IA génère des hypothèses scientifiques et automatise la découverte

Contexte et avancées récentes

Les modèles de grande taille, notamment GPT‑4 et AlphaFold, ont franchi le cap du traitement de problèmes purement mathématiques pour s’imposer dans la recherche scientifique. AlphaFold a résolu le problème du repliement des protéines, permettant de prédire la structure de la majorité des protéines humaines et de nombreuses séquences non étudiées. Parallèlement, GPT‑4 a été employé pour rédiger des résumés d’articles, proposer des protocoles expérimentaux et même générer du code de simulation, démontrant une capacité à traduire du texte en instructions exécutables.

Mécanismes d'application de l'IA en science

Ces systèmes fonctionnent en combinant de vastes corpus de publications, de bases de données expérimentales et des architectures de transformeurs capables d’apprendre des relations complexes. AlphaFold, par exemple, utilise une architecture attentionnelle couplée à des représentations de séquences multiples pour inférer les contacts atomiques, puis optimise la géométrie tridimensionnelle via un réseau de gradient. GPT‑4, quant à lui, exploite un pré‑entraînement sur plusieurs téraoctets de texte avant d’être affiné sur des corpus spécialisés (chimie, physique) afin de produire des réponses cohérentes aux requêtes scientifiques.

Dans le domaine de la découverte de médicaments, DeepMind a publié un générateur de molécules qui a produit plusieurs milliers de composés candidats, dont certains ont montré une activité in‑vitro prometteuse. En climatologie, des modèles de prévision basés sur l’IA intègrent des données satellites et des simulations numériques pour affiner les projections de température à l’échelle régionale, réduisant l’erreur moyenne de plusieurs degrés Celsius par rapport aux modèles classiques.

Enjeux, limites et perspectives

Malgré ces succès, l’adoption massive de l’IA en science rencontre des obstacles techniques et méthodologiques. Les modèles restent sujets aux « hallucinations » : ils peuvent générer des hypothèses plausibles mais erronées, obligeant les chercheurs à vérifier chaque résultat expérimentalement. La reproductibilité est également compromise lorsque les jeux de données d’entraînement ne sont pas publiquement accessibles, rendant difficile la validation indépendante des découvertes.

Le coût énergétique de l’entraînement de ces modèles représente un autre frein. Un entraînement typique de plusieurs milliards de paramètres nécessite plusieurs milliers d’heures GPU, entraînant une consommation d’énergie comparable à celle d’un petit pays pendant une année. Cette empreinte carbone pousse la communauté à explorer des stratégies d’optimisation, comme le pruning ou le distillation, afin de réduire la taille des modèles sans perdre en performance.

À long terme, l’intégration de l’IA dans le cycle de recherche pourrait transformer la manière dont les hypothèses sont formulées, testées et publiées. Cependant, la réussite dépendra de la mise en place de cadres de validation rigoureux, de la transparence des jeux de données et d’une gouvernance éthique capable de gérer les risques liés à la génération automatisée de connaissances.