La science des matériaux a toujours été une discipline de la patience : des décennies entre la découverte et le déploiement industriel, des carrières entières à explorer d’immenses espaces de composition, une expérience à la fois. Cette patience est aujourd’hui devenue un handicap. Les défis de l’industrie – de la décarbonation à la résilience des chaînes d’approvisionnement – exigent une rapidité que les méthodes traditionnelles ne peuvent plus offrir, au moment même où une génération de scientifiques expérimentés approche de la retraite. L’IA ouvre une nouvelle voie : non comme substitut à l’expertise scientifique, mais comme moyen de la démultiplier. Cet article s’appuie sur plus d’une décennie de déploiements concrets pour expliquer comment.

Le goulot d’étranglement de l’innovation dans les matériaux

Chaque batterie de véhicule électrique ou de stockage à l’échelle du réseau, chaque composite allégé réduisant les émissions des avions, chaque revêtement biocompatible dans les dispositifs médicaux a d’abord vu le jour en laboratoire, sous la forme d’une idée. Les matériaux qui façonnent le progrès technologique naissent là. Et trop souvent, ils y restent.

Le délai moyen entre la découverte d’un matériau et son déploiement commercial va de 10 à 20 ans. Pour les matériaux véritablement révolutionnaires – nouvelles classes d’alliages, polymères structurels, semi-conducteurs de nouvelle génération – le passage du laboratoire à l’adoption industrielle a souvent pris près de 50 ans. Ces délais ne traduisent pas un manque d’ambition : ils témoignent de la créativité et de la ténacité de nos prédécesseurs face à des défis dont dépendent les innovations d’aujourd’hui. Si le processus est si long, c’est que les espaces de conception sont d’une immensité inimaginable : le nombre de compositions chimiques plausibles se chiffre en milliers de milliards, et même l’équipe la plus expérimentée ne peut en explorer qu’une infime fraction au cours d’une carrière.

La transition énergétique, les priorités de défense et les attentes des consommateurs exigent des matériaux qui n’existent pas encore à l’échelle industrielle. Pourtant, alors même que les défis actuels demandent davantage d’innovation, les progrès ralentissent. Malgré plus de 100 milliards de dollars investis chaque année en R&D à l’échelle mondiale, les percées restent rares dans les produits chimiques et les matériaux avancés : les portefeuilles sont de plus en plus dominés par des améliorations incrémentales de composés existants, au détriment de nouvelles classes de matériaux. Les dépenses de R&D du secteur se maintiennent depuis plus d’une décennie autour de 2,5 % du chiffre d’affaires – et à mesure que les percées se raréfient, les retours sur investissement diminuent. L’industrie continue d’investir, mais découvre de moins en moins.

Aggravant encore la situation, l’industrie perd peu à peu les détenteurs de son actif le plus précieux : le savoir institutionnel. Toute une génération de chercheurs seniors approche de la retraite. En 2001, 23,9 % des spécialistes en science des matériaux et métallurgistes en activité aux États-Unis avaient plus de 50 ans ; en 2022, cette proportion atteignait 34,1 %. Plus préoccupant encore, la part des 35-50 ans a reculé sur la même période, de 40,9 % à 27,6 %. Et il ne s’agit pas d’une menace lointaine : en 2001, seuls 8,7 % du secteur avaient 60 ans ou plus ; en 2022, ils étaient 17,9 %. Ces évolutions démographiques (voir Figure 1) s’expliquent en grande partie par le recul des financements consacrés à la recherche sur les matériaux après la guerre froide – se remettre d’un tel bouleversement peut prendre des décennies. L’IA offre un moyen de capturer et d’opérationnaliser ce savoir, qu’il s’agisse de données structurées ou d’heuristiques tacites qui, autrement, partiraient à la retraite avec leurs détenteurs. Au-delà de la préservation des connaissances, les organisations qui s’engagent dans cette voie accélèrent l’intégration des jeunes scientifiques et conservent une expertise qui serait sinon perdue.

Les enjeux sont particulièrement critiques dans la course à la décarbonation, où tout est question de vitesse : transformer un composé prometteur en produit industrialisable avant que la fenêtre d’une action climatique significative ne se referme. Notre industrie a besoin d’une transformation radicale, pas d’améliorations progressives. C’est cette brèche que l’IA est venue combler.