Alexandre Duval, ou comment l'IA conçoit des molécules pour rendre l’industrie plus propre

Cofondateur et directeur scientifique d'Entalpic, Alexandre Duval veut accélérer la mise au point de catalyseurs capables de rendre l'industrie plus sobre en énergie et en carbone.

Après avoir été diplômé de l'université de Warwick, puis du MSc Artificial Intelligence de CentraleSupélec, c'est à l'institut Mila, fondé par Yoshua Bengio, qu'il découvre, aux côtés de chercheurs comme David Rolnick, l'usage du deep learning pour la chimie et la conception de matériaux, qui permet de mettre au point plus vite de nouveaux catalyseurs indispensables à de nombreuses réactions industrielles, de la production d'engrais à l'hydrogène.

Accélérer la découverte scientifique

C'est là que se situe son apport le plus original à l'IA. Plutôt que de produire du texte ou des images, ses modèles apprennent à représenter des structures atomiques, à prédire leurs propriétés et à proposer de nouveaux candidats. En 2024, il cosigne notamment PhAST (Physics-Aware, Scalable, and Task-Specific), une méthode de réseaux de neurones sur graphes destinée à accélérer la recherche de catalyseurs en intégrant des connaissances physiques.

Un algorithme inspiré du quantique ouvre une voie express pour simuler des matériaux impossibles

Des chercheurs de l’Université d’Aalto, en Finlande, ont mis au point une méthode de calcul qui permet de modéliser en quelques secondes des quasi-cristaux topologiques d’une complexité vertigineuse.... Lire la suite

Cette approche de l'IA sert à explorer un espace chimique immense, sélectionner les pistes les plus prometteuses et limiter les expériences coûteuses en réunissant dans une même boucle de recherche simulations quantiques, littérature scientifique et essais de laboratoire.

Entalpic veut révolutionner les matériaux

Avec Victor Schmidt et Mathieu Galtier, Alexandre Duval cofonde Entalpic en mars 2024, dont il devient Chief Science Officer. La start-up développe une plateforme mêlant modèles prédictifs et génératifs, simulations atomiques et validations expérimentales, avec l'objectif d'accélérer la découverte de matériaux utiles à l'énergie, à la chimie et plus globalement à toutes les industries difficiles à décarboner.

Le parcours d'Alexandre Duval illustre un déplacement majeur de l'IA, qui est en train de migrer des écrans vers la matière. Ici, la performance d'un modèle se mesure à sa capacité à faire émerger une molécule ou un matériau réellement utile. Pour la transition écologique, le pari est considérable car identifier plus vite de meilleurs catalyseurs pourrait aider à réduire considérablement les rejets de CO₂ dans l'atmosphère des procédés industriels parmi les plus émetteurs.