La batterie de votre téléphone ou de votre voiture électrique est une véritable usine chimique miniature. À l'intérieur, des ions lithium circulent entre deux électrodes, et à la frontière avec le liquide électrolyte se forme un film mince – c'est lui qui détermine la durée de vie de la batterie. Ce film est appelé interface d'électrolyte solide. Le voir directement est difficile : il est plus fin qu'un cheveu humain et change à chaque charge.

Les chimistes savent le suivre grâce à la spectroscopie infrarouge – comme si l'on écoutait quelles « notes » le film émet lorsque la lumière le traverse. Mais cette prise de vue en temps réel coûte cher et nécessite un équipement complexe. C'est pourquoi les auteurs de ces travaux ont fait un coup de maître : ils ont rassemblé 7118 spectres de dix types de batteries différents et ont entraîné un réseau de neurones à prédire comment la « musique » du film évoluera dans le temps, en ne disposant que d'une seule image statique.

Le modèle, nommé ABCC, fonctionne comme un traducteur du langage de la chimie vers le langage de la prédiction. Il ne se contente pas de mémoriser des cas similaires ; il prend en compte les lois physiques – par exemple, que la masse des substances ne disparaît pas et que les pics du spectre se déplacent d'une manière strictement définie. Cela lui permet de distinguer ce qui relève du solvant de ce qui appartient au film lui-même, et de prédire comment la couche protectrice va croître.

Les tests ont montré : ABCC surpasse toutes les méthodes existantes – celles qui travaillent sur des images statiques comme celles qui analysent des séquences. L'essentiel est que le modèle sait transférer ses connaissances à des types de batteries inconnus, qu'il n'a pas vus lors de l'entraînement. Cela signifie que les ingénieurs pourront plus rapidement choisir la composition de l'électrolyte et les additifs, sans passer des mois devant un spectromètre. Ainsi, l'intelligence artificielle devient un outil de plus dans l'atelier de l'électrochimiste.