont décidé de frapper. Leur nouveau modèle, DiffSyn, ne cherche pas à dénicher un million de structures hypothétiques de plus. Il fait le sale boulot : il rédige les instructions pour les synthétiser.

Le problème que résout DiffSyn est vieux comme le monde. Imaginez qu'on vous montre la photo d'un gâteau parfait en vous disant : « Fais le même. » Sans recette, vous passeriez des années à mélanger farine et œufs dans différentes proportions et à changer la température du four. Dans les laboratoires, c'est la même histoire : les scientifiques passent des mois à choisir les précurseurs et les conditions de réaction. DiffSyn agit comme un chef expérimenté qui, en regardant la « photo » (la structure du matériau), esquisse aussitôt la fiche technique du procédé.

Sur le plan technique, c'est une belle application de l'IA générative. Le modèle est entraîné sur d'énormes jeux de données de réactions chimiques et de synthèses réussies du passé. Lorsqu'on lui soumet un matériau cible, il génère la séquence d'étapes nécessaires pour l'obtenir. Il ne s'agit pas d'une simple recherche dans une base : il génère une nouvelle voie de synthèse pour des composés que personne n'a jamais tenus entre ses mains.

Pourquoi est-ce crucial maintenant ? Parce que le goulot d'étranglement de l'innovation s'est déplacé. Nous avons appris à prédire les propriétés des matériaux avec l'IA plus vite que nous ne pouvons vérifier ces prédictions physiquement. Les laboratoires croulent sous les hypothèses. Si DiffSyn parvient à réduire d'au moins de moitié le temps de mise au point d'une recette, il accélérera l'arrivée de nouvelles technologies sur le marché non pas de quelques pourcents, mais d'un facteur multiple.

Cela ne signifie bien sûr pas que les chimistes se retrouveront au chômage demain. L'IA peut encore se tromper, en proposant des combinaisons explosives ou des conditions physiquement impossibles. Mais comme outil pour écarter les voies de synthèse manifestement sans issue, c'est une avancée majeure. Au lieu de cent expériences, le chercheur n'en aura plus que cinq à mener, dont une fonctionnera.

L'essentiel : l'IA appliquée à la science passe de la phase « regardez ce que j'ai trouvé » à la phase « regardez comment le fabriquer ». DiffSyn montre que l'ère des découvertes théoriques cède la place à celle de la réalisation pratique.