Une équipe de recherche dirigée par Hyuk-Jun Kwon, de l'Université de science et technologie DGIST, a publié une feuille de route détaillée pour le développement de nez électroniques alimentés par l'intelligence artificielle et s'appuyant sur des cadres métallo-organiques (MOF). Ces travaux, parus dans la revue Progress in Materials Science, visent à surmonter les limites des capteurs d'odeurs conventionnels, notamment en matière de sélectivité, de rapidité de réponse et de consommation énergétique. Inspirée du système olfactif humain, cette technologie s'appuie sur un principe de codage combinatoire : une odeur unique active simultanément plusieurs récepteurs, générant une signature signalétique distinctive. Les MOF, matériaux poreux constitués d'ions métalliques et de composés organiques, jouent un rôle central dans cette architecture. Leur structure et leurs propriétés chimiques peuvent être finement ajustées pour adsorber spécifiquement certaines molécules odorantes. Classés en trois catégories MOF purs, composites et dérivés, ils offrent une sensibilité et une stabilité accrues, tout en permettant une détection précise à température ambiante et avec une faible consommation électrique. L'intégration de ces capteurs avec des algorithmes d'apprentissage automatique et d'apprentissage profond permet à l'IA d'interpréter les signaux complexes pour classifier avec exactitude des milliers d'odeurs différentes. Les MOF offrent une bibliothèque quasi illimitée de matériaux modulables pour détecter des odeurs spécifiques, à l'image des récepteurs olfactifs humains, souligne Hyuk-Jun Kwon. Cette approche fait le pont entre la recherche sur les matériaux et la reconnaissance intelligente des odeurs, ouvrant la voie à des nez électroniques adaptés à des usages ciblés. Les applications de cette technologie se veulent vastes. Au-delà du contrôle qualité alimentaire, le nez électronique pourrait révolutionner le diagnostic médical précoce par l'analyse de l'haleine, la surveillance de la qualité de l'air et la détection de gaz dangereux. Le secteur agricole et l'industrie autonome en profiteront également, notamment pour équiper les robots et les véhicules autonomes de capacités de perception chimique avancées. En combinant la modularité des MOF et la puissance analytique de l'IA, cette innovation positionne la détection olfactive artificielle comme une solution de surveillance et de diagnostic de nouvelle génération.