Au MIT, l’IA cherche des recettes de béton moins dépendantes du ciment

Le béton est partout, dans les logements, les ponts, les routes et les réseaux qui structurent les villes. Pourtant, derrière ce matériau familier se cache un ingrédient beaucoup plus difficile à remplacer qu’il n’y paraît : le ciment. Au Massachusetts Institute of Technology, ou MIT, une équipe de recherche s’appuie désormais sur l’intelligence artificielle pour élargir beaucoup plus vite le champ des matériaux susceptibles d’en prendre une partie du relais.

L’enjeu ne consiste pas à abolir le béton ni à promettre une formule miracle. Il s’agit de réduire la quantité de ciment nécessaire, sans renoncer à la résistance et à la durabilité attendues d’un ouvrage. Publiée le 17 mai 2025 dans la revue Nature Communications Materials, l’étude dirigée par Soroush Mahjoubi propose pour cela une méthode de repérage et de classement à grande échelle. Elle vise aussi bien les sous-produits industriels déjà connus que des matériaux plus négligés, notamment issus de l’agriculture ou de la démolition.

Pourquoi le ciment est-il au cœur du problème ?

Il faut d’abord distinguer deux mots souvent confondus. Le béton est le matériau final, obtenu en mélangeant notamment des granulats, de l’eau et du ciment. Le ciment est le liant : au contact de l’eau, il déclenche des réactions qui permettent au mélange de durcir et d’acquérir ses propriétés mécaniques.

C’est précisément ce rôle de liant qui rend le remplacement du ciment délicat. Un matériau de substitution ne peut pas être choisi seulement parce qu’il est disponible localement ou parce qu’il provient du recyclage. Il doit contribuer aux réactions chimiques qui assurent la prise et la solidification du béton, tout en restant compatible avec les exigences de performance d’une construction.

L’équipe du MIT, associée au groupe Olivetti, travaille donc sur un double objectif : réduire les coûts et diminuer l’empreinte carbone liée aux formulations de béton. Ce sujet est particulièrement stratégique dans la construction, où les volumes employés sont considérables et où chaque réduction de la part de ciment peut compter.

Des substituts existent déjà, mais ils ne suffisent pas toujours

Certaines alternatives sont déjà intégrées à des formulations de béton. C’est le cas de la cendre volante, un sous-produit de la production de charbon, ou du laitier, issu de la fabrication de l’acier. Ces matériaux peuvent remplacer une partie du ciment dans certaines conditions.

Mais leur disponibilité pose problème. La demande en ingrédients considérés comme plus durables augmente, au point de dépasser l’offre disponible. S’appuyer exclusivement sur ces solutions ne permet donc pas de répondre à tous les besoins. Les chercheurs ont besoin d’un portefeuille plus vaste de matériaux, et surtout d’une manière fiable de déterminer lesquels méritent réellement d’être testés.

C’est là que l’intelligence artificielle intervient. La littérature scientifique accumulée sur les roches, les résidus industriels, les céramiques et les réactions chimiques représente un volume difficilement exploitable par une lecture humaine classique. Même lorsqu’une propriété intéressante a été décrite dans un article, elle peut rester isolée dans une discipline ou un vocabulaire différent de celui du génie civil.

L’objectif de l’outil développé au MIT est de transformer cette masse dispersée d’informations en une carte plus lisible des candidats au remplacement partiel du ciment.

Comment l’IA trie-t-elle les matériaux candidats ?

L’équipe a employé des modèles de langage avancés dans un cadre d’apprentissage automatique destiné à analyser des documents scientifiques et des données sur des échantillons de roche. Le système ne fabrique pas directement une nouvelle formule de béton. Il sert d’abord à identifier, évaluer et classer des matériaux à partir de leurs propriétés physiques et chimiques.

Deux familles de caractéristiques sont particulièrement importantes dans cette recherche : la réactivité hydraulique et la pozzolanicité. Leur compréhension permet de saisir pourquoi tous les déchets ou tous les minéraux ne peuvent pas être incorporés indistinctement dans du béton.

Dans une formulation concrète, les chercheurs cherchent un équilibre entre ces mécanismes. Un candidat peut présenter un intérêt chimique, mais ne pas être utilisable seul ni dans n’importe quelle proportion. D’où l’importance de ne pas confondre une piste prometteuse avec une recette immédiatement exploitable sur un chantier.

Selon Soroush Mahjoubi, l’IA est devenue essentielle face à l’ampleur des données disponibles. Le bénéfice attendu est surtout méthodologique : au lieu de partir d’une courte liste de matériaux déjà connus, l’équipe peut explorer de manière structurée une diversité bien plus grande de possibilités.

Dix-neuf catégories de matériaux à explorer

Le processus d’analyse a conduit l’équipe à classer les candidats en 19 catégories distinctes. Ce résultat ne signifie pas que les 19 familles sont interchangeables ou qu’elles ont toutes déjà démontré les mêmes performances. Il montre plutôt que les sources potentielles de substitution sont plus variées que les seules cendres volantes et le laitier.

Parmi ces catégories figurent des sous-produits agricoles et des matériaux provenant des travaux de démolition. Leur intérêt dépasse le seul aspect technique. Si certains déchets peuvent retrouver une fonction dans des formulations de béton, ils échappent à l’abandon tout en réduisant la pression exercée sur des ressources plus limitées.

L’étude met particulièrement en lumière les céramiques, notamment celles issues de briques, de tuiles ou de carreaux anciens. Ces matériaux sont courants dans les flux de démolition, mais ils ne sont pas toujours considérés comme une ressource de premier plan pour la construction. Or, leurs propriétés pourraient en faire de bons candidats au remplacement d’une partie du ciment.

Les chercheurs ont aussi rapproché cette piste de l’histoire des matériaux. Dans des structures en béton romain, des éléments de céramique étaient intégrés afin d’améliorer l’imperméabilité. Ces observations ont été nourries par des échanges avec le professeur Admir Masic, spécialiste des études sur les bétons anciens au MIT. L’idée n’est pas de reproduire à l’identique les recettes romaines, mais de tirer parti d’un savoir accumulé, y compris dans des pratiques anciennes, pour guider la recherche contemporaine.

Une voie vers une construction plus circulaire

La méthode s’inscrit dans une logique d’économie circulaire. Dans ce modèle, un matériau n’est plus automatiquement considéré comme un déchet à éliminer lorsqu’il a terminé son premier usage. Il peut devenir une ressource pour une nouvelle chaîne de production, à condition que sa collecte, sa transformation et ses performances le permettent.

Pour le secteur de la construction, cet enjeu est majeur. Les chantiers de rénovation ou de démolition génèrent des volumes importants de matériaux. Les briques et les céramiques constituent des exemples parlants : au lieu d’être simplement écartées, elles pourraient, après traitement approprié et sous réserve de validation, participer à de nouvelles recettes de béton.

Cette approche ne dispense pas de précautions. La qualité des matériaux recyclés peut varier selon leur origine, leur composition ou les substances qu’ils contiennent. Une filière utile devra donc être capable de trier, de caractériser et de contrôler ces matières avant leur réemploi. L’IA peut accélérer l’identification des candidats, mais elle ne remplace ni les essais de laboratoire ni les normes qui encadrent la sécurité des structures.

Le cadre développé au MIT présente alors un autre avantage : il pourrait aider à identifier des matériaux adaptés dans des contextes géographiques variés. Plutôt que de dépendre d’une poignée de ressources disponibles seulement dans certaines régions, les concepteurs pourraient examiner des options présentes à l’échelle locale ou régionale.

De la sélection informatique aux essais de laboratoire

La prochaine étape annoncée par l’équipe est claire : améliorer le cadre d’analyse pour explorer encore davantage de matériaux, puis tester les candidats les plus convaincants. Ce passage du classement numérique à l’expérimentation est déterminant.

Un béton destiné à un bâtiment ou à une infrastructure doit répondre à plusieurs attentes simultanées : résistance, durabilité, comportement au fil du temps et adéquation à l’usage prévu. Une propriété intéressante identifiée dans un document scientifique est donc un point de départ, pas une garantie. Les formulations devront être préparées, mesurées et comparées pour déterminer si elles conservent les performances requises.

Elsa Olivetti, professeure au département de science et d’ingénierie des matériaux du MIT, souligne que les outils d’IA permettent d’avancer plus rapidement dans cette exploration. Randolph Kirchain, co-auteur de l’étude et directeur du CSHub, estime pour sa part que l’application de la science des données et de l’IA à la conception des matériaux pourrait transformer l’industrie du béton sans sacrifier la solidité ou la durabilité.

Cette ambition résume bien la portée de l’étude. L’intelligence artificielle n’est pas présentée comme un substitut aux ingénieurs, aux chimistes ou aux tests physiques. Elle devient un instrument pour organiser les connaissances existantes, faire émerger des pistes oubliées et concentrer les moyens expérimentaux sur les options les plus solides.

Ce qu’il faut surveiller

Le véritable test de cette approche se jouera dans la capacité à convertir les catégories identifiées en formulations vérifiées et reproductibles. Plusieurs questions resteront centrales : quels matériaux offrent le meilleur compromis entre disponibilité, réactivité et performances ? Dans quelles proportions peuvent-ils remplacer le ciment ? Et comment organiser des filières de collecte et de préparation compatibles avec les besoins du bâtiment ?

La recherche du MIT apporte une réponse utile à une difficulté souvent sous-estimée : le manque d’idées n’est pas le seul obstacle à l’innovation matérielle. Il faut aussi pouvoir retrouver, comparer et hiérarchiser des connaissances disséminées dans des milliers de travaux. En utilisant l’IA pour cette tâche, l’équipe élargit le terrain de jeu de la construction durable.

Pour les professionnels comme pour le grand public, il faut néanmoins garder une mesure simple : l’étude ouvre des voies de recherche, elle n’annonce pas encore la généralisation d’un nouveau béton. Sa valeur tient précisément à cette étape amont, celle qui permet de passer de déchets et de matériaux peu étudiés à des candidats dont les performances pourront être démontrées, ou écartées, avec la rigueur nécessaire.