Comment Atinary réinvente la recherche grâce à l'IA et aux robots
En cette journée caniculaire de juin 2026, le campus de l'ETH Zurich, niché dans les hauteurs de la ville suisse et entouré de prairies fleuries, est particulièrement calme. Mais dans les locaux climatisés de l'université, des machines tournent à plein régime pour accélérer la découverte de nouveaux catalyseurs capables de convertir le CO₂ en carburant, avec l'espoir de contribuer à la lutte contre le réchauffement climatique.
Le projet est né en 2022 d'une collaboration entre la start-up américano-suisse Atinary et le programme SwissCAT+, une initiative de l'ETH Zurich dédiée aux laboratoires autonomes. Derrière une baie vitrée, un bras robotisé enchaîne méthodiquement les expériences tandis que des écrans affichent en temps réel les résultats. Ici, les chercheurs ne touchent presque plus aux éprouvettes et aux pipettes. Ils définissent les objectifs, observent, interprètent et valident les résultats. Des robots exécutent ensuite les manipulations et les algorithmes d'intelligence artificielle analysent chaque essai afin de sélectionner les expériences les plus prometteuses.
Les Self-Driving Labs veulent réinventer la recherche
Cette vision prend forme en 2019, lorsque Hermann Tribukait et Loïc Roch fondent la start-up Atinary avec l’ambition de "réinventer la R&D" dans les sciences des matériaux, la chimie, l'énergie et les sciences du vivant. Ils ont constaté que la recherche scientifique se heurte aujourd'hui à deux obstacles majeurs.
Le premier est résumé par ce que Loïc Roch appelle la "loi d'Eroom", l'inverse de la loi de Moore. Alors que cette dernière décrit le doublement régulier de la puissance de calcul à coût comparable, la loi d'Eroom observe au contraire que le coût de développement de nouveaux médicaments ne cesse d'augmenter tandis que la productivité de la recherche diminue.
Le second obstacle concerne la reproductibilité des expériences."Une immense majorité des protocoles est encore consignée sur papier, les données sont dispersées et de nombreuses expériences publiées ne peuvent plus être reproduites, parfois même par les équipes qui les ont réalisées", explique Loïc Roch, CTO d’Atinary. Résultat, une quantité considérable de données scientifiques est perdue ou sous-exploitée.
Pour répondre à ces défis, Atinary développe le concept de Self-Driving Labs, des laboratoires où l'intelligence artificielle pilote une grande partie du processus expérimental. Grâce à une plateforme d'IA agentique reposant sur des LLM hébergés sur Amazon Bedrock et connectés à des bases de données scientifiques comme OpenAlex, les chercheurs commencent par dialoguer avec un agent conversationnel. Celui-ci est capable d'analyser la littérature scientifique, d'identifier les publications pertinentes et de concevoir une campagne d'expériences.
Les robots réalisent ensuite automatiquement les manipulations, tandis que les instruments analysent les résultats. Ces données sont immédiatement réinjectées dans les modèles d'intelligence artificielle afin d'améliorer les prédictions et de concevoir les expériences suivantes. L'objectif est de réduire drastiquement le nombre d'essais nécessaires pour parvenir à un résultat, tout en accélérant la découverte de nouveaux matériaux, molécules ou procédés chimiques.
Des premiers résultats encourageants
Selon Atinary, les premiers résultats sont prometteurs. L'un de ses clients dans le secteur des parfums et des arômes aurait réduit de 97% certains coûts de recherche et développement grâce à la plateforme. "Un laboratoire autonome peut produire en une semaine autant de données expérimentales qu'un doctorant en plusieurs années", se félicite Loïc Roch.
Atinary propose à ses clients plusieurs formules, allant de l’utilisation de sa plateforme d’IA agentique à l’accompagnement pour la création d’un laboratoire autonome complet. Sa solution est aujourd'hui utilisée dans des secteurs aussi variés que l'industrie pharmaceutique, l'agroalimentaire, les parfums et fragrances, les matériaux avancés ou encore la catalyse. Les applications vont de la découverte de nouveaux médicaments à l'optimisation de réactions chimiques, en passant par le développement de matériaux pour les cellules photovoltaïques.
Dans les laboratoires de SwissCAT+, dirigés par Paco Laveille à l'ETH Zurich, les chercheurs travaillent avec Atinary sur un défi bien concret : mettre au point de nouveaux catalyseurs capables de convertir le CO₂ en méthanol. A terme, ces travaux pourraient ouvrir la voie à la production de carburants de synthèse, de polymères verts et d'autres matériaux à haute valeur ajoutée.
"Ce projet est probablement celui dont je suis le plus fier", explique Loïc Roch. "Il montre comment nous pouvons accélérer la découverte de nouveaux composés chimiques capables de transformer le CO₂ en carburant. Cela nous ramène à notre ambition initiale : transformer un problème majeur, le dioxyde de carbone et les émissions de gaz à effet de serre, en quelque chose d'utile : carburants, polymères verts ou encore différents matériaux avancés à haute performance."
Pour le cofondateur d'Atinary, cette automatisation ne signifie pas pour autant la disparition des chercheurs. "Toute la partie répétitive, automatisable et parfois fastidieuse du travail devrait être prise en charge par des systèmes robotisés, des outils d'automatisation et des intelligences artificielles", estime-t-il. "Les scientifiques resteront indispensables pour superviser et valider les résultats. Ils devront toujours comprendre ce qui se passe."
Après plusieurs années de développement, Atinary a franchi cette année une nouvelle étape en ouvrant son premier laboratoire autonome à Boston, au cœur de l'écosystème pharmaceutique américain. Véritable "usine à données", le laboratoire peut mener jusqu'à 600 expériences simultanément."Nous produisons continuellement des données afin d’améliorer nos modèles et d’aider nos clients à réduire encore davantage le nombre d’expériences nécessaires dans leurs programmes de recherche", explique Loïc Roch.
Les laboratoires autonomes pourraient profondément transformer la manière dont la recherche est menée. Tandis que les machines exploreront des milliers d'hypothèses expérimentales, les chercheurs pourront se concentrer sur le cœur de leur métier: interpréter les résultats, remettre en question les modèles et imaginer les prochaines grandes avancées scientifiques.