Le programme de recherche à risque du CEA, Audace !, mis en œuvre à la demande de l’État et financé dans le cadre de France 2030 à hauteur de 40 millions d'euros, mobilise l'ensemble des domaines de recherche du CEA, ainsi que plus de 80 partenaires académiques dans toute la France autour de 10 projets et 46 actions d'amorçage.
Le CEA conduit ce programme avec ses deux partenaires académiques clés que sont l’Université Paris-Saclay et l’Université Grenoble-Alpes.
Il s’agit de faire émerger des nouveaux concepts scientifiques, ou bien de lever des verrous technologiques, sans demande d’application sociétale ni obligation de résultat.
Notre objectif ici est clair : préparer les innovations de demain. Nous allons avec nos partenaires mener une recherche très exploratoire, hors des sentiers battus » souligne Anne-Isabelle Étienvre, directrice de la recherche fondamentale du CEA.
« Audace ! » a été construit autour de :
- 10 projets structurants, financés sur quatre ans avec un jalon à mi-parcours,
- 46 actions d’amorçage d’une durée plus courte, qui encouragent l’émergence d’idées nouvelles.
« Audace ! » fait partie des programmes de recherche à risque menés par cinq organismes nationaux de recherche français, financés par le Secrétariat général pour l’investissement et suivis par l'ANR.
« L'État nous fait confiance. Nous travaillons avec l’ANR dans un cadre innovant privilégiant l’agilité et la facilité de mis en œuvre. », affirme Anne-Isabelle Étienvre. Cette confiance se retrouve à tous les niveaux du programme, centré autour d'un forfait contractualisé et d'un suivi scientifique pensés pour simplifier la vie des chercheurs.
Exemples de 3 projets structurants
Projet Air Capture : recycler le CO2
S’inspirer du vivant pour capter et convertir le CO2 atmosphérique en carburants et produits chimiques carbonés, afin de proposer une solution efficace et économiquement viable de réduction de ce gaz à effet de serre dans l’air en le recyclant et ainsi éviter l’utilisation d’hydrocarbures fossiles.
Projet Brain Sync : aider le cerveau à réapprendre
Comprendre les mécanismes d’apprentissage et de prise de décision du cerveau, afin de concevoir des protocoles de réhabilitation de patients ayant subi un accident vasculaire cérébral (AVC) grâce à des IA innovantes et des neuroprothèses.
Intrication attoseconde : explorer les propriétés quantiques de la matière
Etudier et contrôler en temps réel les états et dynamiques quantiques des atomes, molécules et agrégats à l’échelle naturelle des mouvements des électrons, l’attoseconde (10-18 s).
Exemples de 3 actions d’amorçage
Mémoire : Calcul quantique assisté par mémoire quantique avec des cristaux dopés aux terres rares et des circuits supraconducteurs
Les mémoires quantiques possèdent des propriétés spécifiques (longue durée de vie, multimode) qui pourraient réduire de manière significative le nombre de qubits nécessaires pour exécuter des algorithmes quantiques standards (par ex. Shor). Ce projet vise à étudier la faisabilité d’un petit processeur couplé à une mémoire quantique et à estimer les ressources nécessaires, y compris la correction d’erreurs, pour exécuter des algorithmes à grande échelle.
Chimie in vivo : vers une radiothérapie Interne vectorisée plus sûre
La radiothérapie interne vectorisée (RIV) est en plein essor en oncologie. Cependant, les effets secondaires de cette thérapie restent très élevés en raison de la mauvaise bio-distribution des anticorps. Le projet propose de développer des agents de clairance, véritables ciseaux moléculaires capables d’éliminer la radioactivité hors site tumoral. Cette technologie révolutionnaire permettrait d’optimiser la dose délivrée au tissu pathologique en préservant les tissus sains.
Inverse Design : Conception inverse de matériaux basée sur la spectroscopie et les grands modèles de langage génératifs (LLM)
Le projet propose une approche novatrice de conception inverse de matériaux basée sur la spectroscopie en utilisant des modèles de type transformeur. Plus précisément, il s'agit de développer des modèles capables de prendre des spectres vibrationnels (IR, Raman) en entrée et de générer les structures moléculaires correspondantes (SMILES, SELFIES ou des représentations enrichies) en sortie. Si elle est réussie, cette approche constituera une avancée majeure pour les méthodes théoriques à haut débit en conception inverse de matériaux.