L’intelligence artificielle remodèle rapidement le paysage de la recherche scientifique, allant au-delà de simples outils pour devenir potentiellement une nouvelle forme d’entité scientifique. Ce qui a commencé avec les premières expériences automatisées, comme le robot « Adam » dans les années 2000, a évolué vers des systèmes d’IA contribuant aux percées lauréates du prix Nobel et accélérant les découvertes dans divers domaines. Même si le scepticisme demeure, le rythme des progrès suggère que le rôle de l’IA dans la science n’est plus un battage publicitaire mais bien une réalité.
L’évolution de l’IA dans la recherche
Les premières applications d’IA imitaient les chercheurs humains, comme Adam, qui formulaient des questions et les testaient dans un laboratoire robotique. Aujourd’hui, des agents d’IA plus sophistiqués, alimentés par des modèles tels que ChatGPT d’OpenAI, décomposent des problèmes complexes en étapes concrètes et exploitent de vastes ensembles de données pour fournir des réponses approfondies. Les chercheurs en pharmacie, en science des matériaux et en informatique quantique utilisent déjà ces systèmes pour accélérer leurs découvertes. Les prix Nobel de chimie et de physique 2024 reconnaissent l’importance croissante des outils d’IA, mais le véritable changement est encore en train de se produire.
L’IA en tant que partenaire de recherche : forces et limites actuelles
Actuellement, l’IA excelle dans la recherche dans des limites définies, en passant au crible des ensembles de données massifs pour identifier des modèles et des connexions obscures. Les grands modèles linguistiques (LLM) derrière les chatbots ont accès à une quantité de texte sans précédent, y compris des documents de recherche dans plusieurs langues. Cependant, les véritables avancées scientifiques nécessitent souvent de sortir des sentiers battus, ce avec quoi l’IA actuelle a du mal.
Le défi n’est pas l’accès à l’information, mais la capacité de générer des idées véritablement nouvelles. La créativité et l’imagination humaines restent vitales pour les avancées technologiques, comme la théorie de la dérive des continents ou la relativité restreinte. L’IA peut augmenter la découverte humaine mais ne peut pas encore la reproduire entièrement.
Percées : des symétries des trous noirs aux nouveaux médicaments
Malgré ses limites, l’IA apporte déjà des contributions tangibles. Le physicien théoricien Alex Lupsasca a découvert que l’agent professionnel GPT-5 d’OpenAI pouvait identifier indépendamment les symétries dans les équations des trous noirs, vérifiant ainsi ses travaux antérieurs. Le mathématicien Ernest Ryu a collaboré avec ChatGPT sur une preuve en théorie de l’optimisation, constatant qu’une méthode commune converge toujours vers une solution unique après 12 heures d’aller-retour.
La clé n’est pas le remplacement, mais la collaboration. Des scientifiques comme Lupsasca et Ryu rejoignent les sociétés d’IA (OpenAI) pour repousser les limites plus loin, considérant l’IA non pas comme un concurrent, mais comme un partenaire de recherche essentiel.
Le risque de la « science indésirable » et le besoin de meilleurs outils
La prolifération du contenu généré par l’IA suscite des inquiétudes quant à la qualité. Des critiques comme Gary Marcus de NYU avertissent que les LLM peuvent facilement produire de la « science indésirable », y compris de faux documents de recherche produits par les usines de papier. Les revues ont déjà commencé à rejeter les soumissions générées par l’IA en raison de leur mauvaise qualité.
Pour atténuer ce problème, les chercheurs s’orientent vers des « boîtes empilées », combinant des agents d’IA généraux avec des outils spécialisés garantissant l’exactitude, tels que des graphiques de connaissances. Cette approche s’avère efficace dans la découverte de médicaments et la science des matériaux. Insilico Medicine, par exemple, a utilisé l’IA pour identifier une protéine liée à la fibrose pulmonaire idiopathique et a conçu une molécule médicamenteuse pour la bloquer, actuellement en essai clinique.
L’avenir : l’IA construit son propre cadre de recherche
L’objectif ultime est de permettre à l’IA de construire son propre cadre de recherche, de définir ses propres questions, de concevoir des expériences et d’analyser les données avec une intervention humaine minimale. Des projets comme AutoRA (recherche en sciences sociales) et Code Scientist (recherche en informatique) sont les premiers pas dans cette direction. Ces systèmes recombinent les connaissances existantes pour générer de nouvelles expériences et analyser les résultats de manière autonome.
Bien que ces systèmes ne fassent pas encore de découvertes révolutionnaires, ils signalent une évolution vers une véritable science basée sur l’IA. Le défi reste d’affiner ces outils, de garantir la créativité et d’empêcher la génération de conclusions erronées ou trompeuses.
L’impact de l’IA sur la découverte scientifique est indéniable. Qu’il s’agisse d’aider les chercheurs humains ou de devenir potentiellement des entités scientifiques autonomes, l’avenir de la science est inextricablement lié à l’évolution de l’intelligence artificielle.
