Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 374 articles
Les modèles comme ChatGPT produisent des textes de plus en plus fluides, au point de compliquer l’identification de leur origine. Les recherches montrent toutefois que les indices de style ne constituent pas une preuve fiable. Au-delà du duel humain contre machine, l’enjeu est celui de la transparence, de l’évaluation et de la responsabilité.
L’idée est ambitieuse : utiliser l’intelligence artificielle pour concevoir des jeux qui s’inspirent de la manière dont les humains choisissent et poursuivent leurs objectifs. Derrière cette promesse, l’enjeu consiste surtout à ajuster les défis au joueur, sans confondre adaptation algorithmique et compréhension réelle des motivations humaines.
L’intelligence artificielle ne remplace pas le chercheur, mais elle commence à prendre en charge une partie de son travail, de la lecture d’articles à la génération d’expériences informatiques. Avec AI Scientist de Sakana AI et des outils comme Research Rabbit, la recherche gagne en vitesse, tout en affrontant de nouvelles exigences de contrôle et de transparence.
Un système d’intelligence artificielle entend repérer des fragments protéiques capables de s’accrocher à une cible biologique, voire d’en inhiber l’activité. Cette approche pourrait aider les chercheurs à prioriser des pistes thérapeutiques, à condition de confirmer chaque prédiction par des expériences rigoureuses en laboratoire.
Des chercheurs ont soumis ChatGPT, Claude et Gemini à un test clinique destiné à repérer les troubles cognitifs chez l’humain. Seul GPT-4o atteint le seuil de 26 sur 30, tandis que les autres modèles butent notamment sur la mémoire et les tâches visuospatiales. Cette expérience ne prouve pas que les IA vieillissent, mais elle rappelle leurs limites dans les usages sensibles.
Mamba propose une autre voie que l’attention dense des transformers : un mécanisme à états conçu pour traiter efficacement de longues séquences. Cette architecture ne condamne pas ChatGPT ou Claude, mais elle éclaire une question centrale pour l’IA : comment retenir davantage d’informations sans faire exploser les calculs ?
Une équipe associant Glasgow, l’UNESP et l’Université métropolitaine de Hong Kong présente un transistor organique utilisant le miel comme électrolyte. L’EGOFET détecte la lumière, traite l’information et conserve une mémoire avec 2,4 picojoules par activation, une piste pour réduire la consommation énergétique et les déchets électroniques.
Après avoir appris à prédire la forme des protéines, l’intelligence artificielle s’attaque à leur adresse dans la cellule. Développé par le Whitehead Institute et le MIT CSAIL, ProtGPS estime leur localisation dans 12 types de compartiments et analyse l’effet de mutations associées à des pathologies.
Une étude menée à l’Université Rovira i Virgili compare les réponses de 400 anglophones natifs à celles de sept grands modèles de langage. Sur quarante questions grammaticalement simples, les humains font mieux que les IA, y compris ChatGPT-4. L’écart interroge la fiabilité de ces outils lorsque le sens précis d’une formulation compte.
Le MIT a annoncé le 12 février 2025 un don majeur de Sebastian Man, diplômé de l’institut en 1979 et 1980, en faveur de son Stephen A. Schwarzman College of Computing. Sans en dévoiler le montant, l’université explique que ce soutien contribuera à la construction d’un bâtiment à Cambridge, conçu pour réunir recherche, enseignement et échanges autour de l’informatique et de l’IA.
AlphaGeometry2, le système de Google DeepMind dédié à la géométrie, a résolu 42 problèmes sur 50 issus d’Olympiades internationales de mathématiques passées. Ce résultat dépasse le niveau moyen observé chez les médaillés d’or sur ce corpus précis. Il illustre les progrès du raisonnement neuro-symbolique, sans pour autant faire de l’IA un mathématicien universel.
Le changement climatique résulte principalement des activités humaines et transforme déjà les conditions de vie, les écosystèmes et les villes. Face aux événements extrêmes et à la montée des risques, l’intelligence artificielle peut améliorer les prévisions et la gestion des ressources, sans se substituer aux indispensables réductions d’émissions.
Les modèles multimodaux peuvent décrire une image, mais comprennent-ils réellement les situations qu’elle représente ? Des chercheurs allemands les ont soumis à des tâches issues de la psychologie cognitive, puis ont comparé leurs réponses à celles de participants humains. Leurs résultats dessinent une frontière nette entre lecture de données visuelles simples et compréhension du monde.
Une équipe liée aux universités Stanford et Washington affirme avoir adapté un modèle de raisonnement baptisé s1 pour moins de 50 dollars. Leur recette combine un modèle déjà entraîné, 1 000 exemples de raisonnement issus de Gemini et une courte phase d’entraînement. Une avancée prometteuse, mais qui ne signifie pas qu’un modèle comme Gemini se construit à ce prix.
Une équipe de l’Université de l’Illinois a testé à la NASA un modèle d’IA capable d’adapter en direct les gestes d’un bras robotisé. Après avoir échoué à récupérer une roche, le système a changé de zone et prélevé un matériau à grain fin, sans retouche majeure de son modèle initial.
Les progrès de l’intelligence artificielle ne reposent pas seulement sur des algorithmes plus performants. Ils créent aussi un vocabulaire et des méthodes que biologistes, roboticiens, climatologues et informaticiens peuvent partager. Cette convergence, illustrée par AlphaFold et les travaux menés au MIT, pourrait transformer la façon dont la science coopère.
Une prévision ne vaut que par la manière dont elle est vérifiée. Des chercheurs du MIT montrent que les méthodes classiques peuvent mal évaluer des modèles travaillant sur des données géographiques, car les mesures voisines ne sont pas indépendantes. Leur approche veut rendre les prévisions environnementales, météorologiques et sanitaires plus fiables.
Compter les saumons au moment de leur migration est indispensable pour protéger les populations et encadrer les pêches. Dans le Pacifique Nord-Ouest, des chercheurs du MIT explorent une Fishbox autonome, capable d’analyser des images sur place grâce à la vision par ordinateur, y compris sans connexion internet.
Des chercheurs du FORTH ont conçu des réseaux de neurones artificiels qui s’inspirent des dendrites, les prolongements des neurones biologiques. Publiée dans Nature Communications, leur étude montre qu’une telle architecture peut rivaliser avec les réseaux classiques en reconnaissance d’images, tout en mobilisant moins de paramètres et de ressources d’apprentissage.
Pour Yann LeCun, les systèmes d’IA les plus visibles restent loin de pouvoir évoluer avec fiabilité dans le monde réel. Le scientifique de Meta prévoit une nouvelle révolution technologique dans les trois à cinq ans, portée par des avancées permettant notamment de concevoir des robots domestiques et des véhicules vraiment autonomes.
L’IA générative s’invite dans la recherche et développement pour traiter la littérature, structurer les connaissances et alléger certaines tâches de documentation. Elle peut accélérer les premières phases d’un projet, à condition de préserver la validation scientifique, la confidentialité des données et la responsabilité humaine.
Les chercheurs du MIT présentent SySTeC, un compilateur conçu pour alléger les calculs des simulations et modèles d’apprentissage profond. En exploitant automatiquement la sparsité et la symétrie des données, l’outil peut accélérer fortement certains programmes sans imposer aux scientifiques de réécrire eux-mêmes les optimisations les plus complexes.
Faut-il reproduire tous les aléas du monde réel pour entraîner une intelligence artificielle robuste ? Des travaux menés par des chercheurs du MIT suggèrent le contraire dans certains cas : des agents formés dans un environnement plus prévisible ont mieux réussi ensuite face à des situations incertaines.
Mis au point au MIT, SySTeC est un compilateur qui aide à éviter des calculs répétitifs dans les simulations et les modèles d’intelligence artificielle. Son idée : exploiter en même temps la sparsité et la symétrie des données. Lors d’expérimentations, les chercheurs ont observé des gains pouvant atteindre 30 fois.
