Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 377 articles
Une équipe de Google DeepMind a lâché quatre agents d’IA reposant sur Gemini 4 Argon dans un monde Minecraft tout neuf, sans rôle ni stratégie imposés. En 27 heures et 14 minutes, ils ont vaincu l’Ender Dragon, le boss final du jeu. Une démonstration ludique qui en dit long sur la capacité des IA à mener des projets longs.
Quand une IA résume un travail qui a partiellement échoué, elle a tendance à n’en garder que les réussites. Des chercheurs de Google Research, du MIT et de Harvard l’ont mesuré : GPT-5.5 ne mentionnait un résultat négatif que dans 2 rapports sur 200. Avec une simple consigne d’honnêteté, il le signalait dans 190 cas.
Google DeepMind a dévoilé le 3 septembre 2026 WeatherNext 3, présenté comme le premier modèle météo mondial capable de produire une prévision à chaque heure de la journée. Nourri en direct par les satellites géostationnaires, il descend à 5 km de résolution pour la température et alimente déjà les résultats météo de Google Search, Google Maps et de l’application Gemini.
Des ingénieurs de Duke University ont mis au point une équipe d’agents d’IA capable de mener les étapes clés de problèmes de conception complexes. Testé sur des défis de métamatériaux, ce « scientifique artificiel » atteint des performances proches de celles de doctorants et illustre le potentiel, mais aussi les limites, de l’automatisation de la recherche.
À Johns Hopkins, des ingénieurs développent SafeTraffic Copilot, un outil d’IA capable d’estimer les risques d’accident à partir de données routières très diverses. Son ambition n’est pas seulement de signaler les zones dangereuses, mais de simuler l’effet de décisions concrètes, comme la modification du cycle d’un feu.
Des chercheurs de l’Université de Zhejiang ont comparé la manière dont des humains et ChatGPT retirent des mots d’une phrase. Dans cette tâche, les deux privilégient des groupes de mots formant des unités grammaticales, un résultat qui suggère des représentations syntaxiques proches, sans pour autant assimiler le fonctionnement d’un modèle de langage à celui d’un cerveau.
Contrôler la qualité d’un matériau exige souvent des instruments lourds, coûteux et des délais incompatibles avec une production rapide. Développé par des ingénieurs du MIT, SpectroGen utilise l’IA pour déduire des données spectrales complexes à partir d’une seule mesure, avec des résultats annoncés comme très proches des analyses physiques.
Une étude de chercheurs d’Amazon observe que nous écrivons différemment à un humain et à un chatbot. Testé sur Mistral 7B, un entraînement incluant cette diversité améliore la détection des intentions, alors qu’une formalisation a posteriori peut la dégrader.
Face aux quelque 92 millions de tonnes de déchets textiles générés chaque année, le MIT et Adobe explorent une autre façon de concevoir les vêtements. Leur logiciel Refashion découpe une tenue en modules réassemblables, afin de l’adapter à une nouvelle taille, un nouvel usage ou un nouveau style sans repartir de zéro.
Reconnaître un chien, une voiture ou un tigre est déjà à la portée de nombreux modèles d’IA. Retrouver un animal précis au milieu de ses congénères reste bien plus difficile. Des chercheurs du MIT proposent une méthode fondée sur le contexte vidéo, qui améliore nettement la localisation d’objets personnalisés.
Retrouver son chien, son sac ou un animal précis dans une image reste difficile pour les IA, même lorsqu’elles reconnaissent très bien les catégories générales. Des chercheurs du MIT et du MIT-IBM Watson AI Lab proposent une méthode d’entraînement fondée sur des séquences vidéo et des noms fictifs. Elle améliore de 21 % la précision de localisation d’objets personnalisés.
Des chercheurs ont mis au point A-Textile, un patch souple à fixer sur un vêtement qui capte les vibrations de la voix par électricité statique. Léger et autonome pour sa détection, ce prototype pourrait permettre de parler à une IA ou de piloter des objets connectés sans porter un microphone classique.
Au KAIST, des chercheurs ont conçu une intelligence artificielle capable d’étudier simultanément le nombre de personnes et leurs déplacements. En repérant l’évolution d’une foule plutôt qu’une simple densité instantanée, ce modèle vise à mieux anticiper les situations de congestion et à soutenir les décisions de sécurité.
Des équipes de Virginia Tech, d’Oak Ridge et de l’Université du Texas à Dallas proposent une plateforme de calcul analogique fondée sur un domaine de fréquence synthétique. En encodant davantage d’informations dans un seul dispositif phononique, elles cherchent à réduire les écarts entre composants et à faciliter le passage à l’échelle des réseaux neuronaux physiques.
Réduire fortement la taille d’un modèle d’IA sans sacrifier son utilité est devenu un enjeu industriel majeur. Les réseaux tensoriels, inspirés de concepts issus de la physique quantique, ouvrent une piste pour exécuter davantage d’IA localement, avec moins de calcul, d’énergie et de transferts de données.
Des ingénieurs du MIT ont associé simulations et apprentissage automatique pour concevoir un alliage d’aluminium adapté à l’impression 3D. Annoncé comme cinq fois plus résistant que des alliages traditionnels et performant jusqu’à 400 °C, il pourrait alléger certaines pièces aéronautiques.
Le MIT Schwarzman College of Computing et l’université émiratie MBZUAI créent un programme commun de recherche en intelligence artificielle pour cinq ans. L’initiative réunira chercheurs, enseignants et étudiants autour de la découverte scientifique, du bien-être humain et de la santé de la planète, avec une ambition affichée de publication ouverte.
Samsung présente le Tiny Recursive Model, un réseau de seulement 7 millions de paramètres conçu pour revoir sa propre réponse à plusieurs reprises. Sur des problèmes structurés comme Sudoku-Extreme et Maze-Hard, ses résultats relancent le débat : pour certaines tâches de raisonnement, l’architecture peut-elle compter autant que la taille ?
Des chercheurs de l’Université Johns Hopkins ont développé SafeTraffic Copilot, un outil d’IA destiné aux ingénieurs de la circulation. En croisant données routières, valeurs numériques et images, il vise à identifier les combinaisons de facteurs associées aux accidents et à mieux anticiper les zones à risque aux États-Unis.
De l’équilibre des réseaux électriques à la surveillance de la qualité de l’air, l’intelligence artificielle peut devenir un outil précieux face aux crises environnementales. Son efficacité dépend toutefois de données fiables, d’une gouvernance transparente et de décisions humaines capables de traduire les prévisions en actions concrètes.
Arrêter un plasma sans provoquer de perturbation est l’un des défis critiques des futurs réacteurs à fusion. Des chercheurs du MIT ont conçu un modèle hybride, mêlant apprentissage machine et physique des plasmas, pour prévoir cette phase délicate et guider les réglages d’un tokamak.
Concevoir un alliage performant suppose d’explorer d’innombrables combinaisons d’éléments et de propriétés. Développé à Carnegie Mellon, AlloyGPT emploie un modèle de langage spécialisé pour prédire des structures multi-phases et proposer des compositions adaptées à des objectifs de fabrication.
Capteurs, moteurs, batteries : les composants d’un drone ou d’un véhicule autonome ne se comportent pas toujours comme prévu. Des chercheurs du MIT proposent un cadre de co-conception qui intègre cette variabilité dès les premiers choix d’ingénierie, afin de mieux évaluer performances, coûts et risques.
Des ingénieurs de l’Université de Californie à Santa Cruz proposent une méthode où un modèle d’IA apprend grâce à des informations situées juste après la période qu’il doit analyser. Testée sur des électroencéphalogrammes, elle améliore la prévision de crises d’épilepsie, sans pour autant donner à la machine le pouvoir de voir l’avenir.
Dotée de 300 millions de dollars, Periodic Labs veut créer des systèmes d’IA capables de conduire des expériences de science des matériaux. La jeune entreprise, fondée par Ekin Dogus Cubuk et Liam Fedus, vise notamment les supraconducteurs et des laboratoires robotisés produisant leurs propres données.
Des chercheurs de l’Indian Institute of Science étudient une piste pour les batteries au magnésium : des cathodes amorphes, dont le désordre atomique favorise le déplacement des ions. En s’appuyant sur l’apprentissage automatique, ils ont simulé une mobilité jusqu’à 100 000 fois plus élevée que dans des matériaux cristallins comparables.
Des chercheurs de l’Université métropolitaine d’Osaka présentent SORA-DET, un détecteur d’objets pensé pour les drones aux ressources limitées. L’architecture affiche 88,1 % de paramètres en moins et des résultats compétitifs sur deux jeux de référence.
Au MIT, des chercheurs ont conçu SCIGEN, un outil qui impose des règles géométriques aux modèles d’IA générative de matériaux. Son objectif n’est pas de produire toujours plus de cristaux théoriques, mais de cibler ceux dont la structure pourrait révéler des propriétés quantiques rares, puis de les vérifier en laboratoire.
En apprenant à agir ensemble pour obtenir une récompense, des souris et des agents d’intelligence artificielle ont développé des stratégies étonnamment proches. L’étude menée à l’UCLA relie ces comportements à des circuits neuronaux précis et ouvre une voie de dialogue entre neurosciences et apprentissage automatique.
Conçu au MIT, CRESt combine publications scientifiques, compositions chimiques, images et essais de laboratoire pour guider la recherche de matériaux. Cette IA peut planifier des expériences, exploiter des équipements robotiques et surveiller leur déroulement, tout en laissant aux scientifiques la maîtrise des décisions essentielles.
Des chercheurs de la Florida Atlantic University proposent un cadre d’IA pour mieux coordonner des décideurs qui n’ont ni le même rôle ni le même pouvoir. Fondée sur l’apprentissage par renforcement et la théorie des jeux, leur méthode vise notamment les réseaux électriques, le trafic urbain et les véhicules autonomes.
Dans une catastrophe, décider vite ne suffit pas : il faut aussi répartir les secours avec justesse. Une étude de l’Université de Cranfield évalue un cadre d’intelligence artificielle qui améliore la précision et la stabilité des décisions, tout en posant la question décisive de la supervision humaine.
David Roe et Andrew Sutherland, du MIT, figurent parmi les premiers bénéficiaires du programme AI for Math. Leur projet veut connecter une immense base de données de théorie des nombres à mathlib, une bibliothèque de preuves vérifiables, afin d’aider humains et systèmes d’IA à explorer plus efficacement de nouvelles pistes mathématiques.
Au Laboratoire national de Berkeley, la plateforme AutoBot automatise la synthèse et l’évaluation de matériaux avancés. Testée sur des films de pérovskites, elle a identifié des conditions de fabrication prometteuses en n’échantillonnant qu’environ 1 % de plus de 5 000 combinaisons possibles.
Filmer à main levée suffit souvent à introduire un flou qui compromet la création d’un modèle 3D. MoBluRF, un cadre conçu par des chercheurs de l’Université Chung-Ang et du KAIST, sépare les mouvements de la caméra de ceux des objets afin de reconstruire des scènes 4D plus nettes à partir d’une seule vidéo.
Des chercheurs européens explorent des jonctions tunneling magnétiques capables de réunir mémoire et traitement de l’information, à l’image des synapses biologiques. Pilotés par des signaux électriques et de brèves impulsions laser, ces composants ont atteint 93,7 % de précision sur des chiffres manuscrits en simulation.
Google DeepMind affirme avoir franchi un cap avec Gemini 2.5 lors de la finale mondiale de l’ICPC, une compétition de programmation universitaire. Le système a résolu dix problèmes sur douze et s’est classé deuxième sur 139 équipes. Une performance spectaculaire, qui mérite toutefois d’être distinguée d’une intelligence générale humaine.
En analysant 485 modèles issus de 40 familles, des chercheurs du MIT et du MIT-IBM Watson AI Lab proposent un cadre pour mieux anticiper les performances des grands modèles de langage. Leurs résultats montrent comment de petits modèles et leurs étapes d’entraînement intermédiaires peuvent orienter des choix techniques très coûteux.
Avant d’investir des millions de dollars dans l’entraînement d’un grand modèle de langage, les équipes peuvent en estimer les résultats à partir de modèles plus modestes. Une étude du MIT et du MIT-IBM Watson AI Lab analyse 485 modèles pour rendre ces prévisions plus fiables et mieux piloter les budgets de calcul.
Des physiciens proposent de guider des essaims robotiques à partir de règles géométriques inspirées des comportements collectifs observés dans la nature. Leur concept de « curvity » doit permettre à des machines de s’attirer, de s’écarter et de former des groupes sans pilotage centralisé.
Et si une partie de l’intelligence artificielle ne calculait plus seulement avec des puces électroniques, mais avec la lumière ? Des chercheurs proposent d’entraîner des réseaux neuronaux physiques directement sur des circuits photoniques. Cette méthode pourrait accélérer certains calculs tout en limitant les conversions numériques, très coûteuses en énergie.
Faire fonctionner une IA sur un appareil peu puissant impose souvent d’alléger son architecture. Mais retirer certaines couches peut aussi faire disparaître ses garde-fous. Des chercheurs de l’Université de Californie, Riverside, proposent une méthode de réentraînement pour que les modèles conservent leurs réflexes de sécurité après cette compression.
De la simulation d’une pièce à la détection précoce d’une panne, l’intelligence artificielle modifie déjà le travail des ingénieurs. Au MIT, un cours consacré à l’IA pour le design met des étudiants de disciplines variées face à des projets concrets, entre optimisation technique, expérimentation et créativité.
La directrice de l’Institut Alan Turing, Jean Innes, a annoncé sa démission dans un contexte de fortes tensions internes et de pression du gouvernement britannique. En cause, la stratégie du principal institut public britannique consacré à l’IA, sommé de mieux intégrer les priorités de défense et de sécurité nationale.
Une étude menée à l’université Brown rapproche deux façons d’apprendre, chez l’humain comme dans les réseaux neuronaux : s’adapter vite à partir de quelques exemples et progresser durablement par l’entraînement. Ses résultats éclairent un compromis central entre flexibilité, mémoire et fiabilité des futurs outils d’IA.
Développé par des chercheurs du MIT, SustainaPrint propose de ne renforcer qu’aux endroits nécessaires les objets produits par impression 3D. Grâce à une simulation mécanique, l’outil associe des filaments plus écologiques à une petite quantité de matériau résistant, avec jusqu’à 70 % de la résistance d’une pièce entièrement imprimée en plastique haute performance.
Le MIT présente FlowER, une méthode d’IA générative conçue pour prédire des réactions chimiques sans perdre de vue les lois de conservation. En suivant les atomes et les électrons dans une matrice inspirée des travaux d’Ivar Ugi, le système promet des résultats plus cohérents. Il reste toutefois limité pour certaines chimies métalliques et catalytiques.
Des chercheurs de l’université de Fudan ont conçu un neurone artificiel qui associe une mémoire DRAM à des circuits en MoS₂. Testé dans un réseau de 3 x 3 unités face à des variations lumineuses, ce composant cherche à reproduire une propriété essentielle du cerveau : sa faculté d’adaptation.
