Une équipe de recherche internationale a développé DigMethpy, une plateforme assistée par intelligence artificielle destinée à accélérer la découverte de catalyseurs pour la pyrolyse du méthane. Cette approche vise à produire de l'hydrogène propre avec des émissions de carbone drastiquement réduites. Contrairement aux procédés conventionnels qui génèrent du dioxyde de carbone, la pyrolyse du méthane décompose le gaz en hydrogène et en carbone solide. Son efficacité repose toutefois sur l'utilisation de catalyseurs fondus performants, dont la conception demeure complexe en raison de la vastité et de l'opacité de leur espace chimique. Les méthodes expérimentales traditionnelles s'avèrent ainsi longues et coûteuses. Pour contourner ces limites, les scientifiques ont intégré dans DigMethpy un circuit fermé combinant littérature technique, données expérimentales, simulations numériques, apprentissage automatique et grands modèles de langage. La plateforme collecte, prédit et valide continuellement ses recommandations. Elle s'appuie actuellement sur plus de 40 000 points de données issues de plus de 500 publications et fichiers de calcul, couvrant des métaux fondus, des alliages, des sels et des systèmes catalytiques hybrides. Grâce à cette architecture, l'équipe a identifié les propriétés chimiques déterminantes pour la performance des catalyseurs, notamment la charge atomique, le comportement de diffusion et l'adsorption de l'hydrogène. Ces connaissances guident désormais la conception d'alliages multicomposants à haute activité. Hao Li, professeur distingué à l'Institut avancé de recherche sur les matériaux de l'Université de Tohoku, souligne que cette démarche marque un pas vers une découverte de catalyseurs pilotée par les données, puis autonomisée. En unifiant savoir expérimental, modélisation computationnelle et intelligence artificielle, le cadre de travail permet de rationaliser la prise de décision et d'optimiser le développement de matériaux pour la transition énergétique. Les travaux, publiés récemment dans la revue AI Agents fondée par le même auteur, ouvrent la voie à des évolutions futures. L'équipe prévoit d'élargir la base de connaissances, de renforcer les modèles prédictifs et de concevoir des systèmes multi-agents plus autonomes pour la recherche de nouveaux catalyseurs. Cette initiative démontre comment l'intelligence artificielle peut transformer la science des matériaux en réduisant les délais et les coûts, tout en accélérant l'innovation pour des technologies énergétiques durables.