Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 374 articles
Des chercheurs internationaux ont mis au point, avec l’aide de l’intelligence artificielle, des formules de peinture qui réfléchissent le soleil et évacuent mieux la chaleur. Testée en modélisation pour des bâtiments situés dans des climats chauds, cette approche pourrait réduire fortement les besoins de climatisation tout en accélérant la découverte de nouveaux matériaux.
Développé par des chercheurs de Helmholtz Munich, Centaur a appris à partir de plus de 10 millions de décisions issues d’expériences psychologiques. Ce modèle entend prédire les choix et les temps de réaction humains, y compris dans des situations nouvelles, afin d’aider la recherche à mieux étudier la cognition.
L’intelligence artificielle a une empreinte environnementale, mais elle peut aussi devenir un outil de décarbonation à grande échelle. Une étude de la London School of Economics et de Systemiq chiffre son potentiel dans l’énergie, l’alimentation et les transports, à condition d’orienter ses usages et ses infrastructures vers des objectifs climatiques précis.
La recherche produit toujours plus de données et de publications, mais transformer cette abondance en découvertes prend du temps. FutureHouse propose des agents d’intelligence artificielle pour explorer la littérature, concevoir des expériences et analyser des données. Leur promesse est forte, mais la validation par les chercheurs reste indispensable.
Des chercheurs de l’Académie chinoise des sciences ont comparé la manière dont des modèles multimodaux et des humains relient mentalement des objets naturels. Leurs résultats, publiés dans Nature Machine Intelligence, font apparaître des structures de similarité comparables, jusque dans certaines correspondances avec l’activité cérébrale.
Pour interpréter une image, une IA ne peut pas seulement repérer des motifs statistiques : elle doit aussi composer avec la lumière, l’optique, les distances et le mouvement. En s’appuyant sur la physique et la géométrie, la vision artificielle cherche à gagner en précision, en robustesse et en sobriété de données.
Les modèles d’IA ont tendance à répondre, y compris lorsqu’ils se trompent. Des chercheurs de l’université Johns Hopkins proposent de les entraîner à évaluer leur confiance, à réfléchir plus longtemps si nécessaire et, surtout, à s’abstenir dans les situations où une erreur coûte cher.
Une équipe de l’Université de Barcelone a étudié la façon dont des modèles de langage relient les écrits aux traits de personnalité. Son travail éclaire à la fois les promesses de cette analyse automatisée et ses fragilités, notamment lorsque les modèles confondent de vrais signaux psychologiques et simples artefacts statistiques.
Au MIT Sea Grant, le projet LOBSTgER fait dialoguer intelligence artificielle générative et photographie sous-marine. Fondée sur des images réelles et soigneusement documentées, l’initiative veut raconter la biodiversité du golfe du Maine, un milieu marin particulièrement exposé au réchauffement des eaux.
Des chercheurs d’Osnabrück et de la Freie Universität Berlin proposent des réseaux neuronaux organisés comme une surface corticale. Baptisés All-TNNs, ces modèles cherchent à reproduire plus fidèlement que les CNN classiques la manière dont le cerveau distribue les préférences visuelles dans l’espace.
Le MIT a lancé en février 2025 son Generative AI Impact Consortium pour explorer des usages à fort impact de l’IA générative. Après 180 propositions déposées par près de 250 enseignants-chercheurs, 55 projets reçoivent des subventions de démarrage, de l’éducation à la durabilité urbaine en passant par la musique.
Toutes les requêtes envoyées à une IA ne mobilisent pas les mêmes ressources. Une étude menée en Allemagne montre que les modèles qui développent leur raisonnement peuvent alourdir fortement leur bilan carbone, sans que ce coût supplémentaire assure systématiquement une meilleure réponse.
Les grands modèles linguistiques ne lisent pas toujours un long document avec la même attention d’un bout à l’autre. Des travaux menés au MIT éclairent un biais de position : une information placée au milieu peut être moins bien retrouvée que si elle figure au début ou à la fin. Un enjeu majeur pour les usages juridiques, médicaux et professionnels.
Un grand modèle de langage ne traite pas toujours chaque partie d’un long document avec la même fiabilité. Des travaux menés au MIT éclairent le biais de position, qui favorise souvent le début et la fin d’un texte au détriment de son milieu. Un enjeu concret pour les assistants juridiques, médicaux ou de programmation.
Une équipe de l’Université Bar-Ilan propose une méthode d’élagage capable de retirer jusqu’à 90 % des paramètres de certaines couches de réseaux profonds. L’objectif est de réduire la mémoire, les calculs et l’énergie requis, sans dégrader la précision des résultats.
Des chercheurs du MIT ont conçu un accélérateur photonique pour analyser et classer les signaux sans fil à très grande vitesse. Destiné notamment aux futurs réseaux 6G et aux radios cognitives, ce prototype promet moins de latence, une précision de 95 % et une consommation énergétique réduite face aux approches numériques.
Des chercheurs de l’Université Polytechnique de Hong Kong ont conçu un cadre d’analyse vidéo par IA pour estimer l’empathie observée dans des interactions réelles. En étudiant notamment des entretiens de PDG, ils relient le mimétisme émotionnel à des politiques d’entreprise plus pro-sociales. Une piste prometteuse, qui soulève aussi des questions de biais et de vie privée.
Les IA peuvent produire une réponse convaincante tout en étant dans l’erreur, un défaut préoccupant lorsque la santé ou l’industrie sont en jeu. Issue du MIT, Themis AI développe Capsa, une technologie conçue pour repérer l’incertitude, les biais et les données insuffisantes avant qu’une prédiction ne soit utilisée.
Un modèle d’intelligence artificielle baptisé Enoch croise l’analyse de l’écriture avec des datations au carbone 14 pour mieux situer les rouleaux de la mer Morte dans le temps. Publiés en juin 2025, ces travaux suggèrent que plusieurs manuscrits sont plus anciens que ne l’indiquaient les estimations paléographiques habituelles.
Une réponse convaincante n’est pas forcément une explication fidèle. Des chercheurs de Microsoft et du MIT proposent une méthode qui confronte les raisons avancées par les modèles de langage aux facteurs ayant réellement influencé leurs décisions, notamment dans des scénarios de biais social ou de santé.
Une étude publiée en juin 2025 combine datation au carbone 14 et intelligence artificielle pour réexaminer l’âge des manuscrits de la mer Morte. Certains fragments pourraient avoir été copiés plus tôt que ne le suggéraient les analyses de l’écriture seules, sans pour autant réécrire d’un trait l’histoire de la Bible.
Plutôt que de produire une image finie d’un seul coup, SketchAgent construit un croquis trait après trait, comme le ferait une personne qui esquisse une idée. Mis au point par des chercheurs du MIT et de Stanford, ce système explore une collaboration plus directe entre l’humain et l’intelligence artificielle.
Dessiner une idée, ce n’est pas seulement produire une image finale : c’est aussi construire progressivement une représentation compréhensible. Avec SketchAgent, des chercheurs du MIT CSAIL et de l’Université Stanford proposent une IA capable de créer des croquis trait par trait, seule ou aux côtés d’un utilisateur.
Le ciment donne sa résistance au béton, mais son emploi pose aussi un défi de coût et d’empreinte carbone. Des chercheurs du MIT ont conçu un cadre fondé sur l’IA pour passer au crible des matériaux de substitution, des sous-produits industriels aux déchets de démolition.
