Une équipe de chercheurs de l'Universitat Rovira i Virgili (URV) a développé un outil d'intelligence artificielle capable de générer des millions de nouvelles molécules plausibles. Ce système, baptisé CoCoGraph, publie ses résultats dans la revue Nature Machine Intelligence. Bien que ces structures soient inconnues de la science, elles respectent les lois de la chimie et pourraient représenter de futures possibilités réelles, notamment pour le développement de médicaments ou de matériaux durables. Fonctionnant sur le modèle des IA génératives comme ChatGPT, CoCoGraph crée de nouvelles formes de contenu, non pas du texte ou des images, mais des structures moléculaires. Contrairement à d'autres modèles qui répondent à des instructions précises, CoCoGraph se concentre actuellement sur la génération de structures plausibles, c'est-à-dire des combinaisons atomiques valides selon les règles chimiques. L'enjeu est colossal : si le nombre total de molécules possibles est estimé à 10⁶⁰, une fraction infiniment plus grande que les molécules d'eau dans les océans, seules quelques milliers sont actuellement connues. Trouver des molécules utiles dans cet univers chimique immense revient à chercher une aiguille dans une botte de foin. Le fonctionnement de CoCoGraph s'appuie sur un modèle de diffusion, une technique couramment utilisée pour la génération d'images. Le processus consiste à désordonner progressivement une molécule réelle, en brisant et en reconnectant aléatoirement ses liaisons, afin d'apprendre au système à reconstruire des structures cohérentes. Cependant, la complexité mathématique est accrue car, contrairement aux images, les molécules sont des structures discrètes. L'innovation majeure réside dans l'intégration directe des règles fondamentales de la chimie dans le modèle. Chaque atome conserve toujours le nombre correct de liaisons, garantissant que 100 % des molécules générées sont chimiquement valides, éliminant ainsi les structures impossibles souvent produites par d'autres algorithmes. Cette approche rend le système plus efficace, nécessitant moins de paramètres et de puissance de calcul, tout en permettant une génération plus rapide. Lors de comparaisons avec des modèles de pointe, CoCoGraph a démontré un niveau de réalisme supérieur pour environ deux tiers des propriétés physico-chimiques analysées, telles que la solubilité et la complexité structurelle. Pour valider le réalisme de ces créations, l'équipe a soumis 121 paires de molécules, dont une réelle et une générée par l'IA, à un panel de chimistes experts. Les résultats ont montré que les experts se trompaient dans environ quatre cas sur dix, prouvant que beaucoup de molécules générées sont extrêmement convaincantes. Bien que le système ne puisse pas encore concevoir des molécules à fonction spécifique, des tests préliminaires ont déjà identifié des structures aux propriétés similaires au paracétamol. Les chercheurs visent désormais à orienter ce processus vers des objectifs précis. L'objectif à moyen et long terme est de permettre à l'intelligence artificielle de concevoir des molécules répondant à des critères spécifiques, comme la non-toxicité ou la solubilité pour une application donnée. Cette technologie promet de transformer des domaines entiers tels que la pharmacologie et la science des matériaux, accélérant considérablement la découverte de solutions dans un univers chimique encore largement inexploité.