Les États-Unis combinent l'apprentissage automatique quantique et le traitement minéral pour catalyser la découverte de terres rares

Les États-Unis ont lancé une initiative de recherche combinant l'apprentissage automatique quantique et le traitement minéral industriel afin de découvrir des molécules spécialisées capables de séparer les éléments de terres rares plus efficacement, selon un article publié par Atharva Gosavi le 19 septembre 2026. Cette initiative technique vise à résoudre un goulot d'étranglement fondamental dans les chaînes d'approvisionnement en minéraux critiques, où la séparation de métaux de terres rares individuels et chimiquement presque identiques nécessite des opérations industrielles complexes et multi-étapes. En appliquant des algorithmes de calcul quantique à la chimie moléculaire, le projet cherche à modéliser et concevoir des molécules extractantes capables d'isoler des éléments cibles avec une sélectivité accrue, réduisant potentiellement l'empreinte énergétique, financière et environnementale du traitement intermédiaire.

## Faits marquants

- L'initiative des États-Unis intègre des modèles d'apprentissage automatique quantique directement dans les filières de recherche en traitement minéral. - L'objectif visé est la découverte de nouvelles molécules chélatantes optimisées pour la séparation d'éléments de terres rares individuels. - Cet effort a été rapporté par le journaliste indépendant spécialisé en technologies et sciences Atharva Gosavi le 19 septembre 2026. - La séparation industrielle des terres rares repose actuellement sur l'extraction par solvant liquide-liquide, nécessitant souvent des dizaines ou des centaines d'étapes séquentielles. - Des algorithmes d'informatique quantique sont exploités pour simuler des interactions complexes d'électrons d'orbitales f qui dépassent les capacités de modélisation précise des ordinateurs classiques.

## Ce qui s'est passé

Selon les informations rapportées par Atharva Gosavi, le projet américain cible la convergence de l'architecture logicielle quantique et de l'hydrométallurgie industrielle. Les chercheurs utilisent des cadres d'apprentissage automatique quantique pour simuler la manière dont des structures chimiques spécifiques interagissent avec les ions de terres rares à l'échelle atomique. Le but principal est d'accélérer l'identification de nouveaux ligands organiques — des molécules qui se lient sélectivement à des ions métalliques spécifiques dans une solution aqueuse — permettant ainsi une séparation plus propre et plus rapide des éléments de terres rares individuels à partir du concentré brut.

La découverte chimique traditionnelle repose fortement sur la synthèse en laboratoire par essais et erreurs ou sur des simulations informatiques classiques. Cependant, la simulation des atomes de terres rares sur des ordinateurs classiques présente d'importants obstacles de calcul en raison des structures électroniques complexes et fortement corrélées dans leurs couches de valence internes. Le nouveau projet applique des algorithmes d'apprentissage automatique quantique pour modéliser plus précisément ces interactions électroniques, évaluant des millions de configurations moléculaires candidates dans des simulations numériques avant de sélectionner les candidats les plus prometteurs pour des tests physiques en laboratoire et l'intégration dans le traitement minéral.

En intégrant ces outils de calcul quantique directement dans les flux de travail du traitement minéral, l'initiative tente de combler l'écart entre la chimie moléculaire théorique et la métallurgie extractive à l'échelle du laboratoire. Les modèles informatiques évaluent les énergies de liaison, la géométrie spatiale et les caractéristiques de solubilité afin de s'assurer que les molécules découvertes ne sont pas seulement sélectives en théorie, mais aussi suffisamment robustes pour des opérations hydrométallurgiques industrielles pratiques.

## Pourquoi c'est important

Les éléments de terres rares — un groupe de 17 éléments métalliques incluant le néodyme, le dysprosium, le terbium, l'europium et le praséodyme — sont des composants essentiels des aimants permanents à haute performance, des systèmes de guidage de défense, des générateurs d'éoliennes, des moteurs de véhicules électriques et de l'électronique avancée. Bien que les terres rares soient relativement abondantes dans la croûte terrestre, les trouver dans des concentrations économiquement viables et, surtout, les séparer les unes des autres représente un défi chimique extraordinaire.

Parce que tous les éléments lanthanides partagent des rayons ioniques et des états d'oxydation presque identiques — un phénomène chimique connu sous le nom de contraction des lanthanides —, leurs comportements chimiques sont presque indistincts dans les réactions industrielles standard. Actuellement, la séparation des terres rares lourdes des terres rares légères nécessite des circuits d'extraction par solvant liquide-liquide qui font circuler des solutions chimiques à travers des centaines de décanteurs-mélangeurs. Ce procédé hérité consomme des volumes massifs d'acides concentrés, de solvants organiques et d'eau, générant des déchets chimiques considérables et nécessitant d'énormes dépenses de capital pour la construction de raffineries.

Si l'apprentissage automatique quantique parvient à identifier des ligands présentant des facteurs de séparation nettement plus élevés entre lanthanides adjacents, le nombre d'étapes d'extraction nécessaires pour atteindre une haute pureté (comme 99,99 %) pourrait être considérablement réduit. Une réduction des étapes de traitement se traduit directement par des coûts d'exploitation inférieurs, une empreinte physique plus restreinte des installations, une production réduite de déchets toxiques et des exigences de capital réduites pour l'établissement d'usines de raffinage nationales. En outre, l'établissement de techniques de traitement avancées offre une voie technologique pour contourner les méthodes de séparation traditionnelles très polluantes, ce qui pourrait modifier le paysage économique de la fabrication de minéraux critiques en faveur des nations possédant des capacités quantiques et informatiques avancées.

## Le contexte

Pour contextualiser cette évolution, la chaîne d'approvisionnement mondiale en terres rares est historiquement divisée en trois étapes principales : l'extraction minière, la séparation chimique (raffinage) et la fabrication en aval (comme la production d'alliages pour aimants). Depuis plusieurs décennies, la capacité mondiale de raffinage est fortement concentrée en Chine, qui contrôle environ 85 à 90 % des infrastructures mondiales de séparation des terres rares et plus de 90 % de la production d'aimants de terres rares. Bien que les opérations minières se soient développées dans d'autres régions — telles que la mine de Mountain Pass en Californie et l'exploitation de Mount Weld en Australie-Occidentale —, les concentrés non raffinés provenant de nombreuses mines internationales ont historiquement été expédiés à l'étranger pour la séparation chimique en raison du manque d'infrastructures intermédiaires locales.

Ces dernières années, le gouvernement américain a désigné les minéraux critiques comme essentiels à la sécurité nationale et à la stabilité économique. Des initiatives menées par le U.S. Department of Energy, notamment le Critical Materials Innovation Hub hébergé au Ames National Laboratory, aux côtés de financements du Department of Defense dans le cadre du Title III du Defense Production Act, ont injecté des centaines de millions de dollars dans les technologies de traitement nationales. Les voies de recherche ont inclus l'extraction biologique à l'aide de protéines spécialisées, les solvants ioniques liquides, la séparation par membrane et la modélisation thermodynamique avancée.

Dans le même temps, l'informatique quantique est passée de la physique purement théorique à des applications pratiques du domaine, en particulier dans la chimie numérique et la science des matériaux. Les superordinateurs classiques peinent avec les calculs de chimie quantique parce que les ressources informatiques requises augmentent de manière exponentielle avec le nombre d'électrons dans un système moléculaire. Les terres rares, situées dans la série des lanthanides du tableau périodique, possèdent des couches électroniques 4f partiellement remplies. Les corrélations électroniques complexes et les effets relativistes présents dans ces orbitales f font des complexes de terres rares l'un des systèmes chimiques les plus difficiles à modéliser avec précision sur du matériel classique. Les algorithmes d'apprentissage automatique quantique, s'exécutant sur du matériel hybride quantique-classique, sont conçus pour représenter de manière native ces états électroniques, offrant une voie vers une ingénierie moléculaire prédictive auparavant irréalisable.

## Réactions

L'intégration de l'informatique quantique dans l'ingénierie des minéraux critiques représente un changement notable vers des interventions de haute technologie dans les chaînes d'approvisionnement industrielles. Les analystes industriels et les spécialistes des matériaux font remarquer depuis longtemps que le traitement chimique intermédiaire, plutôt que la capacité d'extraction brute, constitue la principale vulnérabilité des chaînes d'approvisionnement en minéraux critiques des pays occidentaux. L'application de la chimie numérique avancée est considérée par les observateurs du marché comme une étape nécessaire pour surmonter l'avance de plusieurs décennies détenue par les installations de raffinage traditionnelles.

Les développeurs de logiciels quantiques et les chimistes du numérique ont souligné que la découverte de matériaux constitue l'une des applications préliminaires les plus prometteuses sur le plan commercial pour les systèmes quantiques à échelle intermédiaire bruyants (NISQ) et les algorithmes hybrides. Plutôt que d'attendre des ordinateurs quantiques entièrement tolérants aux pannes, les approches hybrides quantique-classique peuvent aider les modèles d'apprentissage automatique à identifier des caractéristiques spatiales et des propriétés de liaison que les algorithmes standard manquent.

Les chercheurs en environnement et les experts en politiques publiques devraient surveiller de près si le projet produit des extractants réduisant l'utilisation de produits chimiques dangereux. Le traitement hydrométallurgique standard génère des quantités substantielles d'eaux usées acides et de résidus radioactifs (souvent associés au thorium et à l'uranium naturellement présents dans les minerais de terres rares). Tout progrès technologique qui simplifie les étapes de traitement ou permet un recyclage chimique en circuit fermé est perçu favorablement par les organismes de réglementation chargés d'approuver de nouvelles usines de traitement nationales.

## Ce que nous ne savons pas encore

Bien que la portée du projet combine l'apprentissage automatique quantique et le traitement minéral, plusieurs détails opérationnels spécifiques restent non vérifiés dans les informations disponibles :

- **Responsable institutionnel et partenaires :** L'agence gouvernementale spécifique, le laboratoire national, le consortium de recherche universitaire ou l'entreprise technologique privée menant l'exécution du projet n'a pas été précisé. - **Budget de base et durée :** L'allocation financière exacte, la source de financement et l'échéancier pluriannuel projeté pour la subvention ou le programme de recherche restent non spécifiés. - **Spécifications du matériel quantique :** On ignore actuellement quelles plateformes matérielles quantiques (par exemple, circuits supraconducteurs, ions piégés ou systèmes d'atomes neutres) ou quels fournisseurs de nuage quantique sont utilisés pour exécuter les modèles d'apprentissage automatique. - **Synthèse et validation expérimentale :** Le rapport ne précise pas si les molécules extractantes candidates identifiées par les algorithmes quantiques ont déjà fait l'objet de tests physiques en laboratoire à l'échelle du banc d'essai ou d'essais de synthèse chimique. - **Viabilité économique :** Il reste à démontrer si les molécules conçues par calcul informatique peuvent être produites de manière économique à une échelle industrielle et rester stables dans des conditions acides industrielles rigoureuses.

## Ce qu'il faut surveiller

À l'avenir, plusieurs indicateurs clés révéleront les progrès et l'impact pratique de ce projet de minéraux critiques assisté par le quantique :

- **Divulgations fédérales officielles :** Les annonces officielles ou communiqués de presse d'agences américaines — telles que l'Office of Energy Efficiency and Renewable Energy (EERE) du Department of Energy ou la Defense Advanced Research Projects Agency (DARPA) — confirmant les bénéficiaires des subventions, les partenaires informatiques et les jalons du projet. - **Publications révisées par des pairs :** Les publications scientifiques dans des revues telles que *Nature Chemistry*, *Inorganic Chemistry* ou *Hydrometallurgy* détaillant les structures moléculaires spécifiques, les ratios de sélectivité de liaison et les architectures d'algorithmes quantiques développées dans le cadre du programme. - **Essais en usine pilote :** Les essais hydrométallurgiques à l'échelle du laboratoire et à l'échelle pilote démontrant si les ligands nouvellement identifiés atteignent des facteurs de séparation plus élevés entre lanthanides adjacents (tels que néodyme/praséodyme ou dysprosium/terbium) par rapport aux extractants commerciaux standard comme le PC88A ou le Cyanex 272. - **Licences commerciales :** Les accords de licence ultérieurs ou les transferts de technologie entre les institutions de recherche et les entreprises commerciales de traitement de minéraux critiques cherchant à déployer la technologie dans des raffineries opérationnelles.

Ce rapport est basé sur des informations originales publiées par Atharva Gosavi le 19 septembre 2026.