Loin des projecteurs braqués sur les robots conversationnels, Alexandre Duval incarne une autre trajectoire de l’intelligence artificielle : celle qui vise à concevoir de nouvelles molécules et de nouveaux matériaux. Chercheur devenu entrepreneur, il s’est orienté vers un domaine moins visible du grand public, mais central pour les transformations industrielles liées au climat. L’enjeu n’est pas de produire du texte ou des images, mais d’aider à identifier des combinaisons chimiques susceptibles de rendre certains procédés plus sobres et moins polluants.
Cette branche de l’IA appliquée aux matériaux repose sur une idée simple dans son principe : utiliser des modèles informatiques pour explorer plus rapidement l’immense espace des molécules possibles. Dans l’industrie, la recherche de matériaux adaptés à un usage précis peut prendre beaucoup de temps, entre conception, essais, validation et passage à l’échelle. Les outils numériques ne remplacent pas l’expérimentation, mais ils peuvent orienter les recherches, réduire le nombre de pistes inutiles et accélérer l’identification de candidats prometteurs. C’est dans ce champ, à la frontière entre chimie, données et calcul, que s’inscrit le travail d’Alexandre Duval.
La portée climatique de ces recherches tient à leur lien direct avec l’industrie, secteur où les gains d’efficacité exigent souvent des innovations matérielles plutôt que de simples ajustements logiciels. De meilleurs catalyseurs, des composants plus durables, des molécules adaptées à des procédés moins énergivores ou des matériaux permettant de limiter les déchets peuvent contribuer à réduire l’empreinte de certaines activités. L’intérêt de l’IA réside ici dans sa capacité à traiter de vastes ensembles de données chimiques et à faire émerger des configurations difficiles à repérer par les méthodes classiques seules.
Le parcours de Duval illustre aussi une évolution plus large de la recherche scientifique : le passage du laboratoire vers l’entreprise, afin de transformer des outils de découverte en applications industrielles. Cette transition reste exigeante, car une molécule suggérée par un modèle doit être synthétisée, testée, évaluée en conditions réelles et compatible avec des contraintes économiques autant que réglementaires. Dans ce domaine, la promesse de l’IA ne tient donc pas à une rupture instantanée, mais à une méthode de travail plus rapide et mieux ciblée. À mesure que la pression pour décarboner les procédés augmente, cette intelligence artificielle spécialisée pourrait devenir l’un des leviers techniques de l’industrie plus propre.




