Une IA consciente de sa fiabilite accelere la conception des cathodes de batterie en indiquant aux scientifiques a quel point lui faire confiance

De meilleures batteries sont essentielles a la transition vers l energie propre, des voitures electriques au stockage de l energie solaire et eolienne, et une grande partie de leur conception consiste a reussir la cathode. Le probleme est que developper de nouveaux materiaux de cathode suppose generalement d innombrables experiences lentes et couteuses. Une equipe de l Institut superieur coreen des sciences et technologies (KAIST) a concu un cadre d IA pour raccourcir ce travail fastidieux, dans une etude publiee le 26 janvier 2026 dans la revue Advanced Science.

Le systeme, mis au point par une equipe dirigee par le professeur Seungbum Hong en collaboration avec la professeure EunAe Cho, fait bien deux choses. Il predit la taille des particules d un materiau de cathode, une propriete qui influe fortement sur les performances de la batterie, avec 86,6 pour cent de precision et des erreurs inferieures a 0,13 micrometre, bien plus petites que la largeur d un cheveu humain. Tout aussi important, il le fait meme lorsque les donnees experimentales sont incompletes, grace a un composant appele MatImpute qui comble les valeurs manquantes a partir des proprietes chimiques.

“Le probleme est que developper de nouveaux materiaux de cathode suppose generalement d innombrables experiences lentes et couteuses.”

La caracteristique la plus distinctive du cadre est l honnetete. Construit sur un modele probabiliste appele NGBoost, il ne se contente pas de donner un chiffre ; il indique aussi a quel point ce chiffre est fiable. "L IA presente non seulement la valeur predite, mais aussi a quel point le resultat peut etre digne de confiance", notent les chercheurs, ce qui permet aux scientifiques de concevoir des materiaux "plus rapidement et efficacement". Lors des tests, les mesures microscopiques reelles se situaient dans les plages d incertitude predites par l IA, confirmant que ses estimations de confiance etaient significatives.

La promesse pratique est la rapidite et l economie. En identifiant les conditions de synthese les plus susceptibles de fonctionner, et en etant franc sur ses incertitudes, l outil peut aider les chercheurs a sauter une large part des experiences par essais et erreurs et a avancer plus vite vers les batteries tout solide et d autres de nouvelle generation. L etude a porte sur une composition courante, la NCM811, donc une applicabilite plus large reste a demontrer. Mais un modele qui connait les limites de son propre savoir est exactement le genre d IA digne de confiance sur laquelle la science des materiaux peut s appuyer.