La start-up Discovered Materials a levé 9 millions de dollars lors d’un tour de financement d’amorçage mené par Lightspeed India Partners, afin d’utiliser des essaims d’agents d’intelligence artificielle pour rechercher de nouveaux matériaux susceptibles de contribuer à la fabrication de circuits intégrés plus efficaces et générant moins de chaleur.
Cette initiative intervient à un moment où les puces qui exécutent les charges de travail liées à l’intelligence artificielle deviennent une source croissante de chaleur, ce qui augmente la consommation d’électricité des centres de données et renforce le besoin de systèmes de refroidissement. L’entreprise est issue du programme Y Combinator, et le tour a également bénéficié d’investissements de Peak XV Partners ainsi que des investisseurs providentiels Paul Graham, Gokul Rajaram et Thariq Shihipar.
Un pipeline de recherche et de simulation
L’entreprise a été fondée par Advaith Sridhar et Akash Ramdas, en s’appuyant sur l’expérience de Ramdas en science des matériaux, acquise après l’obtention de son doctorat à l’université Stanford, et sur l’expérience de Sridhar dans le domaine des agents, notamment lors de son travail chez Persona AI et Luma Labs.
Les deux fondateurs ont développé un pipeline logiciel qui utilise des modèles d’Anthropic dans un environnement d’exécution personnalisé afin de générer des propositions de nouveaux matériaux, puis s’appuie sur des modèles physiques fondamentaux entraînés par l’entreprise pour effectuer des simulations vérifiant la faisabilité et les propriétés de ces matériaux.
Sridhar a déclaré que Ramdas testait environ 20 hypothèses par jour pendant son doctorat, tandis que les agents peuvent désormais tester des milliers d’hypothèses quotidiennement en travaillant dans le cloud 24 heures sur 24 et en explorant des pistes de recherche définies par l’équipe.
Le 10 août 2026, Discovered Materials a annoncé des exemples de centaines de nouveaux matériaux, ainsi qu’un outil baptisé Material Discovery Bench, conçu pour suivre la manière dont les modèles avancés abordent le défi de la découverte de matériaux.
Le problème ne consiste pas seulement à trouver des candidats
L’entreprise est en concurrence avec des initiatives similaires lancées par MatNex, SandboxAQ et CuspAI, mais elle se concentre spécifiquement sur les problèmes thermiques associés aux matériaux semi-conducteurs. Elle affirme avoir déjà découvert plusieurs matériaux correspondant aux propriétés de matériaux existants utilisés par de grandes entreprises pour fabriquer des puces, sans en révéler davantage de détails.
Toutefois, trouver un matériau prometteur ne signifie pas qu’il sera facile de l’utiliser dans une puce réelle. Le matériau peut être difficile à fabriquer, ou ses améliorations thermiques peuvent entraîner une dégradation de ses propriétés électriques. Hemant Mohapatra, l’associé de Lightspeed qui a dirigé le tour, a décrit le processus comme un équilibre permanent entre les propriétés des structures atomiques : le matériau ne devient réellement utile que lorsque toutes les exigences sont satisfaites simultanément.
Mohapatra estime que la prédiction de nouveaux matériaux pourrait devenir un service banalisé à mesure que les modèles s’améliorent, mais il pense que l’expertise de Ramdas et la capacité de l’entreprise à exploiter un laboratoire pour mener des expériences et valider rapidement les candidats lui confèrent un avantage. L’entreprise a déclaré que les fondateurs avaient déjà testé plusieurs nouveaux matériaux.
Un plan pour les brevets et les licences
Lorsqu’elle trouvera des candidats de valeur, Discovered Materials prévoit de tenter d’obtenir des brevets couvrant l’utilisation des matériaux dans des unités de traitement graphique, ou les procédés de fabrication de puces à partir de ceux-ci, puis d’accorder des licences sur ces brevets à des fabricants de puces. Sridhar espère que l’entreprise disposera au cours de l’année prochaine de nouveaux matériaux justifiant le dépôt de brevets.
Toutefois, le bilan de la découverte de médicaments et de matériaux assistée par l’intelligence artificielle n’a pas encore produit d’impact commercial à grande échelle. Le médicament d’Insilico Medicine connu sous le nom de Renterosib constitue l’un des exemples les plus avancés, après être entré dans un essai clinique de phase 3 en juillet, tandis que d’autres exemples prometteurs dans le domaine des matériaux, comme les aimants exempts de terres rares développés par MatNex et les matériaux semi-conducteurs sur lesquels ont travaillé Panasonic et Citrine Informatics, n’ont pas encore été utilisés à l’échelle commerciale.
Selon Mohapatra, le goulot d’étranglement ne réside pas nécessairement dans l’augmentation du nombre de candidats, mais dans leur sélection correcte et leur fabrication. Sridhar reconnaît que le processus nécessitera de se tourner vers les laboratoires humides et de fabriquer effectivement les matériaux, une étape qui ne peut pas être accélérée uniquement par les logiciels.