Alexandre Duval (Entalpic) — L'IA générative qui agence les atomes | Comptoir IA #168

Nicolas GuyonSalut Alexandre, bonjour aux auditeurs et aux spectateurs de Comptoir IA. J'ai l'immense plaisir de recevoir Alexandre Duval, cofondateur et Chief Scientist Officer d'Entalpic. Ça fait longtemps que je voulais faire ce podcast pour montrer l'intérêt de l'IA au-delà du texte, des LLM et des agents dont on parle tous les jours. On dit souvent qu'Elon Musk ou Travis Kalanick travaillent à bouger des atomes plus que des bits — avec toi, c'est exactement ce qu'on va explorer.

Alexandre DuvalC'est une simplification qu'on fait souvent : l'IA égale les agents et ChatGPT. En réalité, c'est beaucoup plus large. Je suis ravi de montrer une autre facette de l'IA qui n'est pas le langage mais, dans mon cas, la découverte de matériaux : comment on agence des atomes dans l'espace pour créer la matière. C'est un problème fondamental de la société.

Nicolas GuyonEntalpic, c'est l'IA pour les matériaux, mais aussi pour répondre aux problèmes climatiques et aux conséquences négatives de la chimie — une cause très noble. Vous avez levé 8,5 millions d'euros, vous avez une super équipe avec deux cofondateurs, et vous êtes basés à Station F.

Alexandre DuvalLe but d'Entalpic, c'est d'accélérer les cycles de découverte des gros groupes industriels pour innover sur les matériaux de demain. Un matériau, c'est très large : le verre, les alliages, les composites des avions, les semi-conducteurs des puces, les batteries de ton portable. Des atomes agencés ensemble dans l'espace pour constituer la matière — la fondation de notre société, qu'on n'entend pourtant pas beaucoup.

Alexandre DuvalPour distinguer : les protéines sont ces immenses structures de ton corps qui assurent des fonctions vitales ; les molécules sont des petits fragments d'atomes, comme H2O ; les matériaux sont des structures périodiques, souvent cristallines, où un arrangement d'atomes se répète dans l'espace. On parle de 10 puissance 30 à 10 puissance 60 matériaux possibles — des nombres gigantesques, car chaque atome qui change de place donne un nouveau matériau.

Alexandre DuvalSi je te dis de concevoir une nouvelle batterie, tu as une quasi-infinité de possibilités : nickel ou cobalt, dans quelles proportions, comment les placer dans l'espace pour obtenir une grosse densité de charge, un faible coût, pas de dépendance aux terres rares, une synthèse facile. C'est impossible pour un humain seul sans bons outils. L'approche actuelle, intuition-erreur, prend 10 à 15 ans — alors que face au réchauffement climatique, les échéances sont pressantes.

Nicolas Guyon10 puissance 60, c'est plus que d'étoiles dans l'univers. Donc on a besoin d'IA pour ça, et c'est ce que fait Entalpic. Et il y a la chimie computationnelle, l'équation de Schrödinger qui gouverne la matière — nous, on connaît surtout son chat !

Nicolas GuyonQuestion traditionnelle du podcast : qu'est-ce que tu utilises comme outils d'IA au quotidien, toi et chez Entalpic ?

Alexandre DuvalJe suis utilisateur de Claude et de ChatGPT, en comptes pro. Comme mon doctorat est en machine learning et que je l'applique aux matériaux, je dois apprendre énormément de physique et de chimie : je les utilise comme tuteur du quotidien. Il y a des limites quand on va dans le détail technique, mais il hallucine beaucoup moins quand tu lui donnes un document, ses réponses sont fondées. Je prépare des meetings clients en 30 minutes sur un sujet que je ne connais pas.

Alexandre DuvalChez Entalpic, on a autorisé Claude comme agent officiel : il est connecté à notre Notion, à notre Slack, à nos bases de connaissances. Il suit l'avancée des projets, et si je vais à une conférence, il liste les participants, les retrouve sur LinkedIn et rédige des messages d'intro tout seul. C'est Claude Cowork, un layer au-dessus de Claude Code : pour vraiment coder, Claude Code est mieux ; pour les interfaces et les présentations, Cowork est très bien. Ça augmente vraiment la productivité des équipes, c'est un impact tangible.

Alexandre DuvalIl y a aussi la question de la sécurité, surtout pour les grosses boîtes : tu donnes quand même accès à tes données. Nous, on limite les outils qui y accèdent, et sur certains contrats clients, on a des approches plus souveraines. Mais avoir Claude connecté à nos bases, c'est hyper utile.

Alexandre DuvalL'IA est un terme un peu marketing dont la définition évolue : il y a 10 ans, c'était prédire le prix d'un appartement ; aujourd'hui, ce sont les LLM, la voiture autonome. Le machine learning, c'est plus concret : un algorithme qui apprend avec un jeu de données — comme apprendre les échecs à partir de millions de parties. Les LLM ne sont qu'une classe d'algorithmes parmi plein d'autres que tu utilises au quotidien, comme les algorithmes de recommandation qui te poussent ce podcast.

Alexandre DuvalNous, on développe une IA qui suggère aux groupes industriels les molécules et matériaux les plus prometteurs pour un cas d'usage donné. Plusieurs briques : des algorithmes génératifs — qui ne sont pas des LLM — qui construisent matériaux et molécules en plaçant les atomes dans l'espace ; des algorithmes prédictifs, des réseaux de neurones qui ne sont pas des transformeurs, qui prédisent leurs propriétés ; et d'autres qui modélisent forces, énergies et réactions chimiques à l'échelle atomique.

Alexandre DuvalCes modèles coexistent : le génératif propose des molécules, et la qualification de leur intérêt est faite par un modèle prédictif — chez nous des graph neural networks. L'expérience en labo est très coûteuse et très longue ; avec une espèce de world model qui simule ce qui se passe, tu explores sur des GPU, tu filtres tout ce qui n'est pas intéressant et tu laisses les expérimentalistes se concentrer sur ce qui a de la valeur.

Nicolas GuyonC'est l'exemple d'AlphaFold de DeepMind : synthétiser toutes les protéines à la main aurait pris des centaines de millions d'années. Là, on va beaucoup plus vite.

Nicolas GuyonLa puissance de calcul, c'est le nerf de la guerre — on parle de Colossus 2 d'Elon Musk avec 100 000 puis 200 000 GPU. Vous avez aussi ce sujet chez Entalpic ?

Alexandre DuvalOn n'est pas du tout dans la même échelle : les modèles en science des matériaux sont beaucoup plus petits. Nos entraînements tournent sur environ 64 GPU, voire moins, pendant quelques jours. Notre utilisation est marginale. On s'intéresse plutôt à l'inverse : comment réduire les dépenses énergétiques des data centers, par exemple en optimisant les matériaux qui évitent la surchauffe. Côté infra, on a choisi des cloud providers — AWS puis Google Cloud — plus les supercalculateurs de l'État français auxquels on a accès.

Alexandre DuvalEt on est en train de construire notre labo à Grenoble. Au quotidien, ce qu'on voit est entre les chiffres et Jarvis d'Iron Man : des prédictions très chiffrées, mais aussi de vraies visualisations de molecular dynamics — des vidéos qui montrent comment ton système se comporte dans le temps, quelles réactions chimiques se produisent dans un réacteur.

Alexandre DuvalOn est 35 chez Entalpic. Beaucoup de PhD mais pas que : software engineers, scientifiques machine learning, chimistes et chimistes computationnels, plus la finance, le marketing et la gestion de projets — le socle nécessaire pour qu'une équipe scientifique fonctionne bien.

Alexandre DuvalOn ne s'est pas enfermés dans une application unique : on design la matière à l'échelle atomique, ce qui couvre les puces d'ordinateur, les batteries des véhicules électriques et du stockage d'énergie, les panneaux photovoltaïques. Notre motivation de départ, c'est l'impact sur le réchauffement climatique : optimiser les réactions chimiques, des batteries plus efficaces, des matériaux recyclables, des puces moins énergivores. Aujourd'hui, pour une vocation business, on privilégie les semi-conducteurs : un domaine en pleine expansion, avec des enjeux géopolitiques, de souveraineté et écologiques, très relié à notre tech.

Alexandre DuvalDans le cheminement de la donnée, il y a beaucoup de pertes d'énergie en chaleur : il faut énormément d'eau et d'énergie pour refroidir les data centers. Rendre tout ça plus efficace est une problématique technique vraiment importante — même s'il faut se méfier de l'effet rebond : comme c'est moins gourmand, on en fait plus.

Alexandre DuvalNos clients potentiels couvrent toute la chaîne de valeur : les chimistes qui créent les molécules, comme Air Liquide ou Merck ; les équipementiers qui vendent les machines, comme ASM ou LAM Research ; puis TSMC qui produit à l'échelle, voire NVIDIA, le end-user des semi-conducteurs. On a des applications sur les trois maillons.

Nicolas GuyonC'est peut-être le 168e podcast Comptoir IA et on n'a quasiment jamais parlé de brevets. Vous, c'est le cas, non ?

Alexandre DuvalOui. On a des brevets software, un peu moins puissants car plus faciles à contourner. Les brevets vraiment importants pour nous, c'est quand on découvre des molécules et des matériaux : un brevet protège ton innovation et te laisse seul libre de l'exploiter — une vraie création de valeur tangible. On a trouvé un joli catalyseur sur la catalyse et on est en train de le déposer. Un catalyseur, c'est ce qui permet de faire la même réaction chimique avec moins d'énergie : pour produire de l'hydrogène vert, tu sépares la molécule d'eau avec un courant électrique, et le catalyseur réduit l'énergie nécessaire. Optimiser les catalyseurs, ce sont des gains énormes en énergie, en argent et en coûts carbone.

Alexandre DuvalNotre premier cas d'application, c'est l'ammoniaque, produit via le procédé Haber-Bosch. Personne ne le connaît, alors que c'est lui qui a permis de passer de 1 à 8 milliards d'habitants sur Terre : sans cet ammoniac utilisé dans les engrais, on ne nourrit pas la population mondiale. Et il est responsable d'environ 2 % des émissions mondiales de CO2. L'ammoniaque est produit à environ 450 degrés ; si tu trouves un catalyseur pour le produire à 200 degrés, tu réduis énormément les émissions du procédé.

Alexandre DuvalLa difficulté, c'est que c'est de la chimie lourde : des usines construites pour 50 ans, où l'on ose à peine toucher ce qui fonctionne. Introduire un nouveau catalyseur demande de modifier les installations — un travail de temps long. L'industrie, ce n'est pas comme Claude ou ChatGPT avec des releases tous les mois : ce sont des domaines très conservateurs.

Alexandre DuvalTravailler avec les industriels, c'est notre business model. On a par exemple une collaboration avec l'IFPEN — l'ex-Institut français du pétrole, rebrandé Énergies nouvelles — sur les green fuels, le méthanol par exemple. On n'est pas une boîte qui reste dans le cloud : on est une deep tech, on veut contribuer à l'industrie. Nos partenaires industriels nous font part de leurs problèmes, on co-développe des solutions, puis on les met en production avec un revenue sharing sur les gains obtenus ensemble.

Nicolas GuyonEt vous leur livrez quoi à la fin ? Un cristal de matériau ? Une formule ?

Alexandre DuvalÇa dépend des cas. Certains veulent vraiment une formule : pour un catalyseur, « tu mélanges du cobalt et du zinc à telle proportion et telle structure ». D'autres veulent que tu aies testé toi-même le matériau : tu le synthétises en labo — d'où Grenoble et nos partenariats avec des laboratoires — et tu leur transmets, avec le brevet. D'autres encore sont sur du software : un modèle prédictif sur mesure, ou l'exploration de tous les brevets et papiers existants. On essaie de converger vers le co-développement, avec un retour partagé sur les découvertes.

Nicolas GuyonOn commence à avoir une idée du coût environnemental de l'IA à cause des data centers, mais on connaît mal ce qu'elle peut nous apporter face aux problèmes climatiques. On pourrait trouver grâce à l'IA des matériaux qui piègent le carbone, ou ton exemple de l'ammoniaque. Toi, tu vois l'IA comme un coût ou comme une solution ?

Alexandre DuvalIl y a un peu des deux, et je la vois surtout comme une réalité : elle est là et ne va pas s'en aller. Claude a la capacité de remplacer énormément de travailleurs — je connais des VCs qui ont arrêté de recruter de jeunes analystes parce qu'ils pensent que Claude fait le travail aussi bien. Des jobs vont être déplacés, c'est une facette inquiétante socialement. Mais il y a des opportunités immenses : l'éducation personnalisée et continue, l'IA pour découvrir des vaccins, des remèdes — et nous pour les matériaux. L'enjeu sociétal, c'est de mettre en place des garde-fous et de se concentrer sur les usages bénéfiques.

Nicolas GuyonEt quand tu entends parler des data centers dans l'espace — un des sujets du moment avec Elon Musk et le projet Suncatcher de Google — tu te dis quoi ?

Alexandre DuvalÀ chaud, je trouve ça un peu fou. Je ne suis pas très quête spatiale : Musk voulait aller sur Mars, c'est super dans l'idée, mais je suis plus terre-à-terre. On a une Terre, il faut en prendre soin, et avant de créer des data centers dans l'espace, il y a plein de choses à améliorer dans nos pratiques du quotidien.

Nicolas GuyonYann LeCun a quitté Meta pour créer sa startup. Lui a toujours été sceptique sur les LLM — il disait que c'est un dead-end — et propose des world models. Toi qui as fait ta thèse avec Yoshua Bengio au Canada, c'est quoi ton sentiment ?

Alexandre DuvalJe pense que les LLM peuvent aller très loin et ils le montrent tous les jours. Mais j'aime bien la thèse de Yann : apprendre des représentations latentes des concepts — la physique de notre monde — plutôt que des corrélations statistiques entre les mots. Son exemple : un humain apprend à conduire en une trentaine d'heures, une IA en demande des centaines de milliers, faute de concepts fondamentaux comme la position dans l'espace. Nous, on pousse la même chose dans notre domaine : des modèles qui comprennent la chimie de manière générale plutôt que de résoudre une seule tâche. On fait des world models appliqués à nos applications — comme Tesla qui simule en mode jeu vidéo des situations rares pour entraîner ses voitures. Simuler une réaction chimique, ce n'est pas résolu par les LLM aujourd'hui.

Nicolas GuyonJ'ai deux histoires que j'adore : ce data scientist australien qui a conçu un vaccin ARNm pour sa chienne avec ChatGPT et AlphaFold, et le cofondateur de GitLab qui a soigné en grande partie son ostéosarcome avec une équipe de 15 personnes et de l'IA générative. Et Sébastien Bubeck chez OpenAI parle du « automated researcher » qui pourrait arriver d'ici un an, un an et demi.

Alexandre DuvalCes histoires sont inspirantes : l'IA permet d'entreprendre des projets à plus grande échelle et démocratise la recherche. Mais il faut quand même des experts pour tester dans le monde réel et dire quand le LLM a tort. Sur le chercheur automatisé, on a exploré des logiciels « zero human company » : des agents qui occupent chacun un rôle — CFO, chercheur, infra engineer — avec un budget, et qui font tourner une boîte en te posant des questions pour s'aligner sur tes valeurs. C'est l'état de prototype : à la fois génial scientifiquement et un peu flippant sociétalement.

Nicolas GuyonSi dans cinq ou dix ans tu rentres chez toi en te disant « ça a marché avec Entalpic, j'ai fait un truc qui change le monde », ça ressemble à quoi ?

Alexandre DuvalÀ une R&D matériaux radicalement plus efficace : tu es un chercheur, tu veux créer un micro avec un bien meilleur son, tu donnes ton cahier des charges et tes contraintes, et tu reçois très vite des propositions efficaces — quel matériau, comment le concevoir, à quel coût. Accélérer toute recherche bénéfique. Ça implique d'avoir résolu l'équation de Schrödinger, de comprendre comment les atomes se comportent et de contrôler la synthèse : des problèmes très compliqués, mais à l'impact immense.

Alexandre DuvalMa recommandation science-fiction : Black Mirror. Plus on avance, plus les thèmes évoqués se réalisent — les implants qui filment tout ce qu'on voit, et aujourd'hui on a les Ray-Ban de Meta. C'est une très bonne série pour se poser des questions sur l'évolution de notre société… sachant que c'est souvent la mauvaise direction dans Black Mirror. Comme cet épisode sur l'implant cérébral financé par la publicité : ça fait songer au pouvoir de conviction de la pub dans les LLM — si tout le monde demande à ChatGPT et qu'il cite toujours les trois mêmes restaurants, tu renforces des patterns.

Alexandre DuvalOn est très attachés à la France : beaucoup d'internationaux dans l'équipe, tous venus à Paris, bientôt un labo à Grenoble, mais on restera une boîte par essence française — on a la souveraineté à cœur. Ce que tu peux nous souhaiter, c'est d'apporter nos découvertes sur le marché, d'avoir un impact sur l'industrie, et de toujours prendre du plaisir. Merci pour l'invitation, c'était un plaisir.