Les technologies numériques, notamment l’intelligence artificielle et la fabrication additive, ont révolutionné la chimie et l’ingénierie chimique. En ingénierie des réacteurs, les améliorations de performance ont été rendues possibles par des géométries novatrices, mais les approches de conception ont traditionnellement reposé sur l’apport humain. Cette étude présente Reac-Discovery, une plateforme numérique intégrée qui combine la conception, la fabrication et l’optimisation de réacteurs catalytiques basés sur des structures à cellules ouvertes périodiques (POCs). Elle associe la conception paramétrique et l’analyse de structures avancées à partir de modèles mathématiques (Reac-Gen), l’impression 3D à haute résolution et la fonctionnalisation des réacteurs catalytiques (Reac-Fab), un algorithme validant la faisabilité d’impression des conceptions de réacteurs, ainsi qu’un laboratoire autonome (Reac-Eval) capable d’évaluer en parallèle plusieurs réacteurs, avec une surveillance en temps réel par résonance magnétique nucléaire (RMN) et une optimisation des paramètres opératoires et des descripteurs topologiques par apprentissage automatique (ML). Deux réactions catalytiques multiphasiques ont été choisies comme études de cas : l’hydrogénation de l’acétophénone et la cycloaddition du CO₂. Dans ces cas, Reac-Discovery a atteint le rendement espace-temps (STY) le plus élevé jamais rapporté pour une cycloaddition triphasique du CO₂ utilisant des catalyseurs immobilisés.