fr.wedoany.com Rapport : Ioanna Tzortzi, docteure et spécialiste adjointe de l’innovation en résines et revêtements chez Perstorp AB, a présenté le rôle de l’intelligence artificielle dans l’accélération du développement et de l’optimisation des formulations de résines et d’adjuvants. L’IA accélère le processus en analysant les relations entre les choix de formulation, les conditions de procédé et les performances, puis en prédisant les résultats et en guidant les décisions sur la base de ces connaissances. Cette approche permet de filtrer rapidement les candidats, d’identifier les variables clés et de recommander des fenêtres de fonctionnement robustes au-delà d’une formulation unique. L’apprentissage actif/séquentiel s’est avéré efficace : le modèle est mis à jour après chaque expérience et propose des essais optimisés pour améliorer les performances ou réduire l’incertitude. Cette technologie s’applique à toutes les étapes de la chaîne de valeur des revêtements, y compris la conception des résines et des adjuvants, l’optimisation des formulations, les performances d’application et la mise à l’échelle, en apprenant en continu à partir de données structurées de laboratoire et de procédés.

Selon Tzortzi, l’industrie des revêtements n’a pas encore atteint le stade où les outils numériques sont pleinement intégrés dans les flux de travail de fabrication et de développement d’applications, et il est trop tôt pour évaluer les domaines à « impact maximal ». L’IA a évolué au point où les entreprises s’intéressent à son potentiel, mais son application reste inégale et exploratoire. Le marché recherche activement des cas de réussite crédibles pour démontrer où l’IA ajoute de la valeur, comment l’opérationnaliser dans le travail quotidien, et les avantages concrets par rapport aux méthodes traditionnelles, tels que des gains en rapidité, qualité et robustesse.

En ce qui concerne la qualité des données et la robustesse des modèles, Tzortzi a indiqué que la qualité, l’intégrité et la structure des données sont des prérequis essentiels pour appliquer l’apprentissage automatique à la R&D ou à l’optimisation des procédés. L’entreprise adopte une approche spécifique à chaque projet. Prenant l’exemple des travaux d’émulsification des résines alkydes pilotés par l’IA, ils ont défini toutes les variables cibles qualitatives et quantitatives pertinentes, en veillant à ce que les enregistrements expérimentaux soient cohérents et sans valeurs manquantes. Si nécessaire, des descripteurs ont été conçus pour représenter de manière fiable les indicateurs de produit destinés à l’entraînement du modèle. La robustesse du modèle est maintenue par des mises à jour régulières des données, une validation humaine dans la boucle, une comparaison des prédictions avec les résultats de laboratoire, et un suivi des indicateurs de performance dans le temps pour détecter les améliorations ou les dégradations.

Concernant la demande des fabricants de revêtements pour des services numériques ou d’IA, Tzortzi a noté qu’il n’y a pas de demande explicite pour des services d’IA, mais que la curiosité des fabricants de revêtements augmente. Les clients souhaitent obtenir des cas de réussite et des explications pratiques sur les capacités de l’IA, comprendre comment l’intégrer dans leur travail quotidien, et connaître les avantages par rapport aux méthodes traditionnelles d’essais-erreurs. Elle a cité l’exemple des travaux d’émulsification des résines alkydes pilotés par l’IA chez son entreprise, utilisant Neptem, où le modèle d’IA a été comparé à une approche manuelle, démontrant des améliorations significatives en termes d’efficacité des ressources et de découverte de matériaux.