Des chercheurs de l'Université nationale de Singapour, en collaboration avec l'Institut de technologie de Shanghai, ont développé une approche basée sur l'intelligence artificielle pour identifier des composés aromatiques naturels favorisant le sommeil. Leur étude, publiée dans la revue Digital Discovery, s'appuie sur l'analyse de plus de 2 391 molécules odorantes provenant de 991 plantes aromatiques. Face à l'ampleur des troubles du sommeil et aux effets secondaires des somnifères classiques, l'équipe dirigée par l'assistant professeur Zhang Dachuan a cherché des alternatives plus sûres. Ils ont entraîné un modèle d'apprentissage automatique à reconnaître les schémas chimiques liés à l'activité favorisant le sommeil. Le système a démontré une précision de 96,1 %, permettant de distinguer efficacement les molécules actives des inactives et de cibler des centaines de candidats prometteurs. Les tests biologiques ont confirmé ces prédictions. Sur cinq molécules commerciales examinées, quatre, à savoir le carvacrol, le safranal, la vanilline et le méthyl eugénol, ont réduit l'éveil et augmenté le sommeil lent non paradoxal, une phase réparatrice. L'analyse révèle que ces composés agissent sur les récepteurs GABA, le principal système de signalisation calmante du cerveau, également ciblé par de nombreux médicaments du marché. La recherche classe par ailleurs les familles végétales les plus riches en ces molécules. Les Asteraceae, Lamiaceae et Lauraceae se distinguent nettement, avec la lavande et la perille identifiées comme sources prioritaires. Cette cartographie ne constitue pas un produit de vente immédiat, mais offre un guide structuré pour orienter le développement d'ingrédients naturels destinés aux aliments fonctionnels, aux produits d'aromathérapie et au bien-être quotidien. L'assistant professeur Zhang souligne que cette méthode transforme des connaissances traditionnelles et des données chimiques éparses en une ressource exploitable pour accélérer la découverte de solutions ciblées. Les prochaines étapes examineront la sécurité à long terme, les interactions entre mélanges de composés et la reproductibilité des effets lors d'études cliniques élargies. Cette initiative illustre le potentiel de l'intelligence artificielle pour rationaliser la recherche de matières premières naturelles en santé et en cosmétique.