Les angles morts de l’IA dans la découverte des matériaux

Et si l’IA ne connaissait pas tous les matériaux ?

Il y a quelque chose que l’on dit rarement à voix haute dans nos laboratoires.

Quand nous parlons d’intelligence artificielle des matériaux, nous imaginons une machine qui connaît la matière. Toute la matière. Comme si, quelque part dans ses circuits, dormait une encyclopédie complète de tout ce que l’univers peut assembler en atomes.

Mais ce n’est pas vrai.

Une IA ne connaît que ce qu’on lui a montré. Et ce qu’on lui a montré, ce sont nos bases de données. Or ces bases de données ont une histoire. Une géographie. Une origine.

Ce que la machine a appris à voir

Prenez les grandes bases de données qui nourrissent aujourd’hui les modèles de découverte de matériaux. Elles regorgent d’aciers, d’alliages métalliques, de céramiques techniques, de polymères de synthèse, de composites haute performance. Des matériaux pensés, financés, étudiés, optimisés depuis des décennies, par et pour une certaine industrie, sous certaines latitudes.

C’est un savoir immense. Mais c’est un savoir situé.

Cherchez-y le kénaf. Le rônier. La fibre de bananier. La latérite stabilisée. Les terres crues que l’on construit depuis des siècles sur les continents dits « du sud ». Cherchez les milliers de gestes artisanaux qui, au Sahel comme en Asie du Sud, transforment une plante en matériau de structure.

Vous ne trouverez presque rien.

Et c’est là que se cache le vrai problème. Une intelligence artificielle ne peut pas recommander ce qu’elle n’a jamais rencontré. Elle ne peut pas optimiser un matériau dont elle ignore l’existence. L’absence dans les données devient, mécaniquement, une absence dans le futur qu’elle nous propose.

Le silence n’est pas le vide

J’insiste sur ce point parce qu’il est facile de le mal comprendre. Si une IA ne « voit » pas la fibre de bananier, ce n’est pas parce que ce matériau n’a pas d’intérêt. C’est parce que personne n’a pris la peine de le mesurer, de le caractériser, de le verser dans les bases que la machine consulte.

Le silence des données n’est pas une preuve d’absence de valeur.

C’est la trace d’un désintérêt historique.

Et c’est précisément ce que je trouve vertigineux : nous sommes en train de construire des machines qui décideront des matériaux de demain, en les entraînant sur la mémoire sélective d’hier. Si nous ne faisons rien, l’IA ne fera pas que reproduire nos savoirs. Elle reproduira aussi nos oublis.

Le renversement possible

Mais je ne veux pas que ce texte soit une lamentation. Parce qu’il y a, dans cette situation, une opportunité que peu de gens voient.

Le manque de données massives sur les matériaux locaux nous oblige à inventer autre chose. Là où le Nord peut se reposer sur des montagnes de données accumulées, nous sommes contraints à une IA plus frugale. Plus proche du terrain. Une IA qui n’apprend pas seulement de gros jeux de données, mais aussi du savoir des artisans, des maçons, des tisserands, de ceux qui connaissent intimement ces matériaux sans les avoir jamais écrits dans une équation.

Imaginez une intelligence artificielle qui ne cherche pas à remplacer ce savoir traditionnel, mais à le formaliser. À le mesurer. À lui donner enfin un langage que la science globale comprend. Le geste de l’artisan deviendrait une donnée. La donnée nourrirait le modèle. Et le modèle, en retour, validerait et amplifierait un savoir resté trop longtemps invisible.

Ce n’est plus l’IA qui dicte aux territoires ce qui est un bon matériau.

Ce sont les territoires qui apprennent quelque chose à l’IA.

Qui décide de ce qui compte ?

Au fond, cartographier les matériaux du monde, ce n’est jamais une opération neutre. C’est décider, implicitement, quels matériaux méritent d’exister dans le futur et lesquels resteront dans l’angle mort.

Une IA des matériaux peut faire deux choses très différentes. Elle peut figer la hiérarchie actuelle, où un matériau ne compte que s’il a déjà été étudié par ceux qui avaient les moyens de l’étudier. Ou elle peut devenir un instrument de rééquilibrage, qui va chercher la valeur là où on ne l’a jamais cherchée.

La différence ne se jouera pas dans les algorithmes.

Elle se jouera dans le choix de ce que nous décidons de lui montrer.

Une responsabilité, plus qu’une technologie

Fidèle à ce que je défends dans cette série, je crois que l’IA n’est pas un oracle qui détiendrait la vérité de la matière. C’est un miroir. Elle nous renvoie l’image de nos données, de nos priorités, de nos angles morts.

Et si la vraie question n’était pas « que peut découvrir l’IA ? », mais « que choisissons-nous de lui apprendre à connaître ? »

Parce que les matériaux du futur ne seront pas seulement ceux que la machine saura calculer.

Ce seront ceux que nous aurons jugés dignes d’être mesurés.

Alphonse

Mater’IA

Mater’IA est la chronique du média Cosmos Materia à la frontière de l’intelligence artificielle et des matériaux.

Découvrez les éditions