Contexte et objectifs
Discovered Materials, startup issue de Y Combinator (promo printemps 2026), utilise des modèles d’IA de pointe pour identifier des substances destinées aux puces avancées. En novembre 2026, l’entreprise a annoncé un fonds de un million de dollars destiné à récompenser des solutions à cinq problèmes non résolus de la science des matériaux. L’enjeu est double : fournir des jalons mesurables à la communauté IA et accélérer la compréhension physique nécessaire à la prochaine génération de semi‑conducteurs.
Les cinq problèmes ciblés
Un groupe consultatif académique a défini les défis suivants : (1) une théorie expliquant la supraconductivité des cuprates, phénomène où la résistance électrique chute à zéro à très basse température ; (2) une méthode numérique capable de prédire les structures d’interfaces silicium/silicon‑dioxide, interface omniprésente dans les transistors ; (3) un algorithme reliant la micro‑structure des grains à leurs propriétés thermiques, indispensable pour concevoir des dissipateurs de chaleur plus efficaces ; (4) une théorie prédisant l’influence de la lumière sur le comportement matériel, notamment dans le contexte de la supraconductivité photo‑induite ; (5) une amélioration numérique de la density functional theory (DFT), pilier du calcul atomique et moléculaire. Chaque problème repose sur des modèles mathématiques ou physiques qui, à ce jour, ne permettent pas de prédictions fiables à l’échelle industrielle.
Premiers essais d’IA et limites observées
Avant de lancer le défi, Discovered Materials a laissé des modèles de laboratoire « frontier » accéder à internet et à des ressources de calcul pendant plusieurs jours. Malgré cette autonomie, les agents IA n’ont réalisé que des avancées marginales sur chaque problème, soulignant la difficulté de formaliser des questions où les critères de succès ne sont pas binaires comme en mathématiques. Les fondateurs évoquent la possibilité que des acteurs comme OpenAI ou Anthropic, disposant de plus de puissance de calcul ou de modèles plus récents, puissent obtenir des résultats en un seul passage (one‑shot). Cette observation indique que la simple augmentation de la capacité de calcul ne garantit pas la résolution, mais que la structuration du problème et la disponibilité de données d’entraînement spécialisées restent critiques.
Perspectives pour l’industrie des semi‑conducteurs
Discovered Materials se positionne comme un pont entre la recherche académique et les géants du silicium. En parallèle d’un tour de financement annoncé en août, la société affirme pouvoir livrer un matériau exploitable dans un délai inférieur à un an. Si l’un des défis était résolu, les retombées se traduiraient immédiatement en gains d’efficacité énergétique pour les puces, en amélioration du stockage d’énergie et en réduction des coûts de fabrication grâce à une meilleure maîtrise des interfaces et des propriétés thermiques. Le suivi public des solutions permettra également de mesurer l’évolution des modèles d’IA dans un domaine où les phénomènes physiques restent largement non linéaires et où les données expérimentales sont coûteuses à obtenir.
