Essais non destructifs assistés par IA pour la fabrication intelligente d’un composite de sol lié par biopolymère à bilan carbone négatif

Des blocs de construction plus intelligents pour un monde qui se réchauffe

Les bâtiments représentent une part énorme des émissions mondiales de carbone, principalement à cause du béton à base de ciment. Cette étude explore un type de bloc de construction très différent : des briques fabriquées à partir de sol consolidé par des polymères naturels, qui peuvent en réalité stocker plus de carbone qu’elles n’en émettent. Les chercheurs montrent comment l’intelligence artificielle et de simples tests de vibration peuvent repérer des défauts cachés dans ces briques « vertes » alors qu’elles sont encore molles et peuvent aussi suivre leur séchage et leur durcissement — ouvrant la voie à une construction plus sûre, moins gaspilleuse et plus respectueuse du climat.

Des briques issues de la nature, pas du ciment

Le matériau au cœur de ce travail s’appelle composite de sol lié par biopolymère. Au lieu du ciment, il utilise des polymères d’origine biologique, tels que des protéines, pour lier les grains de sable entre eux. Une fois sèches, ces briques peuvent être aussi résistantes que le béton tout en ayant une empreinte carbone négative parce qu’elles séquestrent du carbone qui, autrement, serait relâché dans l’atmosphère. Si de tels matériaux doivent sortir du laboratoire pour un usage courant, les fabricants ont besoin de moyens fiables pour s’assurer que chaque brique est solide, homogène et exempte de défauts dangereux. Les contrôles qualité traditionnels pour le béton et autres matériaux de construction sont souvent lents, destructifs, ou ne fonctionnent qu’une fois le matériau complètement durci, ce qui arrive trop tard pour corriger les problèmes sans gaspiller la matière.

Écouter les vibrations plutôt que casser les briques

L’équipe a développé un système d’essais non destructifs qui « écoute » comment une brique fraîche et molle vibre lorsqu’on la tape doucement. Dans leurs expériences, ils ont mélangé du sable, de l’eau et un liant protéique d’origine sanguine pour former un composite humide, l’ont compacté dans des moules rectangulaires, puis l’ont testé immédiatement. Un marteau à impulsion fournissait des coups rapides sur la surface tandis qu’un petit accéléromètre fixé à la brique enregistrait les ondes vibratoires résultantes. Ces signaux portent des informations sur la structure interne du matériau : une brique lisse et homogène vibre différemment d’une brique comportant des vides, des inclusions denses ou des séparations internes faisant office de fissures. Parce que le matériel est simple et disponible dans le commerce, le capteur peut être déplacé rapidement d’une brique à l’autre, à la manière d’un médecin utilisant un stéthoscope.

Apprendre à l’IA à repérer les défauts cachés

Pour interpréter les motifs vibratoires complexes, les chercheurs ont construit deux familles de modèles d’IA, surnommées Mini-ft et Mega-ft. Les deux commencent par découper les données continues du capteur en courts extraits, chacun contenant la réponse à un seul coup de marteau. Mini-ft se concentre sur 171 points clés de chaque extrait et condense cette information en seulement deux caractéristiques qui captent la façon dont le signal monte et décroît. Il utilise ensuite une méthode simple des plus proches voisins pour décider si un spécimen est normal ou défectueux, et un modèle statistique pour estimer la perte d’humidité au fur et à mesure du séchage. Mega-ft adopte une approche plus puissante : il applique des milliers de filtres de formes aléatoires à chaque extrait pour créer une description riche en 20 000 caractéristiques des vibrations. Un classifieur linéaire rapide utilise ensuite cette empreinte très détaillée pour reconnaître non seulement si une brique est défectueuse, mais aussi quel type de défaut elle présente.

Quelle est l’efficacité du système ?

L’équipe a testé son approche sur vingt briques fabriquées en laboratoire, dont onze sans défaut et huit avec des défauts soigneusement incorporés. Certaines contenaient des pièces d’acier pour imiter des zones exceptionnellement denses ; d’autres cachaient des formes en plastique creuses pour simuler des vides ; d’autres encore comportaient de fines feuilles de plastique servant de fissures internes de tailles variées. Avec le modèle plus simple Mini-ft, le système a correctement distingué briques défectueuses et normales environ 96 % du temps et a pu séparer neuf classes différentes — une normale plus huit types de défaut — avec une précision d’environ 82 %. Le modèle plus détaillé Mega-ft a encore amélioré ces chiffres, atteignant approximativement 99 % pour la détection basique des défauts et 97 % pour la distinction entre types de défauts. L’IA pouvait également estimer le degré de séchage d’une brique, et donc la résistance acquise, avec une erreur de seulement quelques pourcents, ce qui la rend utile pour suivre le processus de durcissement au fil du temps.

Du pilote à la construction en conditions réelles

Bien que ce travail ait été réalisé sur des échantillons de la taille d’une brique avec des défauts volontairement accentués, les résultats indiquent un outil pratique pour l’atelier ou la chaîne de production afin de gérer ces nouveaux matériaux de construction à bilan carbone négatif. Parce que la méthode fonctionne tant que le matériau est encore humide, les lots défectueux pourraient être détectés tôt et le mélange recyclé plutôt que jeté, réduisant ainsi le gaspillage et le coût. Le même système de vibration et d’IA pourrait être adapté à différentes formulations de mélange, températures et formes de produit, des petites briques aux éléments structurels plus grands voire aux formes imprimées en 3D. En termes simples, l’étude montre qu’en tapant et en « écoutant » avec l’IA, les fabricants peuvent s’assurer que les briques d’origine naturelle sont à la fois écologiques et fiables, aidant la construction durable à passer à l’échelle sans sacrifier la sécurité.

Citation: Miao, B.H., Dong, Y., Theissler, A. et al. AI-powered non-destructive testing for smart manufacturing of carbon-negative biopolymer-bound soil composite. Commun Eng 5, 64 (2026). https://doi.org/10.1038/s44172-026-00621-8

Mots-clés: composite de sol lié par biopolymère, essais non destructifs, détection par vibration, contrôle qualité par IA, construction durable