Les batteries lithium-ion (LIB) sont indispensables au transport électrique et au stockage sur réseau, mais leurs états internes électrochimiques, thermiques et mécaniques sont notoirement difficiles à observer. Une nouvelle revue publiée dans le Journal of Zhejiang University–SCIENCE A (2026) examine comment la détection non destructive et le diagnostic de défaillance peuvent convertir des signaux de vieillissement cachés en informations de santé exploitables, ce qui pourrait faire passer la gestion des batteries d'une protection réactive à des soins prédictifs et fondés sur les mécanismes.
La revue, rédigée par des chercheurs du Laboratoire national clé de génie chimique de l'Université du Zhejiang, souligne que le vieillissement des LIB est entraîné par des processus chimiques, mécaniques et thermiques étroitement couplés. La croissance de l'interphase électrolyte solide (SEI) et de l'interphase électrolyte cathodique (CEI), la décomposition de l'électrolyte, la fissuration des particules et le placage du lithium consomment progressivement le lithium actif, augmentent l'impédance et dégradent l'intégrité structurelle, augmentant le risque de courts-circuits internes et d'emballement thermique. Les systèmes de gestion de batterie (BMS) conventionnels ne suivent que la tension, le courant et la température de surface, mais ces signaux externes sont déformés par la polarisation, les réactions parasites, la moyenne spatiale et les retards. Alors que l'imagerie par synchrotron et par résonance magnétique offre un aperçu mécanistique, leur échelle, leur coût et leur vitesse limitent leur utilisation en temps réel. La revue, disponible via DOI 10.1631/jzus.A2600100, compare systématiquement quatre familles de diagnostics non destructifs : les capteurs fixés en surface (thermocouples, thermistances, RTD, réseaux de Bragg à fibre optique), les capteurs implantables (MEMS, jauges de contrainte à couche mince, fibres optiques), les conceptions intégrées in situ (intégrées dans les collecteurs de courant, les séparateurs ou l'emballage) et les méthodes sans contact (imagerie par champ magnétique, sondage acoustique et ultrasonore, analyse des gaz et spectroscopie d'impédance électrochimique).
Pour donner un sens à ces signaux hétérogènes, la revue examine des techniques d'extraction de caractéristiques telles que l'analyse de capacité incrémentale (ICA), l'analyse de tension différentielle (DVA) et la voltampérométrie thermique différentielle (DTV), interprétées à travers des modèles basés sur la physique comme les modèles pseudo-bidimensionnels (P2D) et à particule unique (SPM), ainsi que des approches guidées par les données, notamment les réseaux neuronaux informés par la physique (PINN), les transformateurs et les architectures CNN-LSTM. Elle met l'accent sur la sélection des caractéristiques, la réduction de dimensionnalité, la collaboration cloud-edge et les interfaces standardisées. Les auteurs soutiennent qu'aucune modalité de détection unique ne peut capturer pleinement les processus complexes et couplés sous-jacents à la dégradation de la batterie ; la véritable avancée survient lorsque les signaux de surface, implantés, in situ et sans contact sont fusionnés avec des algorithmes informés par la physique. Ils soulignent la co-conception détection-algorithme, où les capacités de détection, le traitement du signal et les modèles de diagnostic sont considérés ensemble plutôt que traités comme des étapes séparées.
En pratique, le cadre proposé pourrait permettre des alertes plus précoces d'emballement thermique, des estimations plus précises de l'état de santé (SOH) et de la durée de vie utile restante (RUL), ainsi qu'une charge rapide plus intelligente. Dans les véhicules électriques, il pourrait permettre la maintenance prédictive et la surveillance de la sécurité cellule-à-pack ; dans le stockage sur réseau, il pourrait améliorer la fiabilité au niveau de la flotte, l'évaluation de la seconde vie et la prévention des incendies. Des stratégies à faible coût utilisant les signaux existants de tension, de courant et de température combinés à l'informatique cloud-edge pourraient faciliter le déploiement. Cependant, la stabilité des capteurs, la compatibilité de fabrication, la normalisation des données, la bande passante et le coût restent des obstacles majeurs. La revue appelle à une détection modulaire, standardisée et minimalement intrusive ainsi qu'à une co-conception algorithme-détection pour faire passer les avancées de laboratoire à des systèmes de batteries évolutifs. Pour l'industrie, l'intégration des capacités de détection et de diagnostic dans la conception des batteries pourrait améliorer la compatibilité de fabrication et la fiabilité à long terme tout en facilitant le déploiement pratique des technologies de diagnostic avancées. Alors que le domaine passe d'une observation externe et indirecte à une perception interne directe, cette feuille de route pourrait rendre les batteries plus prévisibles, fiables et durables dans les véhicules électriques et le stockage sur réseau.
