« Même si notre champ d’action s’est élargi au fil du temps, nous avons à l’origine démarré comme un groupe spécialisé dans l’analyse des polymères, pendant de nombreuses années sous la direction de Peter Schoenmakers », explique Bob Pirok, maître de conférences à l’Université d’Amsterdam et responsable du groupe CAST. « Cela nous a permis de bâtir un vaste réseau de collaborations avec l’industrie des polymères. »

C’est précisément ce réseau qui a conduit Agilent Technologies, l’un des leaders mondiaux de l’instrumentation scientifique, à prendre contact avec lui. « Agilent dispose de nombreux instruments robustes et polyvalents, et souhaite comprendre comment ils peuvent être exploités au mieux pour l’analyse des polymères », poursuit-il. « Les polymères posent un réel défi en spectrométrie de masse, car les molécules de grande taille s’ionisent difficilement et sont donc plus complexes à étudier. » Les différentes sources d’ionisation et fonctionnalités des systèmes Agilent offrent dès lors un terrain d’expérimentation particulièrement intéressant pour l’équipe.

Pressions sur le secteur

Le contexte industriel accentue encore ce besoin d’innovation. « L’industrie des polymères est soumise à de fortes pressions, liées aux tensions géopolitiques, aux guerres tarifaires et, surtout, à la concurrence chinoise, capable de produire à des coûts nettement inférieurs », souligne Pirok. À cela s’ajoute une réglementation environnementale européenne exigeante, « positive sur le fond, mais qui accroît la pression sur les entreprises ». Dans ce contexte, disposer de méthodes robustes pour mieux caractériser les polymères devient essentiel afin de rester compétitif sur le plan des connaissances. « En tant que fabricant, Agilent veut démontrer ce qu’il est possible de faire avec ses instruments. »

« Les entreprises apportent la technologie et l’expertise, tout en respectant pleinement la liberté académique »

Pour le monde académique, l’intérêt est tout aussi clair. « Nous avons accès à des équipements extrêmement avancés pour développer de nouvelles méthodes et explorer la manière dont nos systèmes d’IA peuvent en extraire davantage d’informations », explique Pirok. « Nous contribuons par des publications, nous montrons ce qui est possible et nous identifions les méthodes réellement pertinentes pour l’industrie des polymères. »

Il insiste toutefois sur un point essentiel : Agilent n’intervient pas dans l’orientation scientifique des recherches. « Notre indépendance académique reste intacte. » Selon lui, cette collaboration illustre parfaitement la manière dont universités et entreprises peuvent travailler ensemble. « Les entreprises apportent la technologie et l’expertise, tandis que la liberté académique est pleinement préservée. C’est un modèle de coopération auquel nous restons toujours ouverts. »

AutoLC

Entre-temps, le système Revident LC/Q-TOF d’Agilent a été intégré au réseau AutoLC du laboratoire de Pirok, une infrastructure partiellement pilotée par l’intelligence artificielle et connectée à plusieurs instruments. « Notre IA est capable d’utiliser tous les appareils sans intervention humaine », précise-t-il. « Elle est programmée pour détecter des pics intéressants dans les données et les analyser ensuite à l’aide d’autres systèmes. »

Entre-temps, le système Revident LC/Q-TOF d’Agilent a été intégré au réseau AutoLC du laboratoire de Pirok, une infrastructure partiellement pilotée par l’intelligence artificielle et connectée à plusieurs instruments. « Notre IA est capable d’utiliser tous les appareils sans intervention humaine », précise-t-il. « Elle est programmée pour détecter des pics intéressants dans les données et les analyser ensuite à l’aide d’autres systèmes. »

« Des techniques plus complexes, comme la LC bidimensionnelle couplée à la MS/MS, deviennent également accessibles », ajoute Pirok. « Leur mise en place manuelle demande habituellement énormément de temps, alors qu’une machine peut fonctionner en continu, jour et nuit. » Un laboratoire automatisé sans présence humaine impose toutefois une surveillance rigoureuse. Le laboratoire est donc équipé de panneaux de contrôle et de systèmes de signalisation lumineuse permettant de suivre et d’ajuster AutoLC à distance. « Il faut rester vigilant, car il est déjà arrivé que l’IA mette certains systèmes en difficulté. »

La place de l’humain reste dès lors centrale. « Seul l’être humain est capable d’évaluer la valeur réelle d’un résultat issu d’une méthode analytique », conclut Pirok. « La responsabilité finale ne pourra jamais être confiée à l’IA. Elle restera toujours du ressort de l’humain. »