Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 374 articles
Reconnaître une chaise malgré un changement de couleur, d’éclairage ou de décor paraît banal pour un cerveau. Des données recueillies chez sept macaques montrent que les réseaux de neurones profonds peinent encore à reproduire cette faculté lorsque les images s’écartent de celles utilisées pour leur entraînement.
Des chercheurs du MIT ont conçu un système inspiré du tractus vocal humain pour générer et interpréter des imitations de sons. Bruit de feuilles, sifflement de serpent ou sirène : cette approche pourrait renouveler la création sonore, les interfaces et l’apprentissage des langues, tout en restant confrontée à des limites techniques.
Développé à l’EPFL avec le soutien d’Apple, 4M est un cadre open source pour entraîner des modèles sur plusieurs formes de données. Son approche de masquage massif entend rapprocher texte, images et informations sensorielles, tout en laissant aux chercheurs la possibilité d’adapter l’outil à des usages scientifiques spécialisés.
Le logiciel est une part essentielle de notre patrimoine technique, mais il reste fragile face aux fermetures de plateformes et à l’obsolescence. Lancée par l’Inria, Software Heritage veut l’archiver à grande échelle. Scikit-learn illustre, de son côté, comment le code ouvert peut mettre l’apprentissage automatique à la portée de tous.
Une équipe de Princeton et de l’Institut indien de technologie a mis au point une méthode d’IA pour concevoir des composants de puces destinés aux communications sans fil. Le système produit en quelques heures des structures électromagnétiques complexes, parfois déroutantes pour un ingénieur, mais capables de réunir des fonctions difficiles à obtenir avec les méthodes habituelles.
Des chercheurs de l’Université Columbia et de Northwell Health ont comparé l’activité cérébrale de personnes écoutant des récits aux représentations internes de douze modèles de langage. Leur étude suggère qu’à mesure que ces LLM gagnent en performance, leur manière d’organiser l’information linguistique s’aligne davantage avec celle du cerveau humain.
La conseillère scientifique de la Maison Blanche, Arati Prabhakar, a présenté au MIT sa vision d’une science américaine capable de répondre aux grandes priorités nationales. Recherche fondamentale, transfert vers l’industrie, lutte contre le cancer, transition énergétique et intelligence artificielle sont les piliers de cette stratégie.
Avec HOT3D, Meta Reality Labs met à disposition des chercheurs plus de 833 minutes de séquences 3D centrées sur l’utilisateur. Captées avec les lunettes Project Aria et le casque Quest 3, elles documentent les gestes de 19 personnes manipulant 33 objets, une ressource précieuse pour la robotique et la réalité augmentée.
À la COP16 sur la biodiversité, organisée à Cali en 2024, le MIT a envoyé pour la première fois une délégation structurée de dix personnes. Ses travaux ont mis en avant l’apport de l’intelligence artificielle pour suivre les espèces, mais aussi le rôle décisif des villes et des communautés locales dans la conservation.
Développé par des chercheurs de l’Université de Caroline du Nord à Chapel Hill et de l’Université du Maryland, MyTimeMachine ambitionne de modifier l’âge d’un visage de façon personnalisée. Ce prototype d’IA générative s’appuie sur une série de photos et vise le cinéma, l’édition d’images et, à terme, les avatars.
Longtemps réduite à l’image de l’eau qui frémit dans une casserole, l’ébullition est un enjeu d’ingénierie majeur. Au 2 janvier 2025, les travaux sur les bulles et le transfert de chaleur ouvrent des pistes pour les centrales, le refroidissement des serveurs, le stockage d’énergie et l’exploration spatiale.
Des chercheurs ont mis au point un neurone artificiel fondé sur un laser à points quantiques. Capable de traiter des signaux à 10 GBaud, il reproduit le comportement gradué de certaines cellules nerveuses et vise le calcul par réservoir, une approche de l’IA particulièrement adaptée aux données en temps réel.
Trouver un matériau adapté à une batterie, un semi-conducteur ou un composant électronique exige habituellement de longues mesures et simulations. Des chercheurs de l’IISc et de l’UCL proposent une méthode d’apprentissage par transfert qui permet à une IA de mieux prédire certaines propriétés avec des jeux de données limités.
Des chercheurs du MIT ont conçu SciAgents, un système où plusieurs agents d’intelligence artificielle se répartissent les rôles pour imaginer et critiquer des hypothèses de recherche. Testé à partir d’environ 1 000 publications sur des matériaux biologiques, il vise à accélérer une étape essentielle, mais longue, du travail scientifique.
Des chercheurs de l’université Johns Hopkins ont présenté GenEx, un système capable d’étendre une image fixe en un environnement virtuel explorable. L’outil ne révèle pas ce qui se cache réellement hors champ : il formule des hypothèses visuelles cohérentes, utiles pour la planification, la robotique ou les expériences immersives.
Formuler une hypothèse originale et testable est souvent l’une des étapes les plus exigeantes d’un projet scientifique. Avec SciAgents, des chercheurs du MIT proposent un système où plusieurs agents d’IA explorent des connaissances, construisent une idée, suggèrent des expériences et en discutent les faiblesses. Une aide à la découverte qui ne dispense jamais de validation humaine.
Bien avant les ordinateurs personnels et les assistants conversationnels, Alan Turing a fourni un langage pour penser le calcul, les programmes et l’intelligence des machines. Son rôle dans le décryptage d’Enigma, puis son destin brisé par la persécution, ont fait de lui une figure majeure de la science et de l’histoire sociale britannique.
Neuroscientifique devenue entrepreneuse, Frida Polli est la première boursière innovante en résidence du MIT Schwarzman College of Computing. Pour l’année universitaire 2024-2025, la fondatrice de pymetrics veut réunir recherche comportementale et informatique afin de concevoir des algorithmes réellement pensés pour travailler avec les humains.
Des chercheurs du MIT et de l’Université technique de Munich proposent ContextSSL, une méthode d’auto-supervision conçue pour adapter un modèle à différents contextes sans le réentraîner à chaque fois. Testée en vision par ordinateur et sur des données médicales, elle illustre une piste pour rendre l’IA plus souple et moins dépendante des annotations humaines.
Conçue par des chercheurs de l’université Duke, CREW est une plateforme open source qui transforme des jeux virtuels en expériences sur la collaboration entre personnes et agents d’IA. Elle mesure les retours détaillés des participants, certains signaux physiologiques et des facteurs cognitifs, afin de mieux comprendre ce qui rend une équipe humain-IA efficace.
Les pièges photographiques produisent d’immenses volumes d’images utiles à l’écologie, mais la vision par ordinateur n’en tire pas encore tout le potentiel. Biais dans les données, clichés vides et difficulté à reconnaître des comportements précis freinent l’usage de ces outils pour comprendre et protéger la biodiversité.
Des chercheurs ont associé analyse chimique et intelligence artificielle pour différencier des whiskies américains et écossais. Testé sur seize échantillons avec l’appui d’un panel de onze experts, le système dépasse 90 % de précision pour cette tâche précise. Une piste prometteuse pour le contrôle qualité, sans effacer le rôle des dégustateurs.
Une équipe internationale a utilisé l’apprentissage automatique pour accélérer la découverte d’un composant essentiel des cellules solaires en pérovskite. Sa meilleure cellule atteint 26,2 % de rendement, à seulement 0,5 point du record de 26,7 % cité par les chercheurs. Une démonstration concrète du potentiel de l’IA pour la science des matériaux.
Des chercheurs observent que plusieurs grands modèles de langage modifient leurs réponses lorsqu’ils semblent comprendre qu’un test de personnalité est en cours. GPT-4, notamment, renforce ses traits les plus valorisés socialement et réduit son score de névrosisme. Un biais qui invite à la prudence dans les recherches utilisant l’IA comme répondante.
