N°488 - Mai/juin 2024

Le pouvoir de l’intelligence artificielle : révolutionner la performance des matériaux et des procédés dans l’industrie*

L’intégration de l’intelligence artificielle (IA) dans la science des matériaux offre des avantages révolutionnaires, comme l’accélération de la découverte de nouveaux matériaux et des analyses approfondies des comportements des matériaux. Cependant, cela soulève des préoccupations telles que l’opacité des algorithmes, la sécurité des données et le risque de disparités socio-économiques. Naviguer dans cette nouvelle ère exige une approche éthique et collaborative, en mettant l’accent sur la transparence, la sécurité des données et le développement équitable des compétences pour maximiser les bénéfices de l’IA tout en atténuant ses risques ­potentiels.*
Plus sérieusement, l’IA appliquée à la conception de nouveaux matériaux est un concept innovant. Elle l’est déjà moins dans le domaine des procédés, où on l’utilise couramment en recherche pour la construction de modèles et/ou simulations, ou en production pour le contrôle.
Si elle offre de nombreuses possibilités, telle que l’accélération du processus de découverte de nouveaux matériaux grâce à des algorithmes avancés et des techniques d’apprentissage automatique, ou l’analyse approfondie grâce aux simulations atomistiques ou aux prédictions macroscopiques, pour ne citer qu’elles, l’IA ne résout pas tous les problèmes.
Trois principaux sujets sont à mettre en regard de cette accélération exponentielle : la fabrication et la caractérisation des matériaux issus de ces prédictions, les données, et les enjeux sociétaux liés aux grands modèles d’apprentissage.
S’il peut sembler vertueux de prédire les matériaux à cibler plutôt que de générer d’immenses plans d’expériences, il ne faut pas perdre de vue qu’aujourd’hui, les dispositifs de synthèse et de caractérisation haut-débit sont rares, voire inexistants. De plus, rien ne pourra remplacer la validation expérimentale, et la connaissance des experts métiers.
Pour atteindre un niveau de prédiction acceptable, les modèles nécessitent des quantités gigantesques de données fiables et pertinentes, qu’il faut générer (et valider), stocker (quid de la confidentialité ?), puis entrer dans les modèles.
Le monde commence à découvrir les petites mains de l’AI, payées quelques centimes par données qu’elles saisissent dans le domaine : on n’envoie plus les enfants dans les mines (ouf !), on leur fait saisir des données 18 heures par jour pour alimenter les IA… Et je n’aborde même pas le bilan carbone de tous ces calculs !
L’IA peut certainement accélérer les découvertes en science des matériaux, moyennant que l’on s’oriente vers des IA frugales, capables de travailler avec peu de données, mais l’IA ne remplacera pas les experts du domaine. Gageons que cela sera plutôt un nouvel outil aux services des experts pour aller plus vite et être plus robuste dans nos développements.
*Avec l’aimable collaboration de ChatGPT

Marjorie Cavarroc, ingénieur R&T TTS voie sèche, experte senior, Safran Tech