Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 379 articles
Dans Minecraft, obtenir un diamant impose de planifier une longue chaîne d’actions, de fabriquer les bons outils et d’éviter de nombreux pièges. Dreamer, un système de Google DeepMind, apprend cette tâche à partir de zéro en neuf jours. Au-delà du jeu, l’expérience éclaire la façon dont une IA peut anticiper les effets de ses choix.
Partager davantage les publications, les données et les méthodes de recherche ne suffit pas à bâtir une science ouverte durable. Pour l’Europe, l’enjeu est aussi de rapprocher recherche publique et entreprises sans fragiliser la liberté académique, la diversité éditoriale ou l’intérêt général.
Les grands modèles de langage ne servent plus seulement à rédiger ou résumer. Des chercheurs cherchent à leur apprendre à construire, tester et ajuster des plans face à des contraintes changeantes. Cette évolution pourrait aider à organiser des ressources, des itinéraires ou des projets, à condition de conserver une supervision humaine solide.
ChatGPT ne formule pas toujours des choix plus rationnels que les humains. Une étude évoquée le 2 avril 2025 observe des biais de décision comparables aux nôtres dans près de la moitié des situations testées. Ces résultats interrogent l’usage de l’IA dans le recrutement, l’évaluation et toute décision susceptible d’affecter des personnes.
Planifier ne consiste pas seulement à produire une réponse plausible : il faut ordonner des actions, respecter des contraintes et s’adapter aux imprévus. Des travaux de recherche, dont l’approche Coconut et le benchmark NATURAL PLAN, cherchent à rendre les grands modèles de langage plus capables face à ces problèmes.
Inspirés des neurones biologiques, les neurones infomorphiques ambitionnent de faire apprendre des systèmes d’IA de façon plus locale et adaptative. Cette piste de recherche, liée au calcul neuromorphique et aux synapses artificielles, pourrait intéresser la robotique, la santé et les objets connectés, mais elle reste confrontée à de solides défis techniques.
La professeure du MIT Media Lab Pattie Maes reçoit le prix de recherche à vie de l’ACM SIGCHI, associé à la conférence CHI 2025 de Yokohama. Cette distinction salue une carrière consacrée à rapprocher l’intelligence artificielle des usages réels, par des interfaces plus intuitives et plus accessibles.
Des chercheurs de l’université Northwestern ont mis au point un transistor nanoélectronique capable d’imiter à la fois certaines fonctions d’un neurone et d’une synapse. Cette approche de calcul neuromorphique pourrait réduire les transferts de données et la consommation d’énergie des futurs systèmes d’IA, sous réserve de franchir plusieurs étapes industrielles.
Avant d’utiliser une intelligence artificielle dans la santé, la sécurité ou tout autre secteur sensible, il faut éprouver ses réactions. Les « laboratoires miniatures » offrent un cadre contrôlé pour tester données, scénarios et limites d’un modèle. Ils réduisent les risques, mais ne rendent pas une IA infaillible.
Anthropic a publié une étude inédite sur les mécanismes internes de Claude 3.5 Haiku, comparés à une forme de « biologie » de l’IA. L’objectif n’est pas de rendre Claude biologique, mais de repérer les circuits qui participent à ses réponses, afin de mieux comprendre ses capacités et ses failles.
Des ingénieurs travaillent sur un système intelligent destiné à repérer les signes avant-coureurs de défaillances d’infrastructure. Alimenté par des capteurs, des images et des données environnementales, il vise à donner aux décideurs un temps d’avance. Mais une alerte algorithmique ne remplace ni l’expertise humaine ni l’entretien des ouvrages.
Le MIT Maritime Consortium rassemble des chercheurs et des acteurs du transport maritime autour d’un objectif commun : réduire l’empreinte environnementale des navires. Ses travaux portent sur l’exploitation des données, l’efficacité énergétique, les carburants alternatifs, la météo extrême et de nouvelles conceptions navales.
Comparer une IA à un humain ne consiste pas seulement à compter les bonnes réponses. La méthode d’horizon de temps de complétion des tâches, proposée par METR, cherche à exprimer les capacités d’un système par la durée des missions qu’il peut mener à bien. Un repère utile, à condition de ne pas en faire une mesure universelle de l’intelligence.
Encoder des fichiers dans des molécules d’ADN pourrait transformer l’archivage numérique. Une méthode assistée par intelligence artificielle annonce une récupération des données jusqu’à 3 200 fois plus rapide. Derrière cette promesse, la technologie conserve toutefois des contraintes majeures de coût, de vitesse et de standardisation.
Les modèles d’intelligence artificielle entrent dans la météo opérationnelle. GenCast et GraphCast de Google DeepMind, comme AIFS de l’ECMWF, promettent des prévisions mondiales plus rapides et mieux calibrées. Mais ces outils ne font pas disparaître l’incertitude, ni le rôle crucial des observations et des météorologues.
Lorsqu’un réseau neuronal apprend une nouvelle tâche, il peut parfois dégrader brutalement ce qu’il savait déjà. Des memristors à commutation analogique, intégrés à des architectures neuromorphiques, ouvrent une piste pour un apprentissage plus continu, plus économe et mieux adapté au traitement en temps réel.
La détection acoustique distribuée transforme un câble en fibre optique en capteur de vibrations sur plusieurs kilomètres. Associée à des réseaux neuronaux photoniques, capables de traiter des signaux par la lumière, elle pourrait renforcer la maintenance prédictive des infrastructures critiques. Cette piste reste toutefois exigeante à industrialiser.
Des chercheurs de l’Université de New York ont entraîné une IA, baptisée Plato, à partir de vidéos du quotidien de Sam, un enfant de deux ans. Jeux, repas et lectures servent à relier les mots, les objets et les actions. L’expérience interroge autant les mécanismes du langage humain que les méthodes d’apprentissage des machines.
Conçu pour éviter le compromis entre prototypage rapide et vitesse d’exécution, Julia s’adresse aux scientifiques, ingénieurs et spécialistes des données. Né au MIT, ce langage compile du code de haut niveau pour les calculs exigeants. Sa promesse de concision est réelle, mais elle dépend des projets et de la maîtrise de ses outils.
Une étude sur la fertilité animale, publiée le 13 février 2025 puis retirée moins de deux jours plus tard, a suscité la stupeur. En cause, une illustration générée par IA montrant un rat à l’anatomie manifestement incohérente. L’incident interroge les contrôles appliqués aux images dans les publications scientifiques.
Les systèmes d’intelligence artificielle excellent à détecter des régularités, mais ils peuvent confondre une simple coïncidence avec un véritable lien de cause à effet. Une approche étudiée avec le modèle SURD vise à repérer ces signaux parasites et à les atténuer automatiquement, afin de rendre les décisions algorithmiques plus robustes.
L’intelligence artificielle s’invite dans la métallurgie pour aider les chercheurs à concevoir des alliages de titane plus adaptés aux usages industriels. En analysant des données et en prédisant des propriétés avant les essais, elle promet d’écourter la recherche, à condition que chaque résultat soit confirmé en laboratoire et en production.
Une IA capable de conduire une étude et de publier un article scientifique fascine autant qu’elle inquiète. L’archive consacrée à Autoscience Carl attribue cette avancée à Sakana AI, mais confond plusieurs étapes essentielles de la recherche. Rédaction automatisée, expériences, évaluation par les pairs et responsabilité scientifique ne recouvrent pas la même réalité.
L’intelligence artificielle change déjà la façon de chercher, d’analyser et de collaborer dans les laboratoires. Mais ses gains de vitesse ne dispensent ni de vérifier les résultats, ni de protéger les données, ni d’assumer les choix scientifiques. Trois interrogations permettent de distinguer un outil utile d’un raccourci risqué.
Le jeu Super Mario Bros. devient un terrain d’essai pour mesurer la capacité de systèmes d’IA à percevoir une situation, choisir une action et s’adapter en temps réel. Cette approche du Hao AI Lab entend compléter les benchmarks classiques, souvent fondés sur des questions et des données statiques.
Faire réfléchir un modèle d’IA étape par étape améliore souvent ses réponses, mais peut aussi alourdir fortement le calcul. L’approche Chain of Draft propose de conserver ce raisonnement sous une forme beaucoup plus concise. Une piste prometteuse pour réduire les tokens, la latence et les coûts, à condition d’en mesurer rigoureusement les limites.
Un système de vision inspiré du fonctionnement neuronal pourrait aider les machines à mieux détecter leur environnement lorsque la lumière manque, varie brutalement ou éblouit les capteurs. Drones, robots et dispositifs de surveillance sont concernés, mais les promesses de cette approche devront être confirmées par des évaluations techniques précises.
Le professeur Markus J. Buehler, du MIT, est distingué par le Prix de Washington 2025. Ses travaux croisent modélisation informatique, mécanique des matériaux biologiques et intelligence artificielle, avec une démarche singulière qui fait aussi dialoguer science, musique et ingénierie.
Bec d’apparence improbable, corps translucides, couleurs instantanément modulées ou résistance hors norme : certains animaux paraissent sortis d’un laboratoire. Pourtant, leurs formes répondent à des millions d’années d’évolution. De l’ornithorynque aux abysses, ces espèces éclairent la biodiversité et nourrissent aussi la recherche en biomimétisme.
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.
