CIF, CML, MOL, XYZ : quel format choisir pour représenter une molécule ou une structure cristalline

Ces quatre formats texte représentent tous une structure chimique, mais avec des niveaux d’information et de normalisation très différents : le bon choix dépend de ce qu’on veut transporter : coordonnées seules, liaisons explicites, ou données cristallographiques complètes.

Format	Liaisons chimiques	Syntaxe	Normalisation	Usage typique
XYZ	Déduites par distance	Texte minimal, non propriétaire	Aucune (usage convergent)	Sortie de calcul de chimie quantique
MOL	Listées explicitement	Texte structuré MDL	Spécification CTfile publique (MDL, aujourd'hui BIOVIA)	Bases de composés chimiques
CML	Listées explicitement	XML	Communautaire, sans organisme officiel	Échange entre logiciels de chimie, extensible
CIF	Non applicable (maille cristalline)	Texte libre (format STAR)	Norme IUCr officielle	Archivage de structures cristallines

Le XYZ liste, dans un texte volontairement minimal, le symbole chimique et les coordonnées spatiales de chaque atome, rien de plus. Aucune liaison n’est précisée : un logiciel de visualisation doit les déduire lui-même en comparant les distances interatomiques à des seuils connus. Le format n’a jamais fait l’objet d’une spécification formelle par un organisme de standardisation ; sa structure résulte d’un usage convergent entre logiciels de chimie computationnelle. Sa simplicité en fait un format d’échange privilégié en sortie de calculs quantiques, où seule la géométrie finale intéresse.

Le MOL (MDL Molfile), introduit par MDL Information Systems entre la fin des années 1970 et les années 1980 et décrit dans la spécification CTfile publique (MDL, rachetée par Elsevier en 1997, puis passée à Symyx en 2007, Accelrys en 2010, aujourd’hui BIOVIA chez Dassault Systèmes), corrige la principale limite du XYZ en listant explicitement chaque liaison chimique avec son ordre (simple, double, triple, aromatique) dans un bloc de connexion dédié ; il élimine ainsi toute ambiguïté d’interprétation sur la structure chimique réellement représentée, un atout pour des molécules complexes où la seule distance ne suffirait pas.

Le CML (Chemical Markup Language) reprend la même exigence de liaisons explicites mais l’exprime en XML plutôt qu’en texte à colonnes fixes comme le Molfile, ce qui lui permet d’ajouter des espaces de noms complémentaires (réactions, spectres, résultats de chimie quantique) sans casser la compatibilité avec un lecteur qui ne connaît que le cœur du vocabulaire. Contrairement au CIF, il reste développé par une communauté académique ouverte sans organisme de normalisation officiel central, ce qui a favorisé une adoption plus inégale selon les sous-domaines de la chimie.

Le CIF (Crystallographic Information File) répond à un besoin différent des trois précédents : archiver des données de structure cristalline complètes (positions atomiques, paramètres de maille, conditions expérimentales) selon une norme promue par l’Union internationale de cristallographie (IUCr) depuis 1990. Des dictionnaires de données publics, maintenus sous l’autorité du comité COMCIFS de l’IUCr, garantissent qu’un champ donné désigne rigoureusement la même grandeur physique d’un laboratoire à l’autre. De nombreuses revues de cristallographie exigent aujourd’hui un fichier CIF en complément de l’article publié.

Chaque format répond donc à un besoin distinct : XYZ pour une géométrie brute sans ambiguïté de liaisons à gérer soi-même, MOL pour une molécule isolée avec liaisons explicites dans un écosystème logiciel établi, CML quand l’extensibilité XML et l’échange entre outils importent, CIF pour l’archivage normalisé d’une structure cristalline destinée à une publication ou une base de données scientifique.