Cet article examine les opportunités offertes par l'automatisation des laboratoires chimiques et la numérisation des données expérimentales, mettant en lumière le potentiel des modèles d'apprentissage automatique pour accélérer les processus traditionnels de recherche en chimie. Les auteurs soulignent comment ces modèles peuvent optimiser la conception expérimentale, la synthèse des matériaux et leur caractérisation, tout en réduisant le temps consacré aux analyses manuelles. L'article présente également des cas d'utilisation d'agents d'IA basés sur des modèles de langage pour faciliter l'acquisition de connaissances en chimie et en science des données, accélérant ainsi le processus de découverte scientifique. Trois études de cas illustrent concrètement ces applications, démontrant comment les modèles d'IA peuvent transformer les laboratoires modernes. Enfin, l'article aborde les défis actuels qui nécessitent une collaboration continue entre les communautés expérimentales et computationnelles pour surmonter les obstacles restants et pleinement réaliser le potentiel de ces technologies émergentes. Les auteurs insistent sur l'importance d'une approche synergique pour maximiser les avantages de l'IA dans les laboratoires chimiques, tout en reconnaissant les limites et les besoins en matière de développement futur. Ce travail vise à servir de guide pour les chimistes souhaitant adopter ces nouvelles technologies, tout en offrant une perspective sur les avancées possibles grâce à une intégration plus poussée de l'IA dans les sciences chimiques.