Google I/O : l'IA scientifique entre promesses et réalités concrètes

Lors de la conférence Google I/O, Demis Hassabis, PDG de Google DeepMind, a fait sensation en déclarant que nous nous trouvons "au pied des collines de la singularité". Ce concept théorique décrit un moment où l'intelligence artificielle dépasserait celle des humains, transformant radicalement notre monde. Cette déclaration a été faite dans le cadre d'une présentation sur l'IA scientifique, illustrée par le logiciel WeatherNext de Google, qui a permis de prévoir avec précision l'ouragan Melissa en Jamaïque l'année dernière, potentiellement sauvant des vies.

Le contraste est frappant entre les ambitions grandioses de l'IA et les résultats concrets obtenus par des outils comme WeatherNext. D'un côté, il y a des systèmes d'IA spécialisés, conçus pour résoudre des problèmes scientifiques précis. De l'autre, des modèles de langage de grande taille (LLM) qui pourraient un jour mener des recherches avancées sans intervention humaine. Cette dernière approche suscite un grand enthousiasme, notamment autour de l'idée d'auto-amélioration récursive, où l'IA pourrait devenir le moteur principal de son propre développement.

Pushmeet Kohli, scientifique en chef de Google Cloud, a récemment écrit dans la revue Daedalus que l'IA commence à faire de la science, et non plus seulement à la faciliter. Avec l'émergence de scientifiques IA autonomes, l'intérêt pour le développement d'outils hyper-spécialisés pourrait diminuer. Pourtant, des outils comme AlphaFold, qui a révolutionné la prédiction des structures protéiques, restent très utilisés, avec plus de trois millions de chercheurs ayant recours à ses prédictions l'année dernière.

Google continue de développer des outils spécialisés, comme AlphaGenome et AlphaEarth Foundations, mais un réajustement des priorités semble se dessiner. John Jumper, chercheur récompensé pour AlphaFold, travaille désormais sur le codage IA, un domaine où Google cherche à rattraper son retard face à des concurrents comme Anthropic et OpenAI. Il n'est pas surprenant que Google assigne ses meilleurs esprits au problème du codage, car l'entreprise a récemment subi un coup à sa réputation en raison de ses outils de codage qui ne rivalisent pas actuellement avec ceux proposés par Anthropic et OpenAI.

Les systèmes de recherche agentique montrent un potentiel prometteur. Cette semaine, OpenAI a annoncé qu'un de leurs modèles avait réfuté une conjecture mathématique importante—peut-être la contribution la plus significative que l'IA générative ait faite aux mathématiques jusqu'à présent, selon certains mathématiciens. Il est important de noter que le modèle utilisé par OpenAI n'est pas spécialisé pour résoudre des problèmes mathématiques, ni même pour la recherche ; selon l'entreprise, il s'agit d'un modèle de raisonnement à usage général dans la veine de GPT-5.5.

Si des agents généraux peuvent faire des contributions indépendantes à la recherche mathématique, ils pourraient bientôt être capables de faire de même en science (bien que le fait que les idées en science doivent être vérifiées expérimentalement rende ce domaine plus difficile pour l'IA). Google consacre certainement beaucoup d'attention à un avenir scientifique piloté par des agents. La grande annonce scientifique lors de l'I/O était le nouveau package Gemini for Science, qui unit plusieurs des systèmes scientifiques basés sur des LLM de l'entreprise sous une seule marque.

Cela inclut l'IA génératrice d'hypothèses Co-Scientist et l'optimiseur d'algorithmes AlphaEvolve, qui ne sont toujours pas disponibles publiquement—mais alors que Google permet désormais à tout chercheur de demander l'accès à Gemini for Science, ils pourraient bientôt voir une adoption plus large dans la communauté scientifique. Les scientifiques impliqués dans les tests préliminaires sont enthousiastes quant à leur potentiel : Gary Peltz, un généticien de Stanford, a comparé l'utilisation de l'IA Co-Scientist à "consulter l'oracle de Delphes" dans un article de Nature Medicine.

Gemini for Science n'est pas incompatible avec des outils spécialisés ; au contraire, les systèmes agentiques peuvent être conçus pour faire appel à de tels outils lorsqu'ils pourraient être utiles. Et aucun système agentique ne peut prédire la structure dans laquelle une protéine se pliera sans l'aide d'AlphaFold (du moins pas encore). Mais l'entreprise semble changer son image publique—et au moins certaines ressources et personnel, comme Jumper—loin du développement spécifiquement de ces types d'outils. Bien qu'il ne se soit écoulé que cinq ans depuis qu'AlphaFold a résolu le problème du repliement des protéines, tant la technologie que le discours ont rapidement évolué au-delà de cet accomplissement autrefois révolutionnaire.

Google a été prudent pour positionner ce nouvel ensemble d'agents scientifiques comme un accélérateur pour les scientifiques humains, plutôt qu'un remplacement pour eux—le choix du nom AI Co-Scientist par rapport à AI Scientist, par exemple, semble tout à fait délibéré. Hassabis utilise ce même cadre centré sur l'humain lorsqu'il parle des changements dans le paysage de l'IA scientifique. "Pour la prochaine décennie, nous devrions considérer l'IA comme cet outil incroyable pour aider les scientifiques", a déclaré Hassabis dans une interview publiée dans le numéro de Daedalus. "Au-delà de cette période, il est difficile de dire avec certitude, mais peut-être que ces systèmes deviendront plus comme des collaborateurs."

Mais personne ne peut être un collaborateur scientifique efficace sans être également un scientifique compétent à part entière. Et si Hassabis est proche de la vérité lorsqu'il parle des "pieds des collines de la singularité", alors les scientifiques IA pourraient éventuellement dépasser les capacités de leurs homologues humains.

Dans une discussion avec le journaliste Mike Allen lors de l'I/O, Hassabis a évoqué comment il a été initialement inspiré à poursuivre l'IA en observant comment les progrès en physique avaient stagné depuis les années 1970 ; il se demandait si l'esprit humain avait atteint ses limites dans ce domaine, et si l'IA pouvait aider à surmonter cette barrière. Des scientifiques agentiques surhumains correspondraient certainement à cette description. Nous pourrions ne jamais nous en approcher, mais Google semble viser ce sommet.