L’Union européenne finance 29 millions d’euros de laboratoires capables de concevoir et d’exécuter leurs propres expériences, sans intervention humaine entre chaque cycle. Ces systèmes en boucle fermée pourraient réduire le coût d’une découverte scientifique. Mais le rapport SRIP 2026 de la Commission pose le problème en clair : l’Europe produit déjà une science de premier rang qu’elle peine à convertir en leadership technologique. Si les laboratoires autonomes se concentrent dans les mêmes pôles qui dominent déjà, ce fossé entre excellence scientifique et capacité industrielle pourrait s’accentuer.

L’essentiel

  • Ouvert le 13 octobre 2026, l’appel RAISE totalise 30,5 millions d’euros, dont 29 millions pour le thème de découverte scientifique automatisée comprenant des démonstrateurs, financés par Horizon Europe.
  • Le rapport SRIP 2026 de la Commission européenne place l’Union au deuxième rang mondial pour la production scientifique, mais documente une conversion insuffisante de cette force en gains de productivité et en brevets.
  • Un laboratoire autonome RAISE peut enchaîner certaines étapes de planification, d’exécution et d’analyse en boucle fermée, avec une supervision humaine prévue pour la sûreté, l’exactitude et l’éthique.
  • Le risque structurel : si l’accès à ces infrastructures reste réservé aux universités et entreprises les mieux dotées, l’automatisation risque de creuser les écarts géographiques et institutionnels déjà visibles en Europe.
  • Les démonstrateurs RAISE pourront réduire le coût expérimental pour leurs utilisateurs ; la gouvernance et le financement du futur Data Lab for Science doivent être élaborés.

Un laboratoire qui se programme lui-même

Pour comprendre l’enjeu de RAISE, il faut d’abord comprendre ce que fait concrètement un laboratoire en boucle fermée. Dans un laboratoire classique, un chercheur formule une hypothèse, planifie une expérience, attend les résultats, les interprète, puis décide de la prochaine étape. Cette boucle peut prendre des semaines. Un système autonome exécute le même cycle en quelques heures, parfois en quelques minutes, en intégrant l’apprentissage machine à chaque itération.

Le modèle le plus cité est celui du Robot Scientist développé par Ross King à l’Université d’Aberystwyth : capable de formuler des hypothèses, de concevoir des expériences pour les tester, de les exécuter et d’interpréter les résultats sans intervention humaine. Ce système a notamment identifié des inhibiteurs potentiels dans la voie métabolique de la levure, une démonstration publiée dans Science en 2009 qui a posé les bases du champ. Depuis, des laboratoires autonomes sont apparus en chimie, en biologie synthétique et en science des matériaux. RAISE finance la prochaine génération : des démonstrateurs capables d’opérer sur des problèmes plus complexes, avec des boucles de rétroaction plus fines.

L’enjeu économique est direct. La recherche pharmaceutique coûte en moyenne plus d’un milliard de dollars par médicament approuvé, une grande partie de ce coût venant de l’exploration expérimentale. En chimie des matériaux, les candidats à évaluer pour une batterie de nouvelle génération se comptent en millions. Un système qui réduit le temps par itération d’un facteur dix change radicalement ce calcul. Les modalités d’accès à ces systèmes affecteront la répartition des avantages qu’ils produisent.

Le diagnostic SRIP 2026

Le rapport sur la performance scientifique et d’innovation de l’Union (SRIP 2026) dresse un constat précis. En 2020, la Chine devançait nettement l’UE pour les publications du top 10 % les plus citées. Dans la part mondiale des publications du top 1 % les plus citées, les États-Unis restent premiers et la Chine devance l’Union européenne. Ses universités forment des chercheurs de niveau mondial. Mais entre cette production de connaissance et les gains de productivité dans l’économie réelle, il y a un hiatus que le rapport documente depuis plusieurs éditions.

Ce hiatus prend plusieurs formes. Les brevets à haute valeur technologique restent concentrés dans un petit nombre de régions : Île-de-France, Bavière, Randstad, quelques corridors suédois et finlandais. Le capital-risque qui finance la valorisation de la recherche se concentre encore davantage. Les chercheurs qui passent de l’université à l’entreprise le font majoritairement vers une poignée de pôles. La Corée du Sud et la Finlande ont démontré qu’on pouvait construire des écosystèmes de valorisation sur une génération.

Mais le chemin exige des infrastructures accessibles, pas seulement des publications de prestige.

Le choix de financer des laboratoires autonomes dans le cadre d’Horizon Europe soulève directement la question de la concentration. Si ces systèmes restent cantonnés aux grands pôles de recherche, ils amplifieront la concentration existante. S’ils sont conçus comme des infrastructures mutualisées, ils pourraient devenir un levier de rééquilibrage. RAISE encourage la coopération et le partage dans certains de ses volets, sans garantir que les démonstrateurs seront des infrastructures mutualisées.

29 millions d’euros pour quoi faire, exactement

L’appel RAISE signifie « Resource for AI Science in Europe ». Il finance des projets qui visent à intégrer automatisation de laboratoire, infrastructures de données et prise de décision par IA pour produire des systèmes capables d’explorer un espace de problèmes de manière autonome. Les 29 millions d’euros financent jusqu’à trois projets de recherche et d’innovation sur la découverte scientifique automatisée. L’appel demande une collaboration interdisciplinaire, avec des mécanismes facilitant le partage des données expérimentales et la collaboration entre laboratoires ; la diffusion des résultats relève aussi des règles générales d’Horizon Europe.

Cette exigence de partage est le point politique central. Dans la course actuelle à l’intelligence artificielle pour la science, plusieurs entreprises, notamment des acteurs nord-américains comme Insilico Medicine, Recursion Pharmaceuticals, ou des divisions de Microsoft Research, ont développé des systèmes propriétaires qui gardent leurs architectures et leurs résultats fermés. L’avantage compétitif repose sur l’accumulation de données expérimentales propriétaires. Un laboratoire autonome qui génère des milliers d’expériences par jour produit des données d’entraînement que personne d’autre ne possède.

La Commission fait un pari différent. Elle finance des infrastructures dont les résultats doivent, au moins partiellement, rester accessibles à la communauté scientifique européenne. C’est cohérent avec la logique d’Horizon Europe, qui exige l’accès ouvert aux publications. Mais l’accès ouvert aux publications n’est pas la même chose que l’accès ouvert aux données expérimentales brutes, ni aux modèles entraînés. Les conditions exactes de partage fixées dans RAISE détermineront si ce pari tient dans la durée.

Les appels à commentaires sur ces conditions restent ouverts jusqu’à la sélection des premiers consortiums.

Un point pratique mérite attention : 29 millions d’euros pour des démonstrateurs en boucle fermée constituent un budget de phase d’amorçage. Une ligne d’automatisation complète pour un laboratoire de chimie des matériaux peut coûter plusieurs millions à elle seule. RAISE finance la preuve de concept et les architectures de référence. Le déploiement à l’échelle viendra ensuite, avec d’autres instruments et d’autres débats sur le modèle d’accès.

La géographie de la recherche détermine celle de l’emploi

La question de la concentration n’est pas abstraite. Les infrastructures de recherche influent largement sur la création d’emplois scientifiques et technologiques, le dépôt de brevets et la captation des retombées industrielles d’une vague technologique. L’histoire de l’internet, des biotechnologies ou des semi-conducteurs l’a montré de façon répétée : les pôles qui ont les infrastructures d’expérimentation en avance absorbent une part importante de la valeur créée.

Cette dynamique est particulièrement nette dans la science des matériaux et la pharmacologie, deux domaines où les laboratoires autonomes sont les plus avancés. L’Université de Liverpool a construit un robot chimiste capable de travailler 24 heures sur 24 pour explorer des formulations de photocatalyseurs. L’Université de Toronto a développé un système similaire pour les matériaux solaires. Ces projets sont concentrés dans des universités déjà bien dotées, avec des partenariats industriels établis. Un chercheur en Slovaquie, en Bulgarie ou dans une université régionale française travaille dans un environnement expérimental fondamentalement différent.

Les architectures de référence financées par RAISE peuvent devenir des modèles reproductibles à condition que des choix techniques précis soient faits en ce sens. Des systèmes modulaires, construits sur des équipements disponibles commercialement, sont plus faciles à déployer dans des laboratoires moins dotés que des installations sur mesure. Des interfaces standardisées permettent à des groupes différents de contribuer à des expériences communes. Les politiques d’accès aux données d’entraînement influent sur l’utilisation, par des équipes de taille variable, des modèles développés par un consortium.

Sur ce plan, RAISE s’inscrit dans un mouvement plus large autour de la mutualisation des infrastructures de recherche en Europe. La stratégie de la Commission pour les infrastructures de recherche et de technologie identifie les plateformes partagées comme une priorité pour réduire les inégalités entre États membres. Mais l’intention stratégique et le modèle d’accès effectif sont deux choses différentes. L’Union a déjà montré cette tension dans d’autres domaines technologiques : les règlements sont ambitieux, mais leur application dépend des mécanismes de gouvernance.

Les arbitrages de la décennie 2026-2035

Sur un horizon de dix ans, deux trajectoires sont plausibles. Dans la première, les laboratoires autonomes financés par RAISE et leurs successeurs restent des infrastructures de consortium, accessibles aux partenaires des projets, mais pratiquement fermés aux institutions qui n’ont pas les ressources pour rejoindre ces consortiums. Les données expérimentales accumulent des avantages propriétaires dans quelques pôles. La productivité scientifique européenne augmente, mais sa distribution géographique se resserre. Le rapport SRIP de 2030 documentera des progrès en volume et une concentration accrue.

Dans la seconde trajectoire, les architectures de référence développées par RAISE deviennent des standards ouverts. Des équipements modulaires et abordables permettent à des universités régionales de déployer des capacités d’expérimentation autonome à une fraction du coût des premiers démonstrateurs. Des plateformes de données partagées permettent à des équipes dispersées de contribuer à des bases d’entraînement communes, créant des biens collectifs que personne ne pourrait constituer seul. Des programmes de formation accompagnent le déploiement pour que l’accès à l’outil s’accompagne de la capacité à l’utiliser.

La différence entre ces deux trajectoires tient aux choix de gouvernance faits entre 2026 et 2030 : les conditions de licence, d’accès aux données et d’éligibilité sont encadrées par les règles Horizon Europe, les conditions des appels et les futurs accords des bénéficiaires. Ces choix sont en cours de délibération, et les consortiums retenus peuvent contribuer à la mise en œuvre et aux agendas de recherche de RAISE, sous coordination de sa gouvernance centrale.

Un signal à surveiller : comment la Commission définira-t-elle les obligations de partage dans les contrats de subvention. La distinction entre « accès ouvert aux publications » et « accès ouvert aux données et aux modèles » est technico-juridique mais décisive. Une deuxième variable : si des programmes d’infrastructure complémentaires, comme ceux de la Banque européenne d’investissement pour les équipements de recherche, s’alignent sur les architectures RAISE ou développent leurs propres standards. La fragmentation des standards est le chemin le plus rapide vers la concentration de facto.

L’automatisation des processus physiques pose des questions de répartition similaires dans d’autres secteurs : la technologie réduit un coût, mais qui capte cette réduction dépend des infrastructures d’accès. Pour la recherche, le mécanisme est le même. Un laboratoire autonome qui coûte dix fois moins cher à faire fonctionner qu’une équipe humaine équivalente élargit théoriquement la capacité scientifique de l’Europe. Mais cette expansion reste conditionnelle à des modèles d’accès qui permettent à des institutions actuellement exclues de la frontière expérimentale d’y entrer.

L’avantage comparatif de l’Europe est à construire, pas à protéger

L’Union a un actif réel : une production scientifique de premier rang, une diversité institutionnelle, et un cadre réglementaire qui peut rendre l’accès ouvert contraignant plutôt qu’optionnel. Elle a un déficit réel : la valorisation de sa recherche en gains de productivité, en emplois technologiques, en leadership sur les marchés émergents.

Les laboratoires autonomes sont une technologie dont le coût marginal d’expérimentation baisse rapidement. C’est exactement le type d’infrastructure où une politique d’accès ouvert peut créer un avantage collectif durable. Une université slovène ou une petite biotech bretonne qui peut accéder aux mêmes outils d’exploration qu’un grand consortium londonien ou munichois produit une science qui vient s’ajouter au potentiel européen global. Une communauté scientifique plus large génère plus de diversité d’hypothèses, ce qui est précieux dans les domaines où l’espace de problèmes est vaste.

Les 29 millions d’euros constituent le budget indicatif d’un sujet RAISE sur la découverte scientifique automatisée ; le pilote RAISE mobilise au total 107 millions d’euros dans Horizon Europe 2026-2027. C’est un début, pas une politique complète. Sa valeur réelle se mesurera à ce que les consortiums sélectionnés feront des architectures qu’ils développent : les conserveront-ils comme actifs propriétaires ou les publieront-ils comme infrastructures communes. Les accords de subvention et de consortium encadreront certains droits d’accès et la gestion de la propriété intellectuelle, mais ils ne permettent pas d’affirmer à l’avance comment la distribution des capacités scientifiques européennes sera affectée.

Sources

  1. Commission européenne, appel RAISE, Automated Scientific Discovery (Horizon Europe, ouvert le 22 septembre 2026)
  2. Commission européenne, Science, Research and Innovation Performance of the EU (SRIP) 2026, rapport disponible sur le portail de la DG Recherche et Innovation de la Commission européenne
  3. Commission européenne, stratégie pour les infrastructures de recherche et de technologie, portail European Research Area
  4. Ross King et al., « The Automation of Science », Science, vol. 324, 2009, étude fondatrice sur le Robot Scientist et la découverte autonome en biologie
  5. Université de Liverpool, projet de robot chimiste autonome (Adam Floating), communications institutionnelles du département de chimie, 2022-2024
  6. Université de Toronto, système autonome pour les matériaux solaires, publications du laboratoire Alán Aspuru-Guzik, 2021-2024