Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 374 articles
Des chercheurs de Carnegie Mellon ont conçu GINN, un modèle qui associe la méthode statistique GARCH à un réseau de neurones à mémoire. Testé sur sept grands indices boursiers, il affiche une amélioration de 5 % par rapport au seul GARCH. Une piste prometteuse pour mieux évaluer le risque, sans prédire à elle seule les cours.
Des chercheurs liés au MIT présentent Boltz-1, un système d’IA entièrement open-source destiné à prédire la structure en trois dimensions des biomolécules. En publiant le modèle, son entraînement et ses optimisations, l’équipe espère rendre la biologie structurale de pointe plus accessible et accélérer la recherche sur les médicaments.
Étudiante au MIT, Lara Ozkan a été sélectionnée comme Marshall Scholar pour 2025. Cette bourse britannique lui permettra de poursuivre un parcours entre sciences biologiques et intelligence artificielle, avec une ambition claire : mettre les outils computationnels au service de la santé des femmes.
Cocréateur de Scikit-learn, Gaël Varoquaux a contribué à placer une boîte à outils libre au cœur de l’apprentissage machine moderne. Chercheur à l’Inria, il défend une vision de l’IA fondée sur le partage des méthodes, la reproductibilité scientifique et l’attention portée aux conséquences sociales des algorithmes.
Cinq membres du corps professoral du MIT et deux anciens élèves figurent parmi les boursiers AI2050 2024. Leurs travaux couvrent l’impact de l’IA sur l’emploi, la surveillance de l’environnement, la santé, le langage et les décisions complexes, avec un même objectif : rendre l’IA utile à la société.
Une équipe de Berkeley et du Lawrence Berkeley National Laboratory présente EScAIP, une architecture d’IA destinée à simuler les interactions entre atomes. Le modèle promet des calculs plus rapides, moins gourmands en mémoire et plus accessibles pour la chimie, les matériaux ou la recherche sur les médicaments.
Plus de 90 salariés de l’Alan Turing Institute ont écrit à son conseil d’administration pour alerter sur un projet de licenciements massif. Jusqu’à 140 postes sur 440 pourraient être concernés, alors que l’institut britannique déploie sa stratégie Turing 2.0 et vient d’obtenir 100 millions de livres de financement public.
Des chercheurs du MIT montrent qu’il est possible de cibler certaines données d’entraînement qui pénalisent les groupes sous-représentés. Leur méthode, fondée sur l’outil TRAK, évite le nettoyage massif des jeux de données et vise à préserver, voire à renforcer, la précision du modèle.
Des chercheurs de la Tokyo University of Science ont conçu une méthode pour amener un modèle d’IA à oublier certaines catégories d’images, sans examiner son fonctionnement interne. Testée sur CLIP, cette approche dite « black-box forgetting » pourrait aider à adapter des modèles généralistes aux contraintes de la vie privée, de l’énergie et des usages spécialisés.
Les modèles d’intelligence artificielle peuvent fournir une prédiction sans que leurs utilisateurs en comprennent les raisons. Des chercheurs du MIT proposent EXPLINGO, un système qui transforme des explications techniques, notamment issues de SHAP, en narrations lisibles. L’objectif : faciliter l’évaluation des décisions algorithmiques, sans masquer leur complexité.
Google présente Willow, une puce quantique de 105 qubits qui a exécuté un test de référence en moins de cinq minutes. L’annonce est surtout importante pour une raison moins spectaculaire : l’appareil franchit une étape clé de correction des erreurs, indispensable avant toute application utile en médecine, chimie ou cryptographie.
Le cadre d’IA DIMON promet d’accélérer radicalement certaines simulations physiques, traditionnellement très coûteuses à calculer. Testé sur plus de 1 000 jumeaux numériques cardiaques, il ramène notamment des prédictions de plusieurs heures à 30 secondes et pourrait élargir l’accès à des calculs d’ingénierie avancés.
Les nuages réfléchissent une partie de l’énergie solaire, retiennent aussi de la chaleur et restent l’une des grandes sources d’incertitude des modèles climatiques. En décembre 2024, Nvidia met en avant des outils d’IA ouverts capables d’accélérer les simulations, d’explorer davantage de scénarios et de mieux représenter les phénomènes atmosphériques complexes.
Google DeepMind présente GenCast, un modèle d’IA capable de produire des prévisions météorologiques jusqu’à 15 jours. Testé sur les données de 2019, il dépasse le système ENS dans 97,2 % des cas évalués, tout en calculant un scénario en moins de huit minutes. Ses promesses sont fortes, mais la comparaison appelle aussi à la prudence.
Développé par Google DeepMind, GenCast produit des ensembles de prévisions météorologiques mondiales jusqu’à 15 jours. Environ huit minutes sur une seule puce TPU lui suffisent pour générer 50 scénarios possibles. Selon ses concepteurs, il dépasse le système de référence de l’ECMWF sur la grande majorité des critères évalués.
Une équipe menée par le Lawrence Berkeley National Laboratory a employé l’apprentissage automatique pour explorer près de 50 000 structures de polymères. Trois candidats ont été synthétisés et testés pour des condensateurs en film, dont l’un associe résistance thermique, isolation électrique, densité d’énergie et efficacité à un niveau record.
Et si l’IA apprenait moins en absorbant des données qu’en étant guidée, pas à pas, par des personnes ? Testée dans un jeu de cache-cache, la plateforme GUIDE montre qu’un retour humain nuancé de seulement dix minutes peut faire progresser sensiblement un agent IA, avant de laisser un simulateur poursuivre l’entraînement.
Produire un objet 3D cohérent à partir d’une simple description demeure plus difficile que générer une image. La Score Distillation réutilise les connaissances de modèles de diffusion 2D pour guider une représentation 3D. Les travaux évoqués par le MIT cherchent à corriger le flou et les rendus trop saturés qui limitaient jusque-là cette approche.
Peut-on repérer une émotion sans observer un visage ? Des chercheurs de l’Université métropolitaine de Tokyo ont étudié les variations électriques de la peau face à des vidéos suscitant peur, humour ou lien familial. La méthode est prometteuse, mais elle mesure d’abord une réaction physiologique, pas une émotion lue avec certitude.
Des chercheurs de l’Université du Texas à Austin ont entraîné une IA générative à créer des images de rues à partir de courts extraits sonores. Testé sur des paysages urbains et ruraux, le système associe notamment circulation, végétation et ambiance lumineuse à des représentations visuelles plausibles, sans pour autant reconstituer un lieu exact.
Une équipe de l’Université de Tokyo a mis au point un dispositif de calcul par réservoir physique fondé sur des synapses optoélectroniques artificielles. Alimenté par des cellules solaires à colorant, il traite des données temporelles localement et classe certains mouvements humains avec plus de 90 % de précision.
Le génome ne peut pas décrire un cerveau synapse par synapse. Pour Anthony Zador et Alexei Koulakov, cette contrainte pourrait expliquer une part de nos capacités innées et inspirer des IA plus compactes. Leur algorithme est testé sur la reconnaissance d’images et le jeu Space Invaders.
Des chercheurs du MIT ont conçu une méthode qui transforme des prévisions de crue en images satellites réalistes. Testée sur un scénario inspiré de l’ouragan Harvey à Houston, elle associe IA générative et contraintes physiques pour montrer des zones inondées crédibles, avec l’ambition d’améliorer la préparation des habitants et des autorités.
Des chercheurs de Microsoft et de l’Université de Chicago ont conçu DroidSpeak, un langage destiné aux échanges entre modèles de langage. Plutôt que de communiquer en anglais, les IA peuvent transmettre des informations sous une forme plus compacte. Lors d’un test entre deux modèles, les échanges ont été jusqu’à 2,78 fois plus rapides.
