Un laboratoire sans humains : la Chine lance un système d'IA capable de créer des matériaux de façon autonome

Des scientifiques de l'Académie chinoise des sciences (CAS) ont conçu un système d'IA multi-agents dédié au développement de nouveaux matériaux. Il boucle l'ensemble du cycle — de la formulation de l'hypothèse au pilotage de robots dans un laboratoire physique — sans intervention humaine aux étapes intermédiaires. Selon Jiqizhixin (机器之心), il s'agit d'un exemple opérationnel de « boucle fermée autonome » en science des matériaux : la méthode traditionnelle par essais et erreurs (la fameuse « approche edisonienne ») y cède la place à un tandem formé de plusieurs modèles de langage spécialisés et de bras robotisés.

Trois agents à la place d'un service de recherche

Le système repose sur une architecture multi-agents qui reproduit le fonctionnement d'un institut de recherche entier. Un premier agent joue le rôle de « bibliothécaire » : il analyse des milliers d'articles scientifiques et en extrait les données sur les expériences passées, réussies comme ratées. Le deuxième, le « théoricien », modélise les interactions atomiques au niveau quantique et prédit les propriétés du futur matériau avant même sa synthèse.

Le troisième, l'« ingénieur », traduit des formules chimiques abstraites en instructions concrètes pour l'équipement de laboratoire, c'est-à-dire en un protocole qu'un robot peut exécuter. Les agents ne travaillent pas isolément : ils échangent des données, débattent et corrigent mutuellement leurs actions en temps réel. Ils reproduisent ainsi le travail d'une véritable équipe scientifique, et non celui de programmes isolés chargés de prédire les propriétés des molécules.

Boucle fermée : hypothèse → expérience → analyse → nouvelle itération

Quand l'« ingénieur » envoie une commande au robot, celui-ci mélange physiquement les réactifs ou fritte les poudres, sans opérateur humain devant l'appareil. Si le résultat ne correspond pas à la prédiction du modèle théorique (ce qui, en science, arrive presque toujours), le système ne se retrouve pas dans une impasse : il analyse les données des capteurs, identifie le moment où la théorie a divergé de la pratique et lance lui-même l'itération suivante de l'expérience. C'est précisément la boucle fermée autonome dont parlent depuis longtemps les géants de la tech. L'humain n'a plus qu'à définir les paramètres initiaux de la recherche et à regarder naître à l'écran un matériau doté des propriétés voulues.

Pourquoi c'est nécessaire : la R&D des matériaux bute sur un plafond

Pendant des années, la science des matériaux classique a passé en revue des combinaisons d'éléments à la recherche du supraconducteur ou du catalyseur idéal. C'est l'« approche edisonienne » : des essais et erreurs sans fin, où chaque tentative ratée coûte des semaines de travail en laboratoire. L'industrie se heurte aujourd'hui à un plafond technologique sur plusieurs fronts à la fois, de la capacité des batteries au rendement des panneaux solaires, et il lui faut de nouveaux matériaux plus vite que la science classique ne peut en fournir.

Le dispositif de la CAS montre que le tandem LLM-robotique peut réduire le cycle de R&D d'un facteur de plusieurs dizaines, voire de plusieurs centaines, car le système formule lui-même l'hypothèse, planifie lui-même l'expérience et la conduit lui-même. Pendant ce temps, les start-up occidentales se concentrent sur la génération de texte et d'images.

Quel avenir pour le rôle des chercheurs humains

Conséquence directe de l'automatisation des opérations de laboratoire routinières : le rôle des doctorants et des chercheurs se transforme. Leur travail consistait jusqu'ici à mélanger des réactifs et à régler des instruments de façon monotone. Cette routine passe désormais aux robots pilotés par le système multi-agents, tandis que l'humain se charge de formuler les tâches confiées aux agents d'IA et d'interpréter les résultats, y compris ceux qui contredisent l'intuition scientifique classique. Dans ce modèle, la découverte scientifique devient en somme le produit d'une gestion efficace des réseaux de neurones, et non le fruit de l'illumination fortuite d'un chercheur isolé.

Qu'ont présenté les chercheurs de la CAS ?

Un système d'IA multi-agents pour le développement de nouveaux matériaux, qui fonctionne selon le principe de la boucle fermée autonome : il formule lui-même l'hypothèse, planifie l'expérience et l'exécute à l'aide de bras robotisés dans un laboratoire physique, sans intervention humaine pas à pas à chaque étape.

Comment les rôles sont-ils répartis entre les agents du système ?

Le système est conçu comme un institut de recherche virtuel composé de trois agents spécialisés : le « bibliothécaire » analyse les articles scientifiques et les données des expériences passées, le « théoricien » modélise les interactions atomiques au niveau quantique, et l'« ingénieur » traduit les formules chimiques en instructions pour les robots de laboratoire. Les agents échangent des données et corrigent mutuellement leurs actions en temps réel, reproduisant ainsi le travail d'une équipe scientifique.

Que se passe-t-il si le résultat de l'expérience ne confirme pas la théorie ?

Le système analyse les données des capteurs de l'équipement de laboratoire, détermine à quel endroit le modèle théorique a divergé du résultat pratique et lance automatiquement l'itération suivante de l'expérience, sans s'arrêter pour une analyse humaine. C'est précisément ce qui rend le cycle « fermé » : hypothèse, expérience et correction s'enchaînent sans sortir de la boucle autonome.