Contexte et motivations
En 2024, Jeff Dean, senior fellow de Google AI et co‑architecte de TensorFlow, a annoncé son départ avec plusieurs chercheurs senior du groupe Google Brain. Le groupe, historiquement centré sur l’optimisation des produits Google, impose des contraintes de confidentialité et de priorité produit qui limitent l’exploration libre de la recherche fondamentale. Les ingénieurs concernés ont indiqué vouloir développer une plateforme capable de générer, tester et itérer des hypothèses scientifiques sans les barrières internes de Google.
Architecture proposée par Discovery Loop
Discovery Loop mise sur une boucle d’apprentissage active où un modèle de langage de grande taille (LLM) propose des hypothèses, un moteur de simulation ou de laboratoire automatisé les évalue, puis les résultats alimentent le modèle pour affiner les prédictions. Le cœur du système repose sur un transformer à 175 M à 1 B de paramètres, entraîné sur des corpus scientifiques (PubMed, arXiv) via le framework JAX, choisi pour sa capacité à exploiter les TPU de Google Cloud. Les données d’entrée sont normalisées par un pipeline Apache Beam, stockées dans BigQuery et versionnées avec Git‑LFS pour garantir la traçabilité. Le module d’évaluation utilise des conteneurs Docker orchestrés par Kubernetes, chaque conteneur exécutant une simulation ou une expérience de laboratoire robotisée via le protocole OpenAPI. Les retours sont capturés dans un data lake sur Cloud Storage, puis réinjectés dans le modèle via un processus de fine‑tuning quotidien, implémenté avec le scheduler Airflow.
Implications techniques et limites
Le modèle de boucle fermée implique des exigences de calcul élevées : chaque itération nécessite plusieurs heures de TPU v4 pour le fine‑tuning, ce qui se traduit en coûts mensuels de plusieurs millions de dollars. La dépendance à des données scientifiques publiques expose le système à des biais de publication et à des lacunes de données expérimentales non numérisées. En outre, l’intégration de matériel de laboratoire automatisé introduit des risques de synchronisation entre le logiciel et les appareils physiques, notamment des latences de communication qui peuvent dégrader la convergence du modèle. Sur le plan de la sécurité, le transfert de résultats d’expériences potentiellement sensibles vers le cloud nécessite un chiffrement de bout en bout (TLS 1.3) et une gestion stricte des clés via Cloud KMS, faute de quoi la fuite de données pourrait compromettre la propriété intellectuelle des partenaires académiques.
Perspectives de déploiement
Discovery Loop prévoit un lancement pilote avec trois laboratoires universitaires partenaires, ciblant la découverte de nouveaux composés pharmaceutiques. Le modèle sera d’abord limité à des tâches de génération d’hypothèses, avant d’étendre la boucle d’évaluation aux robots de synthèse chimique. Le financement initial n’a pas été divulgué, mais les fondateurs ont indiqué qu’ils recherchent des investisseurs capables de soutenir une infrastructure cloud de plusieurs dizaines de pétaflops. Si la boucle d’apprentissage atteint une efficacité supérieure à 30 % par rapport aux méthodes traditionnelles, elle pourrait réduire le temps de mise sur le marché de nouveaux médicaments de plusieurs années, tout en imposant une nouvelle norme de transparence et de reproductibilité dans la recherche assistée par IA.
