La découverte de nouveaux catalyseurs, matériaux essentiels au développement de combustibles, de produits pharmaceutiques et de technologies énergétiques propres, entre dans une nouvelle ère grâce à une plateforme numérique inédite. Développée par des chercheurs de l'Université de Tohoku et publiée dans la revue Chem Catalysis, DigCat 4.0 vise à résoudre un obstacle majeur de l'intelligence artificielle appliquée à la chimie : le manque de données homogènes et fiables. Jusqu'à présent, l'identification de catalyseurs optimisés reposait largement sur des essais empiriques, un processus long et coûteux. Si les modèles d'IA promettent d'accélérer cette recherche, leur efficacité dépend entièrement de la qualité des données qui les alimentent. DigCat 4.0 répond à ce besoin en centralisant dans un environnement unique des résultats expérimentaux, des calculs théoriques, des publications scientifiques et des outils d'apprentissage automatique. La plateforme offre aux chercheurs des jeux de données normalisés et interopérables, accompagnés de fonctionnalités de visualisation et de modélisation. Elle intègre également des agents d'IA spécialisés capables d'assister les scientifiques dans l'analyse de données, l'extraction de connaissances et la conception de nouveaux catalyseurs. Hao Li, professeur distingué à l'Institut avancé de recherche sur les matériaux de l'Université de Tohoku, souligne que l'intelligence artificielle n'est puissante que grâce aux données qui la sous-tendent. En unifiant ces informations, la plateforme vise à devenir un partenaire pratique pour les découvreurs, tout en préservant le rôle central de l'humain dans le processus scientifique. À terme, les équipes envisagent d'intégrer des systèmes en boucle fermée où l'IA proposerait des candidats, évaluerait leurs performances, recommanderait des expériences et affinerait ses prédictions grâce à des laboratoires robotisés, réduisant ainsi la part d'intervention manuelle. Cette vision autonome se heurte encore à plusieurs défis. Les chercheurs identifient la nécessité d'améliorer les normes de métadonnées, de standardiser les évaluations, de partager davantage les résultats expérimentaux négatifs et d'élargir la participation communautaire à la collecte et à l'organisation des données. Les prochaines versions de DigCat étendront également sa couverture à d'autres domaines de la catalyse, en incorporant des données opérationnelles et des mécanismes de vérification assistée par l'IA. L'intérêt pour cette approche centrée sur les données se manifeste rapidement. Bien que la recherche soit encore au stade de prépublication, elle a déjà recueilli environ cinquante citations en un an et attiré plusieurs milliers d'utilisateurs inscrits sur la plateforme. En fournissant une infrastructure numérique commune aux scientifiques du monde entier, DigCat 4.0 ambitionne d'accélérer les découvertes clés pour une production chimique plus écologique et une transition vers des énergies propres.