Lithosquare lève 22 M€ en seed pour l’exploration minière par IA Lithosquare lève 22 M€ en seed pour une IA dédiée à l’exploration minière et à l’identification de ressources critiques.
Dans un contexte où les métaux critiques alimentent la transition énergétique et l’essor des centres de données, l'exploration minière par IA se présente comme une voie pour accélérer la localisation de ressources stratégiques telles que le lithium, le cuivre ou le nickel. Lithosquare annonce une levée de 22 millions d’euros en seed pour financer une plateforme qui croise données géologiques, géophysiques et informations satellitaires afin d’identifier des gisements potentiels et d’évaluer leur viabilité avant toute prospection sur le terrain.
Le constat est clair : l’infrastructure numérique dépend d’un approvisionnement fiable en ressources critiques, et les méthodes traditionnelles d’exploration restent lourdes et coûteuses. En s’appuyant sur l’IA, Lithosquare ambitionne de raccourcir le délai entre la détection d’un site et l’autorisation des travaux, tout en améliorant l’estimation du potentiel et de la rentabilité des ressources présentes sous la surface.
Cette approche vise notamment à faciliter l’accès à des ressources comme le lithium, le cuivre et le nickel, dont la demande croît avec le développement des véhicules électriques, des data centers et des systèmes énergétiques décarbonés. En combinant des jeux de données variés et des algorithmes d’apprentissage, lithosquare cherche à créer une carte dynamique du sous-sol capable d’indiquer où des forages pourraient être les plus productifs et économiquement viables.
Comment fonctionne la solution de Lithosquare
La plateforme s’appuie sur des données hétérogènes: ensembles géologiques publics et privés, relevés géophysiques, imagerie satellite et indicateurs environnementaux. Un moteur d’apprentissage automatique traite ces flux, alimente des modèles prédictifs et produit des cartes 3D ainsi que des métriques de risque. L’objectif : prioriser les zones les plus prometteuses et simuler différents scénarios d’exploration, du premier échantillonnage jusqu’à l’évaluation économique des gisements.
- Données et fusion : intégration de données géologiques, géophysiques et satellitaires pour modéliser le sous-sol.
- Modèles prédictifs : estimation du potentiel minier et des risques techniques et économiques.
- Planification et efficacité : priorisation des sites et réduction des coûts et délais d’exploration.
Ce que cela change pour l’industrie
La pénétration de l’IA dans l’exploration minière peut modifier le tempo et l’étendue des projets. En améliorant la précision des cibles et en limitant les forages exploratoires, la solution peut diminuer l’empreinte environnementale et les coûts initiaux tout en renforçant la sécurité d’approvisionnement des métaux critiques essentiels à la transition énergétique et à l’écosystème numérique.
Contexte et limites
Pour autant, tout n’est pas garanti. La fiabilité des prédictions dépend fortement de la qualité et de la couverture des données locales; des lacunes peuvent limiter les résultats. Par ailleurs, l’interprétabilité des modèles et la transparence des méthodes restent des points à surveiller, tout comme les cadres réglementaires et l’accès aux données publiques ou privées, qui peuvent influencer l’adoption à l’échelle internationale.
Pour terminer
Cette levée de 22 M€ témoigne d’un intérêt croissant pour l’intégration de l’IA dans des métiers historiquement manuels et risqués. Si Lithosquare parvient à transformer l’exploration minière par IA en pratique courante, la chaîne d’approvisionnement des métaux critiques pourrait gagner en résilience — tout en nécessitant une gestion rigoureuse des défis techniques et opérationnels.
