L'IA prédit la mousse industrielle grâce à l'analyse dimensionnelle dynamique

Des chercheurs français combinent l'intelligence artificielle et l'analyse dimensionnelle pour prédire la quantité de mousse produite par divers tensioactifs.

Image générique d'un bécher de laboratoire rempli de mousse dynamique, avec des équations complexes visibles en arrière-plan.
IA

Image générique d'un bécher de laboratoire rempli de mousse dynamique, avec des équations complexes visibles en arrière-plan.

Des chercheurs de Lille, Compiègne, Palaiseau et Toulouse ont développé des modèles prédictifs utilisant l'intelligence artificielle et l'analyse dimensionnelle pour anticiper la quantité de mousse générée par différents tensioactifs dans des procédés industriels.

La capacité à prédire la quantité de mousse produite par une formulation est un défi majeur pour les industriels dans des secteurs variés comme l'alimentaire (mousse au chocolat), les cosmétiques (mousse à raser) ou encore la sécurité (mousse anti-incendie). Jusqu'à présent, les modèles existants peinaient à généraliser leurs prédictions à d'autres molécules ou procédés que ceux pour lesquels ils avaient été spécifiquement conçus.
Une collaboration entre quatre laboratoires français – l'UMET (CNRS, INRAE, Université de Lille, Centrale Lille), le TIMR (UTC/ESCOM, Compiègne), SayFood et MIA-PS (INRAE, AgroParisTech, Université Paris-Saclay) et le Laboratoire de Génie Chimique (Toulouse INP, CNRS) – propose une nouvelle approche publiée dans la revue Chemical Engineering Journal. Leur innovation repose sur la prise en compte de la tension de surface dynamique, qui mesure la vitesse de déplacement des molécules tensioactives vers les interfaces, plutôt que la tension de surface à l'équilibre, jugée insuffisante pour décrire le phénomène de moussage rapide.
Après avoir mené 130 expériences de moussage sur une dizaine de tensioactifs représentatifs, les chercheurs ont appliqué l'analyse dimensionnelle pour intégrer des grandeurs physiques dépendant du temps. Une intelligence artificielle, par régression symbolique, a ensuite déterminé la forme de l'équation la plus adaptée. Cette méthode aboutit à une seule corrélation prédictive pour chaque procédé, capable de prédire la hauteur de mousse pour l'ensemble des tensioactifs testés avec une précision remarquable (R² de 0,90 et 0,96), surpassant largement les approches classiques (R² de 0,73 et 0,75).
Ces modèles prédictifs ouvrent la voie à la réduction des campagnes d'essais coûteuses, à l'optimisation des procédés de moussage et à la sélection de tensioactifs adaptés. Les chercheurs envisagent l'émergence d'un nouveau domaine : la « science des interfaces dynamiques », qui décrirait les propriétés des interfaces par leur évolution temporelle plutôt que par des constantes statiques.
Information rédigée à partir de la source officielle : INRAE Occitanie-Toulouse (12/11/2026)