L'IA est une révolution pour la recherche scientifique
- 👨 Alexandre Godard
- Il y a 3 heures
- 💬 4 coms
Ce que l'IA a déjà changé dans la recherche scientifique en seulement 3 ans
Actuellement, l'intelligence artificielle est surtout connue du grand public pour générer du texte ou des images. Pendant ce temps, dans les laboratoires, une révolution beaucoup plus silencieuse était en train de se produire. Des chercheurs en biologie, en physique, en chimie et en mathématiques ont commencé à utiliser des IA spécialisées pour résoudre des problèmes qui bloquaient la science depuis des décennies. Le résultat est spectaculaire, mesurable, et parfois même récompensé par un prix Nobel. Voici, avec des exemples concrets et simples, ce qui a réellement changé.
Le problème des protéines résolu en un week-end
Pendant plus de cinquante ans, deviner la forme en trois dimensions d'une protéine à partir de sa seule séquence chimique était l'un des plus grands défis de la biologie. Cette forme détermine tout : comment un médicament peut s'y accrocher, comment une maladie apparaît, comment une enzyme fonctionne. La deviner en laboratoire pouvait prendre des mois, voire des années de travail.
L'IA AlphaFold, développée par Google DeepMind, a changé cela en quelques années. Un chercheur ayant utilisé l'outil a résumé la situation simplement : ce qui demandait des mois, voire des années de travail, AlphaFold pouvait le faire en un week-end. Aujourd'hui, plus de 3 millions de chercheurs dans plus de 190 pays utilisent cet outil pour étudier des sujets aussi variés que la résistance aux antibiotiques, la résilience des cultures agricoles ou les maladies cardiaques. En 2024, ses créateurs Demis Hassabis et John Jumper ont reçu le prix Nobel de chimie, aux côtés du chercheur américain David Baker, récompensé pour ses propres travaux sur la conception de protéines par ordinateur. C'est la première fois qu'un outil d'intelligence artificielle est directement à l'origine d'un Nobel scientifique.
La suite logique, AlphaFold 3, sortie en 2024, va encore plus loin. Elle ne prédit plus seulement la forme d'une protéine isolée, mais aussi la façon dont elle interagit avec l'ADN, l'ARN ou de futurs médicaments. Cela accélère directement la conception de nouveaux traitements, en identifiant plus vite quelles molécules ont des chances de fonctionner avant même de les tester en laboratoire.
Deux millions de matériaux découverts en dix-sept jours
Un autre exemple, moins connu du grand public, concerne les matériaux. Depuis des décennies, les scientifiques cherchaient de nouveaux cristaux stables, capables d'améliorer les batteries, les panneaux solaires ou les supraconducteurs. En dix ans de recherche classique, environ 28 000 nouveaux matériaux avaient été découverts dans le monde.
En 2023, l'outil GNoME de Google DeepMind a identifié 2,2 millions de nouveaux matériaux cristallins en seulement dix-sept jours, dont environ 380 000 jugés suffisamment stables pour être utiles. Cela représente près de 800 ans de connaissances scientifiques cumulées en quelques semaines de calcul. Pour vérifier que ces découvertes n'étaient pas de simples hypothèses abstraites, des chercheurs de Berkeley ont ensuite réussi à fabriquer physiquement 41 de ces nouveaux matériaux en un peu plus de deux semaines. Parmi les résultats les plus utiles : plus de 500 nouveaux candidats pour améliorer les batteries lithium-ion, un enjeu direct pour l'autonomie des voitures électriques et des smartphones.
Une IA capable de battre presque un médaillé d'or aux olympiades de mathématiques
En 2024, deux systèmes de DeepMind, AlphaProof et AlphaGeometry 2, ont participé aux problèmes des Olympiades internationales de mathématiques, la compétition la plus prestigieuse au monde pour les jeunes mathématiciens. Ces problèmes sont si difficiles que même des lycéens surdoués n'en résolvent souvent que la moitié.
Les deux IA ont résolu quatre des six problèmes, dont le plus difficile de toute la compétition, un exercice que seuls cinq participants humains sur plus de 600 avaient réussi à résoudre entièrement cette année-là. Le score obtenu équivaut à une médaille d'argent, à un seul point de l'or. C'était la première fois qu'un système d'intelligence artificielle atteignait un niveau de médaille dans cette compétition. Concrètement, cela montre que l'IA ne se contente plus de calculer, elle est désormais capable d'un raisonnement mathématique rigoureux et vérifiable, utile pour explorer de nouvelles pistes en recherche fondamentale.
Des prévisions météo plus fiables, et bien moins gourmandes en énergie
Prévoir le temps sur dix jours nécessitait jusqu'ici des supercalculateurs tournant pendant des heures, en s'appuyant sur des équations physiques complexes. En 2023, l'IA GraphCast de DeepMind a montré qu'elle pouvait produire une prévision mondiale à dix jours en moins d'une minute, sur une seule machine, en étant plus précise que le meilleur modèle météorologique de référence sur environ 90 % des critères testés.
L'exemple le plus marquant reste celui de l'ouragan Lee, qui a frappé la Nouvelle-Écosse en 2023. GraphCast avait correctement anticipé sa trajectoire neuf jours à l'avance, contre seulement trois jours pour les modèles traditionnels. Une telle avance permet d'organiser des évacuations plus tôt et de sauver des vies. Sa version plus récente, GenCast, va encore plus loin en proposant plusieurs scénarios probables plutôt qu'une seule prévision, ce qui aide à mieux estimer les risques d'événements extrêmes comme les inondations ou les vagues de chaleur.
Une IA qui propose ses propres hypothèses de recherche
Le changement le plus profond concerne peut-être la manière même de faire de la science. En 2025, Google a présenté Co-Scientist, un système capable non pas de répondre à une question, mais de proposer lui-même de nouvelles hypothèses de recherche à partir de la littérature scientifique existante, puis de suggérer des expériences pour les tester.
Les premiers résultats sont concrets. À l'université Stanford, des chercheurs qui travaillaient sur la fibrose du foie ont utilisé cet outil pour explorer des médicaments déjà existants qui pourraient être réutilisés pour cette maladie. L'un des candidats proposés par l'IA a bloqué 91 % d'une réaction impliquée dans la cicatrisation excessive du foie lors de tests en laboratoire. Dans un autre cas, portant sur la leucémie myéloïde aiguë, l'outil a identifié de nouveaux usages possibles pour des traitements existants, confirmés ensuite par des expériences réelles. Un chercheur de l'université d'Édimbourg travaillant sur les maladies métaboliques du foie a aussi expliqué que l'IA avait aidé à comprendre pourquoi un médicament ne fonctionnait que sur certains patients, une piste ensuite soutenue par ses propres tests en laboratoire.
Ce que ces exemples montrent, c'est que l'IA ne se contente plus de traiter des données. Elle aide désormais à formuler les bonnes questions, une étape qui était jusque là réservée à l'intuition humaine.
Une aide précieuse, mais pas une science sans humains
Il serait toutefois trompeur de présenter l'IA comme infaillible. Les grands modèles de langage utilisés pour rédiger, résumer ou analyser des articles scientifiques produisent encore régulièrement des erreurs factuelles, appelées hallucinations, y compris sur des sujets techniques où le vocabulaire spécialisé peut les induire en erreur. Plusieurs chercheurs alertent sur le risque de voir des publications scientifiques contenir des erreurs subtiles générées par des outils utilisés sans vérification suffisante.
C'est pourquoi les scientifiques qui obtiennent les meilleurs résultats avec l'IA insistent tous sur le même point : ces outils accélèrent la recherche, mais ne remplacent jamais la vérification humaine en laboratoire. Une hypothèse suggérée par une IA reste une hypothèse jusqu'à preuve expérimentale du contraire. C'est précisément cette combinaison, la rapidité de la machine et la rigueur du chercheur, qui explique les progrès observés depuis 2023.
En résumé
En trois ans à peine, l'intelligence artificielle est passée du statut d'outil de calcul à celui de véritable partenaire de recherche. Elle a permis de percer un mystère vieux de cinquante ans sur les protéines, de découvrir plus de matériaux en quelques semaines qu'en une décennie de recherche classique, d'atteindre un niveau proche de l'or aux olympiades de mathématiques, de rendre les prévisions météo plus fiables et moins coûteuses en énergie, et même de proposer ses propres pistes de recherche en médecine. La prochaine étape ne sera plus de savoir si l'IA peut aider la science, mais jusqu'où cette collaboration entre chercheurs humains et machines peut encore nous mener.
Et ce n'est que le début...