Dans un contexte industriel où la vitesse est devenue un facteur de compétitivité majeur, l’enjeu pour les laboratoires de R&D est clair : développer des produits innovants toujours plus performants mais également respectueux de l’environnement, conformes aux réglementations et dans des délais toujours plus courts.
Comment transformer ces contraintes en opportunité ? La réponse réside dans le passage d’une R&D traditionnelle, longue et coûteuse, à une R&D guidée et prédictive, s’appuyant sur l’intelligence artificielle pour toujours réduire le time-to-market.
Même pour les formulateurs les plus chevronnés, le développement d’un nouveau produit ou l’optimisation d’une formule existante reste un défi. Avant même d’établir une première formulation expérimentale, le formulateur doit transformer chacune de ces exigences en critères cibles :
Exigences
Exemples de propriétés
Exemples de critères cibles
Normes et qualité
Propriétés mécaniques
Taux de friabilité < 50%
Respect de l’environnement et de la santé
Composition chimique
Absence de bisphénol A
Coût
Contrainte économique
Coût de revient < 2€ /kg
Sur cette base d’exigences, une formulation théorique est définie, composée de la liste d’ingrédients utilisés, de métadonnées associées à chaque ingrédient (coût unitaire, origine, etc) et enfin d’une liste d’essais à mener pour tester que la formulation respecte bien les exigences et critères cibles du nouveau produit.
Et c’est précisément ici que la réalité du laboratoire rattrape la théorie. Car malgré leur expertise, les formulateurs ne peuvent jamais prédire avec certitude si cette formulation théorique répondra parfaitement aux critères cibles.
Le processus est empirique et repose sur une méthode itérative d’essais-erreurs : on formule, on teste à la paillasse, on analyse l’échec, on ajuste un paramètre et on recommence autant de fois que nécessaire jusqu’à atteindre les critères cibles.
Cette approche présente 4 freins majeurs pour les laboratoires de recherche et développement :
Face à ces freins, l’ère de l’intelligence artificielle change la donne avec la formulation prédictive. Cette dernière ne vise en aucun cas à remplacer le formulateur mais à le doter d’un véritable copilote pour être plus performant.
Cet assistant intègre des algorithmes d’intelligence artificielle exploitant l’intégralité du patrimoine technique du laboratoire pour faire passer le formulateur d’une logique réactive (je teste, j’échoue, j’ajuste, je recommence) à une logique prédictive (je prédis pour cibler juste).
Concrètement, la formulation prédictive intervient sur 2 aspects majeurs :
Le syndrome de la page blanche existe également chez les formulateurs : Par où commencer ? Quelle combinaison à le plus de chance de respecter mes critères cibles ?
La formulation prédictive exploite l’historique complet du laboratoire et des tests passés et croise ces données avec les critères cibles pour automatiquement proposer des formulations initiales pertinentes. Elle identifie les ingrédients les plus adaptés à combiner, les dosages et proportions les plus prometteurs en intégrant les contraintes à respecter (règlementation, coûts, etc.)
La formulation prédictive ne s’arrête pas là puisqu’une fois ces formulations initiales proposées, et les premiers tests réalisés, elle guide le formulateur pour converger plus rapidement vers la formule la plus idéale.
En fonction des résultats obtenus à la paillasse, elle analyse les écarts entre les résultats obtenus et les cibles visées pour suggérer de nouveaux essais cohérents. La formulation prédictive et intelligente élimine ainsi les recherches inutiles et guide le formulateur vers la composition optimale en un minimum d’itérations.
La formulation prédictive est déjà une réalité qui génère des gains opérationnels et financiers à de nombreux laboratoires de R&D :
C’est le gain le plus direct et quantifiable pour les laboratoires de R&D. En remplaçant l’exploration à l’aveugle par un ciblage intelligent, l’IA permet d’écarter, avant même de tester, les formulations vouées à l’échec. Le laboratoire concentre ainsi ses ressources sur les essais à haute probabilité de succès.
Conséquence mécanique et logique de la baisse du nombre d’essais, la consommation de matières premières et de réactifs réduit proportionnellement au nombre d’itérations évitées. Au-delà de l’économie sur le volume consommé, certains industriels utilisent certaines matières rares et onéreuses dont le coût est donc logiquement aussi réduit. Enfin, une économie est aussi réalisée en limitant les coûts liés au traitement des déchets issus des essais ratés.
En guidant les formulateurs vers la solution optimale en un minimum d’essais et donc de temps, la formulation prédictive permet aux laboratoires R&D de réduire considérablement leur time-to-market. Cette réduction des cycles de développement permet aux industriels de plus rapidement répondre aux demandes, s’adapter aux évolutions réglementaires et donc de lancer leurs innovations sur le marché avant la concurrence. Véritable avantage concurrentiel pour les laboratoires de recherche et développement, la formulation prédictive est leur atout de compétitivité d’aujourd’hui et de demain.
Pour accompagner les laboratoires de R&D dans cette course à la compétitivité, TEEXMA for LIMS propose d’ores et déjà des fonctionnalités d’aide à la formulation pilotées par l’intelligence artificielle.
Concrètement, le formulateur entre sa liste d’ingrédients, ses critères et contraintes, et TEEXMA for LIMS s’appuie sur les données disponibles dans le LIMS pour proposer différentes formulations détaillées. Suite à ses tests, le formulateur saisit ses résultats sur lequel l’algorithme va s’appuyer pour proposer des formulations optimisées.
Vous souhaitez en savoir plus sur notre fonctionnalité de formulation prédictive ?
Échangez avec l’un de nos experts en R&D ou programmez directement une démonstration de TEEXMA for LIMS dont l’approche modulaire unique offre aux laboratoires une solution sur mesure et flexible pour accélérer le time-to-market.
