Table des Matières
L'optimisation de formulation par l'IA est une boucle. On traduit le cahier des charges en cibles mesurables, on définit les recettes autorisées, on entraîne un modèle sur les résultats passés du laboratoire, on laisse un optimiseur proposer un petit lot de recettes, on les teste et on réinjecte les résultats. Chaque tour améliore le modèle, et seul un résultat de laboratoire confirme qu'une recette est conforme.
Points clés
- L'essentiel du travail précède tout modèle : un cahier des charges chiffré, un domaine de formulation avec ses contraintes et un historique de laboratoire propre.
- Les proportions d'un mélange somment à un : modifier un composant modifie les autres. Le modèle comme l'optimiseur doivent le respecter (NIST/SEMATECH).
- Utilisez un modèle qui indique sa propre incertitude, et testez-le sur des familles de recettes qu'il n'a pas vues, pas sur un découpage aléatoire.
- Plusieurs cibles peuvent être combinées en un score de désirabilité ou gardées séparées sous forme d'un ensemble de compromis. Le coût et les autres valeurs déduites de la recette doivent être calculés, pas prédits.
- Fixez le critère d'arrêt à l'avance, et traitez chaque prédiction comme une hypothèse jusqu'à confirmation par le laboratoire.
En quoi consiste l'optimisation de formulation par l'IA ?
Notre guide du laboratoire virtuel présente les briques de base : un modèle de substitution qui prédit les résultats d'essai à partir d'une recette, un optimiseur qui choisit les expériences suivantes et un enregistrement de chaque essai. Plans d'expériences ou optimisation bayésienne compare les plans fixes et séquentiels. Cet article décrit l'ordre du travail sur un projet réel.
L'approche convient aux essais lents ou coûteux. Le tutoriel de Peter Frazier décrit l'optimisation bayésienne comme conçue pour des fonctions objectifs dont l'évaluation prend des minutes ou des heures, tolérante au bruit des résultats, et mieux adaptée aux problèmes continus de moins de 20 dimensions. Huit composants et deux paramètres de procédé entrent dans ce cadre ; cinquante matières premières candidates doivent d'abord être réduites.
Étape 1 : comment traduire un cahier des charges en chiffres ?
Un optimiseur ne peut pas travailler à partir de « nettoie bien et reste stable ». Chaque cible a besoin d'une méthode d'essai, d'une unité et d'une plage acceptable. Classez chaque cible avant de toucher aux données :
| Type de cible | Exemple fluide de forage | Exemple détergent | Traitement par l'optimiseur |
|---|---|---|---|
| Atteindre une fenêtre | Rhéologie dans la plage fixée pour la phase de forage | Viscosité dans la plage de la ligne de conditionnement | Cible nominale |
| Maximiser | Taux de récupération des argiles (shale recovery) lors d'un essai d'inhibition | Pouvoir nettoyant | Maximiser |
| Minimiser | Filtrat | Coût des matières premières | Minimiser |
| Conforme ou non conforme | Stable après vieillissement en température | Pas de déphasage après stockage | Contrainte, ou classifieur séparé |
Les trois premiers types correspondent aux trois formes de l'approche par désirabilité du NIST/SEMATECH e-Handbook. Les résultats conforme ou non conforme se traitent autrement : Cao et ses collègues ont couplé un classifieur à un optimiseur multi-objectif pour que les sorties discrètes et continues soient optimisées ensemble sur un produit liquide formulé. Notez aussi les règles impératives : composants interdits, limites réglementaires et coût maximal.
Étape 2 : comment définir le domaine de formulation et ses contraintes ?
Le domaine de formulation regroupe toutes les recettes que l'optimiseur peut proposer. Définissez-le avec les formulateurs, pas à partir des seules données. Les formulations portent une contrainte que la plupart des problèmes d'optimisation n'ont pas : les proportions doivent sommer à un. Le handbook NIST/SEMATECH note que des bornes inférieures sur les composants laissent le domaine réalisable sous forme de simplexe, et recommande de passer en pseudo-composants parce que les domaines de mélange contraints présentent souvent une forte multicolinéarité.
| Contrainte | Exemple | Comment la coder |
|---|---|---|
| Proportions totalisant 100 % | Tous les composants d'un détergent liquide | Contrainte d'égalité, ou un composant complément calculé à partir des autres |
| Minimum et maximum par composant | Un épaississant autorisé seulement dans une plage donnée | Bornes sur la variable ; pseudo-composants pour le modèle |
| Rapport entre composants | Rapport eau/liant d'un mélange cimentaire | Contrainte d'inégalité linéaire |
| Choix entre options | Argile de quel fournisseur, quel tensioactif | Variable catégorielle, ou fixée par étude |
| Plafond de coût | Coût maximal des matières premières par tonne | Contrainte linéaire calculée à partir de la liste de prix |
| Composant interdit ou restreint | Une substance exclue par un client ou une réglementation | La retirer du domaine de formulation |
Les outils n'acceptent pas tous les mêmes contraintes. La fonction optimize_acqf de BoTorch accepte des contraintes linéaires d'inégalité et d'égalité. Si un outil ne gère pas les contraintes d'égalité, l'approche par composant complément du tableau ci-dessus évite le problème.
Les choix catégoriels sont plus difficiles que les dosages. Une option consiste à décrire chaque choix par des propriétés mesurées : l'étude Gryffin a montré que des descripteurs physico-chimiques peuvent accélérer sensiblement la recherche parmi des options comme des catalyseurs ou des solvants. Le plus simple pour commencer est de fixer le choix, d'optimiser les dosages, puis de comparer les options.
Étape 3 : comment préparer l'historique du laboratoire ?
Notre guide du laboratoire virtuel liste les enregistrements à collecter. Les préparer pour un modèle signifie :
- Une seule base pour toutes les recettes. Convertir les grammes par lot, kilogrammes par mètre cube ou parties pour cent en une seule base, par exemple la fraction massique du produit fini.
- Une ligne par essai. Garder les répétitions comme lignes séparées, pas en moyenne, pour que le modèle puisse estimer le bruit de mesure.
- La méthode d'essai avec chaque résultat. Signaler les résultats obtenus avec une méthode ancienne ou modifiée et décider avec le laboratoire s'ils sont comparables.
- Les échecs inclus. Les recettes qui ont déphasé, gélifié ou manqué la spécification montrent au modèle où se trouvent les limites.
- Une étiquette de famille. Associer chaque recette à son projet ou à sa recette de base. L'étape 5 utilise cette étiquette.
Étape 4 : quand faut-il de nouveaux essais avant de modéliser ?
Si l'historique est mince ou concentré autour d'une seule recette de référence, le modèle ne peut pas apprendre l'effet de variables qui n'ont jamais changé. Lancez d'abord un petit jeu d'essais initial.
Pour les mélanges soumis à la seule contrainte de somme, le handbook NIST/SEMATECH décrit les plans en réseau simplexe (simplex-lattice) et simplexe centré (simplex-centroid). Quand les composants ont leurs propres limites basses et hautes, il renvoie à des plans contraints comme les plans à sommets extrêmes ou D-optimaux. Pour les paramètres de procédé comme la température ou le temps de mélange, un échantillonnage de remplissage d'espace est un choix courant. L'échantillonnage par hypercube latin découpe la plage de chaque variable en intervalles égaux et place exactement un point dans chacun. Il ne respecte pas à lui seul la contrainte de somme : échantillonnez les composants libres et calculez le complément.
Incluez deux ou trois répétitions de votre recette de référence actuelle. Leur dispersion donne la répétabilité de l'essai, nécessaire aux étapes 5 et 8.
Étape 5 : comment construire et vérifier le modèle ?
Commencez par une référence simple. Pour les mélanges, le polynôme canonique du handbook n'a pas de terme constant parce que les composants somment à un, et sa forme quadratique ajoute un terme croisé pour chaque paire de composants. Si un modèle plus complexe ne fait pas mieux sur des données mises de côté, gardez le polynôme.
Le processus gaussien est l'étape suivante habituelle. La documentation de scikit-learn indique qu'il fournit une moyenne et un écart-type pour chaque prédiction, qu'un terme WhiteKernel peut estimer le niveau de bruit à partir des données, et que la méthode perd en efficacité quand le nombre de variables dépasse quelques dizaines. Le temps peut aussi être une entrée : dans une étude sur le béton, Ament et ses collègues ont modélisé la résistance conjointement en fonction de la composition et du logarithme du temps de cure.
Validez avec soin. Un découpage aléatoire place des quasi-copies d'une même recette de base à la fois dans les données d'apprentissage et de test, et l'erreur paraît plus faible qu'elle ne l'est. Utilisez l'étiquette de famille de l'étape 3 avec une validation croisée par groupes : avec GroupKFold de scikit-learn, chaque groupe apparaît exactement une fois dans le jeu de test sur l'ensemble des plis. Comparez ensuite l'erreur de prédiction à la répétabilité de l'essai mesurée à l'étape 4 ; on ne peut pas démontrer qu'un modèle est plus précis que l'essai lui-même.
Étape 6 : comment gérer plusieurs cibles à la fois ?
Deux approches sont courantes.
| Score de désirabilité | Ensemble de compromis (front de Pareto) | |
|---|---|---|
| Principe | Ramener chaque résultat à un score entre 0 et 1 et combiner les scores par une moyenne géométrique | Garder les cibles séparées et trouver les recettes où aucune cible ne s'améliore sans en dégrader une autre |
| Résultat | Une recette classée en tête | Un ensemble d'options parmi lesquelles choisir |
| Adapté à | Un cahier des charges figé avec des priorités convenues | Des compromis qui relèvent d'une décision métier, comme le coût face à la performance |
| Points de vigilance | Les limites et les pondérations déterminent la réponse ; un seul score nul annule le total | Cartographier les compromis peut demander plus d'essais |
L'approche par désirabilité remonte à Derringer et Suich (1980), et le handbook explique comment une seule réponse inacceptable ramène le score global à zéro. Pour les compromis, BoTorch propose des fonctions d'acquisition multi-objectifs comme qLogNEHVI qui recherchent le front de Pareto.
Certaines cibles ne doivent pas être modélisées du tout. Le coût des matières premières, la teneur en matière active et l'empreinte carbone sont de l'arithmétique sur la recette. Dans l'étude sur le béton, le potentiel de réchauffement global était calculé comme une fonction linéaire déterministe du mélange, et seule la résistance était apprise à partir des essais ; les auteurs indiquent que les lots proposés par l'IA ont repoussé le compromis mesuré vers l'extérieur. Ne demandez jamais à un modèle d'apprendre ce qu'un tableur sait calculer.
Étape 7 : comment l'optimiseur propose-t-il le lot suivant ?
L'optimiseur note les recettes candidates avec une fonction d'acquisition, comme l'amélioration espérée (expected improvement) par rapport au meilleur résultat obtenu (Frazier). Elle équilibre les recettes prometteuses et celles situées dans des zones que le modèle connaît mal. Les laboratoires travaillent par lots : demandez donc plusieurs candidats à la fois. La fonction optimize_acqf de BoTorch génère un lot de candidats de façon conjointe tout en respectant les contraintes de l'étape 2. Dimensionnez le lot selon ce que le laboratoire peut passer en un cycle.
Avant que le lot parte à la paillasse, un formulateur l'examine :
- Chaque recette est-elle réalisable, compte tenu de l'ordre d'introduction et de la solubilité ?
- Une recette est-elle une quasi-copie d'une recette déjà testée ?
- Passe-t-elle la revue de sécurité ?
Cette revue porte sur la faisabilité et la sécurité, pas sur la remise en cause du classement par habitude. Dans une étude parue dans Nature, l'optimisation bayésienne a surpassé la prise de décision humaine en optimisation de réactions, à la fois sur le nombre moyen d'expériences et sur la régularité.
Étape 8 : comment tester, mettre à jour et décider de s'arrêter ?
Chaque tour suit la même séquence :
- Passer le lot avec les méthodes d'essai standard, avec la recette de référence comme témoin.
- Enregistrer la valeur prédite et son incertitude pour chaque recette avant de connaître le résultat.
- Ajouter tous les résultats, échecs compris, au jeu de données et réajuster le modèle.
- Vérifier si les résultats mesurés sont tombés dans l'incertitude prédite, et si le meilleur résultat s'est amélioré.
- Décider de continuer, de resserrer ou d'élargir le domaine de formulation, ou de s'arrêter.
Fixez le critère d'arrêt dès l'étape 1 : par exemple, une recette respecte tout le cahier des charges sur des répétitions, le budget d'essais est épuisé, ou deux tours successifs améliorent le meilleur résultat de moins que la répétabilité de l'essai.
La vitesse dépend du laboratoire. Avec des plateformes robotisées, Cao et ses collègues ont trouvé neuf recettes satisfaisantes en 15 jours ouvrés. La plupart des laboratoires industriels testent à la main, donc chaque tour prend plus de temps, mais la boucle est la même. La recette retenue passe encore par l'extrapolation d'échelle et les essais de qualification ; une prédiction de modèle n'est jamais un résultat de qualification.
Ce que nous avons observé chez KABAS AI
Notre Virtual Lab organise cette boucle en quatre phases : Think (cibles, contraintes, premières simulations), Test (scénarios « what-if », optimisation multicritère, plan d'essais de laboratoire), Industrialize (comparaisons visuelles, rapports standardisés, substitutions guidées) et Capitalize (données structurées, recettes de référence réutilisables).
Chez ADFC (groupe Sonatrach), l'optimisation équilibre la performance rhéologique, le contrôle du filtrat, la stabilité des parois du puits, la conformité environnementale et le coût. Les ingénieurs utilisent des scénarios « what-if » pour les substitutions de composants et les changements de dosage, ce qui compte parce que les matières premières varient d'un lot et d'un fournisseur à l'autre. La comparaison entre résultats simulés et réels guide les ajustements.
Chez ENAD Shymeca, les données historiques de formulation ont été migrées dans la plateforme avant de servir à la prédiction, et l'optimisation équilibre des objectifs comme l'efficacité de nettoyage face au coût et les caractéristiques de mousse face à l'impact environnemental. L'étude de cas fait état d'une réduction de 40 % des cycles d'essais physiques.
Dans les deux projets, la structuration des anciens enregistrements de formulation a précédé toute optimisation, et c'est pourquoi les étapes 1 à 3 viennent en premier. Pour vérifier si vos enregistrements sont prêts, commencez par une courte évaluation de maturité IA ; pourquoi les projets d'IA industrielle échouent présente les pièges. Les recettes sont une propriété intellectuelle essentielle : décidez tôt où tourneront les données et les modèles, comme l'explique notre guide de l'IA souveraine sur site. La page chimie montre comment Virtual Lab s'intègre au travail de formulation.
Sources
- Frazier, A Tutorial on Bayesian Optimization, arXiv 1807.02811, 2018
- NIST/SEMATECH e-Handbook of Statistical Methods : Multiple responses, the desirability approach
- NIST/SEMATECH e-Handbook of Statistical Methods : Constrained mixture designs
- NIST/SEMATECH e-Handbook of Statistical Methods : Simplex-lattice designs
- Cao et al., Optimization of Formulations Using Robotic Experiments Driven by Machine Learning DoE, Cell Reports Physical Science, 2021
- Documentation BoTorch : optimisation des fonctions d'acquisition (optimize_acqf)
- Documentation BoTorch : optimisation bayésienne multi-objectif
- Häse et al., Gryffin: An algorithm for Bayesian optimization of categorical variables informed by expert knowledge, arXiv 2003.12127
- Documentation SciPy : scipy.stats.qmc.LatinHypercube
- Documentation scikit-learn : Gaussian Processes
- Documentation scikit-learn : GroupKFold
- Ament et al., Sustainable Concrete via Bayesian Optimization, atelier NeurIPS 2023, arXiv 2310.18288
- Shields et al., Bayesian reaction optimization as a tool for chemical synthesis, Nature, 2021
Questions fréquentes
Combien d'essais faut-il pour optimiser une formulation avec l'IA ?
Il n'y a pas de nombre fixe. Cela dépend du nombre de composants et de paramètres que l'on fait varier, du bruit des méthodes d'essai et de la distance par rapport aux recettes déjà connues. Fixez un critère d'arrêt et un budget d'essais avant le premier tour, et comptez chaque essai, y compris les échecs et les répétitions.
Peut-on utiliser l'IA si nos anciennes recettes ne viennent pas d'un plan d'expériences ?
Oui. Les recettes et résultats historiques peuvent entraîner un premier modèle s'ils sont enregistrés sur une base cohérente avec leurs méthodes d'essai. Vérifiez le modèle sur des familles de recettes qu'il n'a pas vues et, si l'historique est mince ou concentré autour d'une seule recette de référence, ajoutez un petit plan d'expériences avant d'optimiser.
Comment gérer le fait que les ingrédients doivent totaliser 100 % ?
Soit on donne à l'optimiseur une contrainte d'égalité pour que les proportions somment toujours à un, soit on laisse un composant, souvent l'eau ou un solvant, comme complément calculé à partir des autres. Les limites basses et hautes de chaque composant s'ajoutent comme bornes. Le modèle doit être ajusté sur la même base, par exemple les fractions massiques du produit fini.
Par quel modèle commencer ?
Commencez par une référence simple, comme un polynôme canonique de mélange, puis essayez un processus gaussien, qui indique aussi l'incertitude de chaque prédiction. Ne gardez le modèle plus complexe que s'il prédit mieux que la référence des familles de recettes mises de côté.
L'optimiseur remplace-t-il le formulateur ?
Non. Les formulateurs définissent les cibles et les plages autorisées, examinent chaque lot proposé du point de vue de la faisabilité et de la sécurité, et décident quand s'arrêter. L'optimiseur se contente de classer des recettes candidates, et c'est le résultat de laboratoire, pas la prédiction, qui dit si une recette est conforme.
Nos données de formulation peuvent-elles rester sur nos propres serveurs ?
Oui. Les modèles utilisés pour optimiser une formulation sont légers et peuvent tourner sur votre propre infrastructure. Le Virtual Lab de KABAS AI peut être déployé sur site ou sur un poste local sans connexion internet, ce qui compte quand les recettes sont une propriété intellectuelle essentielle.



