En bref : une équipe de l’université Rice (États-Unis), dirigée par la professeure Emilia Morosan, a identifié deux nouveaux supraconducteurs, baptisés YRu3B2 et LuRu3B2, en s’appuyant sur l’intelligence artificielle. Les tests en laboratoire ont confirmé les prédictions du modèle. Une avancée publiée dans la revue Physical Review Research, qui montre à quel point l’IA peut accélérer la recherche sur les matériaux.

Un supraconducteur, c’est quoi au juste ?

Commençons par le commencement. Un supraconducteur est un matériau capable de conduire l’électricité sans aucune perte : sa résistance électrique tombe à zéro. Dans un câble ordinaire en cuivre, une partie de l’énergie se dissipe en chaleur au fil du trajet. Dans un supraconducteur, ce gaspillage disparaît complètement.

Le problème ? Jusqu’ici, cet état quasi magique ne s’obtient qu’à des températures extrêmement basses, souvent proches du zéro absolu (environ -273 °C). Il faut donc refroidir le matériau avec des systèmes coûteux et encombrants, ce qui limite fortement les usages au quotidien.

Ce que l’équipe de Rice a trouvé

La professeure Emilia Morosan et son équipe ont mis au jour deux composés inédits : YRu3B2 (à base d’yttrium, de ruthénium et de bore) et LuRu3B2 (à base de lutécium, de ruthénium et de bore). Ces deux matériaux se sont révélés bel et bien supraconducteurs lors des essais menés en laboratoire.

Le résultat a été publié dans la revue scientifique Physical Review Research, dans le cadre du consortium SuperC. Ce qui rend la découverte intéressante, ce n’est pas tant la performance brute des deux composés que la méthode employée pour les débusquer.

Le rôle décisif de l’intelligence artificielle

Traditionnellement, dénicher un nouveau supraconducteur relève d’un long travail de tâtonnement : les chercheurs synthétisent des matériaux, les testent, recommencent. Un processus lent et coûteux, un peu comme chercher une aiguille dans une botte de foin en soulevant chaque brin à la main.

Ici, l’équipe a confié le travail de tri à un modèle d’apprentissage automatique (machine learning). Ce modèle passe au crible un nombre quasi infini de combinaisons de matériaux pour repérer les meilleurs candidats à la supraconductivité. En clair, l’IA propose une liste restreinte de composés prometteurs, que les chercheurs n’ont plus qu’à fabriquer et vérifier.

Et c’est là toute la force de la démarche : les tests en laboratoire ont confirmé que les deux matériaux prédits étaient effectivement supraconducteurs. Une belle validation de l’approche.

Une preuve de concept, pas encore une révolution

Il faut garder la tête froide. Cette découverte est avant tout une preuve de concept : elle démontre que l’IA peut guider efficacement la recherche de nouveaux matériaux, beaucoup plus vite que la méthode classique par essais successifs.

En revanche, YRu3B2 et LuRu3B2 restent des supraconducteurs à basse température. Le graal absolu de la discipline, lui, n’est pas encore atteint : il s’agirait d’un supraconducteur à température ambiante, fonctionnant sans réfrigération. Nous en sommes encore loin, et il serait imprudent de laisser croire le contraire.

Pourquoi cette recherche compte autant

Si un jour la science parvenait à maîtriser la supraconductivité à température ambiante, les conséquences seraient considérables. On parle ni plus ni moins de transformer le stockage et le transport de l’électricité en éliminant les pertes d’énergie sur les réseaux.

Les applications potentielles sont déjà nombreuses là où les supraconducteurs sont utilisés aujourd’hui, malgré la contrainte du froid :

• Énergie : des lignes électriques sans déperdition, un rêve pour la transition énergétique.
• Transport : les trains à lévitation magnétique (maglev), qui filent sans frottement.
• Médecine : les appareils d’IRM, dont les puissants aimants reposent sur des bobines supraconductrices.
• Électronique : des composants plus performants et moins énergivores.

Quand l’IA devient un outil de découverte

Au-delà des supraconducteurs, cette étude illustre une tendance de fond : l’intelligence artificielle s’impose peu à peu comme un véritable partenaire de recherche. En explorant en quelques heures des espaces de possibilités qui prendraient des années à un humain, elle permet de concentrer les efforts de laboratoire là où ils ont le plus de chances d’aboutir.

La chimie des matériaux, la découverte de médicaments ou encore la science des batteries pourraient toutes bénéficier de cette approche. L’humain garde la main sur la validation expérimentale, mais l’IA défriche le terrain à sa place.

Ce qu’il faut retenir

• Deux nouveaux supraconducteurs, YRu3B2 et LuRu3B2, ont été découverts à l’université Rice grâce au machine learning.
• Les prédictions du modèle d’IA ont été confirmées par des tests en laboratoire : c’est une preuve de concept réussie.
• Ces matériaux restent supraconducteurs à basse température ; le supraconducteur à température ambiante n’est pas pour tout de suite.
• L’enjeu à long terme : transporter et stocker l’électricité sans la moindre perte d’énergie.