Des chercheurs de l’Université de pétrole de Chine (Pékin), menés par le professeur Zhou Tianhang, ont conçu un système innovant baptisé Cyber Academia-Chemical Engineering, un écosystème numérique simulant une « ville académique cybernétique » dédiée à la recherche chimique autonome. Ce projet vise à franchir une étape décisive dans l’application de l’intelligence artificielle (IA) au domaine industriel, en particulier dans le secteur chimique, qui représente 17 % du produit intérieur brut chinois. Contrairement aux approches traditionnelles où l’IA est utilisée pour répondre à des questions bien définies, ce système repose sur une architecture de multiples intelligences artificielles spécialisées, chacune incarnant un expert dans un domaine clé : conception moléculaire, mise à l’échelle expérimentale, validation technologique, recherche expérimentale, mécanismes théoriques, sécurité des procédés et contrôle qualité. Ces experts virtuels interagissent continuellement, discutent, se corrègent mutuellement, et peuvent même découvrir de nouveaux problèmes scientifiques que les humains n’auraient pas encore identifiés — une capacité d’émergence qui ouvre la voie à une nouvelle forme de découverte scientifique. Le système repose sur trois mécanismes d’enrichissement des connaissances pour surmonter un des principaux défis de l’IA : les « hallucinations » — des réponses inexactes ou fictives. Premièrement, chaque expert est doté d’une base de connaissances spécialisée. Deuxièmement, une technologie de génération augmentée par recherche (RAG) permet d’alimenter les réponses avec des données scientifiques vérifiables. Troisièmement, une adaptation fine spécifique au domaine et une carte de connaissances structurée (knowledge graph) renforcent la précision et la fiabilité des échanges. Cependant, même avec ces outils, les chercheurs ont observé un problème majeur : des malentendus entre experts de disciplines éloignées, comme entre le design moléculaire et la sécurité industrielle, entraînant des erreurs de compréhension et des blocages dans la collaboration. Pour y remédier, l’équipe a introduit un agent de collaboration (CA), basé sur une ontologie — un cadre formel définissant les concepts, leurs propriétés et leurs relations au sein du domaine chimique. Cette ontologie sert de « langage commun » entre les experts, permettant une communication fluide et une coordination efficace malgré les différences de vocabulaire ou de perspective. Les résultats sont prometteurs : après trois jours d’auto-exécution, le système a généré 1 200 interactions, dont les performances ont augmenté de 10 à 15 % en précision, rapidité et pertinence grâce aux mécanismes d’enrichissement. Plus important encore, le système a commencé à proposer des routes technologiques complètes — de la théorie à l’expérimentation, en passant par l’optimisation industrielle — sans intervention humaine directe. L’ambition de Zhou Tianhang va au-delà de l’automatisation : il s’agit de débloquer les « connaissances cachées » — des connexions subtiles entre domaines, des savoirs oubliés ou négligés dans les données. En favorisant une interaction dynamique entre experts, Cyber Academia pourrait révéler des opportunités d’innovation inattendues, transformant l’IA d’un outil passif en un partenaire actif de la recherche scientifique. Ce projet s’inscrit dans une démarche plus large menée par l’équipe, notamment dans le cadre du projet NSFC-CAS « chimie industrielle à faible carbone ». Des applications concrètes sont déjà en cours : la société Zhonghai Energy Storage, issue de cette recherche, développe des batteries au fer-chrome, et a déjà lancé FlowBD, un grand modèle spécialisé dans les systèmes de stockage à long terme, ainsi qu’un « agent industriel molécule-réseau ». Les chercheurs prévoient d’utiliser Cyber Academia comme terrain d’expérimentation pour valider son impact réel dans des contextes industriels réels. En somme, cette innovation ne se contente pas d’améliorer l’IA dans un domaine donné : elle réinvente la manière dont la science peut émerger, par l’interaction autonome, la collaboration interdisciplinaire et l’exploration proactive — marquant ainsi une avancée fondamentale vers une science autonome, évolutive et profondément intégrée à l’industrie.