L’IA peut-elle faciliter le respect de l’environnement dans le secteur des minéraux essentiels ? Repenser les terres rares pour la transition énergétique

La chaleur record enregistrée cet été a mis les systèmes électriques du monde entier sous pression, révélant à la fois leur vulnérabilité et l’importance croissante des infrastructures énergétiques modernes. Alors que la demande de refroidissement s’envole et que les réseaux subissent des contraintes grandissantes, les technologies qui sous-tendent la transition énergétique deviennent de plus en plus essentielles. Les énergies renouvelables, le stockage par batteries et l’électrification sont au cœur de la construction d’un système énergétique plus résilient et moins émetteur de carbone. Or, tous ces éléments reposent sur un facteur beaucoup moins visible : une offre croissante de minéraux critiques.

Le lithium, le cobalt, le nickel et les terres rares sont indispensables à un large éventail de technologies, des batteries et des éoliennes aux moteurs électriques et aux infrastructures énergétiques. Garantir un approvisionnement suffisant est devenu une priorité stratégique. Selon l’Agence internationale de l’énergie (AIE), la demande en terres rares devrait augmenter de 50 % à 60 % d’ici 2040 dans le cadre des politiques actuelles, notamment sous l’effet de la hausse de la demande en aimants permanents utilisés dans les véhicules électriques et l’énergie éolienne¹.

Le lithium, le cobalt, le nickel et les terres rares sont indispensables à un large éventail de technologies, des batteries et des éoliennes aux moteurs électriques et aux infrastructures énergétiques

Le défi ne consiste pas seulement à accroître l’offre, mais à le faire tout en réduisant les coûts environnementaux et sociaux liés à l’extraction et au traitement de ces matériaux. Face aux inquiétudes croissantes concernant l’approvisionnement, la course est lancée pour découvrir de nouvelles sources ou des solutions de remplacement aux minéraux essentiels à la transition verte. Mais existe-t-il une manière plus durable d’identifier et d’extraire ces matériaux, voire de les remplacer complètement ?

L’intelligence artificielle (IA) pourrait bien changer la donne.

Un défi d’approvisionnement, mais aussi environnemental

Les terres rares ne sont pas aussi rares que leur nom le laisse penser, du moins d’un point de vue géologique. La difficulté réside dans l’identification de gisements présentant des concentrations suffisamment élevées, puis dans la séparation et le raffinage de ces éléments à un coût économiquement viable. Toutefois, l’extraction et le traitement entraînent également des coûts environnementaux importants, allant de la perturbation des sols et de la production de déchets à la consommation d’eau et à la pollution. La recherche de solutions de remplacement devient de plus en plus urgente. Les nouveaux projets miniers font l’objet d’une surveillance accrue de la part des communautés locales, des ONG et des autorités réglementaires en raison de leurs impacts environnementaux et sociaux, parfois jusqu’à faire l’objet de recours juridiques.

La concentration des activités de traitement des terres rares en Chine a ajouté une dimension géopolitique aux efforts visant à diversifier les sources d’approvisionnement. Selon l’AIE, la Chine représentait environ 60 % de l’extraction de terres rares destinées aux aimants en 2024, mais jusqu’à 91 % du raffinage².

Parallèlement, des décennies d’accès à des terres rares et à d’autres minéraux critiques relativement abondants ont laissé peu d’incitations à repenser radicalement les méthodes d’exploration du secteur minier. Résultat : l’innovation a pris du retard dans l’industrie.

« Ces ressources étaient faciles à trouver », explique Mfikeyi Makayi, directeur général de KoBold Metals Africa. « Elles étaient là, alors pourquoi inventer un outil permettant d’aller plus en profondeur ? »

De la prospection à la découverte prédictive

Soutenue par des investisseurs tels que Bill Gates et Jeff Bezos, et active en République démocratique du Congo, KoBold fait partie d’une nouvelle génération d’entreprises qui utilisent l’IA et l’analyse avancée des données pour identifier des gisements inexploités permettant d’accroître l’offre tout en limitant l’impact environnemental de la production³.

L’IA aide également les scientifiques à réexaminer des matériaux déjà extraits du sol

Selon Mfikeyi Makayi, l’IA peut identifier les zones présentant des concentrations plus élevées de matériaux tels que le lithium, le cobalt ou le nickel par tonne de roche, permettant ainsi aux équipes d’exploration de cibler leurs forages avec davantage de précision.

« Nous ne nous contentons pas de creuser des trous pour découvrir des matériaux de faible qualité », explique-t-il. « Nous utilisons l’IA pour transformer l’art de trouver des roches exceptionnelles en une science reproductible. »

Cette distinction pourrait s’avérer importante. Si les sociétés minières parviennent à extraire davantage de matériaux utiles à partir d’un volume moindre de roche, elles pourront potentiellement réduire leurs coûts et limiter l’empreinte physique associée à l’exploration et à la production.

L’IA aide également les scientifiques à réexaminer des matériaux déjà extraits du sol. Julie Bryce, professeure de sciences de la Terre à l’Université du New Hampshire, cite l’exemple des déchets miniers. Des matériaux écartés à une époque où les prix des matières premières étaient plus faibles peuvent contenir des concentrations de terres rares ou d’autres éléments dont la valeur a fortement augmenté aujourd’hui.

« Les terres rares sont présentes dans de très nombreux matériaux », explique-t-elle. « Mais maintenant qu’elles ont autant de valeur, il devient économiquement plus intéressant de les récupérer. »

Cela ouvre une deuxième opportunité : créer davantage de valeur à partir des ressources existantes plutôt que de dépendre uniquement de nouvelles mines.

Et si nous pouvions nous passer complètement des terres rares ?

Une possibilité encore plus disruptive se situe peut-être au-delà même de l’exploitation minière. Les entreprises utilisent l’IA pour déterminer comment de nouvelles combinaisons de matériaux pourraient permettre de fabriquer des versions « sans terres rares » des aimants et autres composants nécessaires aux infrastructures d’énergie propre.

Par exemple, certains matériaux possèdent des propriétés magnétiques, mais ne peuvent pas les conserver de la même manière que les aimants à base de terres rares.

« Un élément magnétique classique comme le fer ne conserve pas à lui seul le même niveau d’aimantation. Il faut donc l’amener à entrer dans cet état », explique Kathy Christofidou, titulaire de la chaire de métallurgie numérique et durable à l’Université de Sheffield.

Compte tenu de l’immense éventail de possibilités qu’offre le tableau périodique, trouver la bonne combinaison d’éléments exige traditionnellement de créer et de tester un nombre considérable d’échantillons physiques. L’IA peut réduire drastiquement ce champ de recherche en identifiant les combinaisons prometteuses beaucoup plus rapidement que ne le pourraient les humains.

« Il faudrait plusieurs jours pour fabriquer un seul échantillon à tester, et les essais eux-mêmes prennent du temps », précise Kathy Christofidou, membre d’une équipe travaillant avec UK AI et l’entreprise de science des matériaux MatNex au développement de matériaux sans terres rares.

Les données sont à l’IA ce que le carburant est à une machine

Cependant, la puissance de l’IA ne vaut que par la qualité des données qui l’alimentent. Cette réalité a attiré l’attention sur les archives géologiques et scientifiques mondiales, dont une grande partie demeure fragmentée entre bases de données numériques, archives gouvernementales, dossiers papier et cartes historiques. Des initiatives sont désormais en cours pour rassembler ces sources et les rendre plus accessibles à l’analyse.

« Notre secteur est confronté à un défi collectif : nous ne mettons pas suffisamment en commun ces ressources », souligne Mfikeyi Makayi, ajoutant que KoBold travaille avec les gouvernements de Zambie et de la République démocratique du Congo afin d’organiser leurs bases de données géologiques nationales et d’en faciliter l’utilisation pour l’exploration.

« Les données sont à l’IA ce que le carburant est à une machine », explique Jiadong Zang, professeur de science des matériaux à l’Université du New Hampshire. Il a contribué à constituer une base de données regroupant plus de 67 000 matériaux magnétiques, dont 25 composés jusqu’alors non identifiés dont les propriétés magnétiques restent stables même à haute température.

Faute de données structurées suffisantes sur les matériaux magnétiques, lui et ses collègues ont utilisé de grands modèles de langage pour analyser des dizaines de milliers d’articles scientifiques et en extraire des informations sur leur structure, leur composition chimique et leurs propriétés magnétiques.

La capacité à transformer des décennies de littérature scientifique en données exploitables par des machines pourrait devenir l’une des contributions les plus précieuses de l’IA à la recherche sur les matériaux. Armée de ce « carburant », l’IA peut combiner rapidement un grand nombre de matériaux, permettant aux chercheurs de réaliser moins d’essais physiques, mais de meilleure qualité.

« Il est possible de mener des expériences dans le monde virtuel avant même d’entrer dans le laboratoire », explique Jonathan Bean, cofondateur et directeur général de MatNex.

Nous ne voulons pas perdre la créativité humaine…Mais les moments où nous avons observé une intelligence dépassant les capacités humaines sont précisément ceux où l’IA prend ce type de décisions

Quand l’IA voit ce qui peut échapper aux scientifiques

Avec suffisamment de données, l’IA peut faire bien plus qu’accélérer la recherche de matériaux prometteurs. Elle peut également explorer des combinaisons que les chercheurs humains n’auraient pas envisagées.

Rafael Gómez-Bombarelli, professeur au MIT et cofondateur de Lila Sciences, développe des systèmes d’IA capables d’apprendre à partir d’expériences successives et de générer de nouvelles hypothèses. Lors de travaux consacrés aux alternatives au ruthénium et à l’iridium, deux métaux utilisés dans la production d’hydrogène vert, l’un de ces systèmes a proposé une piste viable que les experts de l’entreprise n’auraient pas explorée.

« Nous ne voulons pas perdre la créativité humaine », explique-t-il. « Mais les moments où nous avons observé une intelligence dépassant les capacités humaines sont précisément ceux où l’IA prend ce type de décisions. »

Ce potentiel s’accompagne toutefois de son propre compromis environnemental. L’IA dépend de centres de données énergivores, mais Rafael Gómez-Bombarelli estime que la capacité des scientifiques à accélérer la transition énergétique compense largement l’utilisation relativement modeste de l’IA dans ce type de recherche.

« Compte tenu de l’énergie consacrée à la science, le bilan global sera positif », affirme-t-il.

Au-delà de la mine

Le défi des minéraux critiques ne sera probablement pas résolu simplement en extrayant davantage de ressources du sous-sol. La réponse la plus durable pourrait résider dans l’utilisation des technologies pour identifier de meilleurs gisements, récupérer davantage de matériaux à partir des ressources existantes, réduire les déchets et, à terme, concevoir des alternatives aux ressources les plus sous tension.

L’IA commence à élargir le champ des possibles. De la découverte de gisements plus riches à la conception de nouveaux matériaux, elle contribue à réduire l’empreinte environnementale des terres rares nécessaires à la transition énergétique.

Pour les investisseurs, cela ouvre des perspectives qui dépassent largement l’exploitation minière traditionnelle. La création de valeur pourrait de plus en plus provenir de l’ensemble des technologies et capacités qui soutiennent l’écosystème des minéraux critiques : intelligence géologique, exploration avancée, découverte de matériaux, recyclage, efficacité des procédés de traitement et substitution.

Ce sont autant de domaines dans lesquels l’innovation peut aider à concilier deux objectifs longtemps perçus comme contradictoires : sécuriser l’approvisionnement en matériaux nécessaires à la transition énergétique tout en réduisant les impacts liés à leur obtention.

* Toute référence à une entreprise ou à un titre spécifique ne constitue pas une recommandation d’acheter, de vendre, de conserver ou d’investir directement dans cette entreprise ou dans ces titres.