Une équipe de l'Université de Toronto a mis au point un laboratoire autonome assisté par intelligence artificielle capable de concevoir et de tester de nouveaux alliages métalliques résistants à des températures extrêmes. Dirigée par le professeur Yu Zou et le doctorant Ajay Talbot, la recherche, publiée dans la revue npj Advanced Manufacturing, a permis d'identifier six nouveaux alliages à base de nickel, de cobalt et de chrome. Ces matériaux sont particulièrement adaptés à la fabrication additive, également connue sous le nom d'impression 3D métallique, et pourraient révolutionner la production de composants sur mesure pour l'aérospatiale et la génération d'énergie. Face à la complexité du développement de matériaux supportant de fortes variations de pression et de chaleur, comme celles rencontrées dans les réacteurs d'avion ou les générateurs de vapeur nucléaires, les chercheurs ont opté pour une approche novatrice appelée apprentissage actif. Cette méthode combine la modélisation informatique, l'apprentissage automatique et la fabrication robotisée. Le laboratoire autonome teste automatiquement les échantillons, utilise les résultats pour affiner les modèles et sélectionne ensuite de nouvelles compositions à étudier, minimisant ainsi le besoin en données initiales et accélérant considérablement le processus de découverte. En quelques semaines, le système a ciblé des alliages à trois éléments principaux. L'un, composé de 12 % de nickel, 62 % de cobalt et 26 % de chrome, conserve sa dureté à 600 degrés Celsius, dépassant de 4,5 % l'alliage standard Inconel 625. Un second, formulé à 36 % de nickel, 14 % de cobalt et 50 % de chrome, fait preuve d'une résistance exceptionnelle à l'oxydation jusqu'à 1 000 degrés Celsius, surpassant l'Inconel 625 de 85 %. Ces performances ouvrent la voie à la fabrication de pièces complexes, plus légères et plus résistantes, impossibles à obtenir avec les méthodes d'usinage traditionnelles. Ce projet, partiellement financé par le consortium Acceleration de l'Université de Toronto, démontre l'efficacité des plateformes de découverte fermées pour l'ingénierie des matériaux. Les chercheurs prévoient désormais d'élargir la complexité des compositions à dix ou douze éléments, explorant ainsi des mécanismes de renforcement inédits. Cette avancée confirme le potentiel de l'intelligence artificielle pour accélérer l'innovation dans les secteurs industriels exigeants, où la fiabilité des matériaux face aux conditions extrêmes est un enjeu critique.