Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 379 articles
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.
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.
Des chercheurs du MIT proposent MBTL, un algorithme qui choisit les tâches d’entraînement les plus utiles pour un agent d’IA. Testée en simulation sur la gestion du trafic, cette méthode fondée sur l’apprentissage par transfert affiche une efficacité annoncée de cinq à 50 fois supérieure à des approches classiques.
Modéliser chaque arbre dans un environnement numérique pourrait transformer la gestion des espaces verts urbains. En combinant images, capteurs et intelligence artificielle, les jumeaux numériques promettent d’aider les villes à anticiper les risques, à planifier les plantations et à mieux répartir les bénéfices de la végétation.
Niantic veut tirer parti de millions de scans réalisés dans ses applications, dont Pokémon Go, pour entraîner un modèle d’intelligence artificielle géospatiale. Héritier de son système de positionnement visuel, ce projet entend aider machines et applications à mieux situer, lire et comprendre les espaces physiques.
L’intelligence artificielle progresse, mais son entraînement mobilise des ressources informatiques considérables. Des chercheurs étudient une piste inspirée de l’apprentissage humain : commencer par des réseaux de neurones plus petits et des exercices gradués, afin de conserver de bonnes performances tout en limitant les besoins énergétiques.
Google.org annonce 20 millions de dollars de subventions, complétés par 2 millions de dollars de crédits cloud, pour des recherches scientifiques utilisant l’IA. Des projets sur les cancers féminins, la résistance aux antibiotiques et de nouveaux plastiques figurent parmi les premiers bénéficiaires cités.
Exécuter un grand modèle de langage sans dépendre en permanence d’un serveur distant devient plus envisageable. Des chercheurs de Princeton et Stanford présentent CALDERA, une méthode de compression testée sur Llama 2 et Llama 3, qui associe calcul à faible précision et réduction des redondances.
Les attaques par inférence d’appartenance sont couramment utilisées pour savoir si un texte a servi à entraîner un modèle de langage. Une évaluation menée par des chercheurs, dont David Evans, montre pourtant que ces tests peuvent être peu fiables. En cause, la difficulté à définir ce qui distingue réellement une donnée d’entraînement d’une donnée extérieure.
Des chercheurs du NIST ont mis au point un algorithme capable de reconnaître le bruit produit par une batterie lithium-ion sous pression. Lors de leurs essais, le signal apparaît environ deux minutes avant une défaillance catastrophique et l’IA l’identifie dans 94 % des cas.
Au MIT, le chercheur Markus J. Buehler a conçu un système d’IA qui cartographie des relations entre connaissances scientifiques et références artistiques. Alimenté par 1 000 articles, il met notamment en regard des structures biologiques, la musique de Beethoven et l’art abstrait de Kandinsky pour faire émerger des pistes de matériaux.
Développé par le professeur Markus J. Buehler au MIT, un modèle d’IA transforme la littérature scientifique en cartes de connaissances connectées. Son ambition : révéler des liens inattendus entre des concepts, identifier des angles morts et proposer de nouvelles pistes pour les matériaux biologiques.
Prendre la parole au bon moment est un geste social que les IA maîtrisent encore mal. Une étude menée à Tufts montre que le contenu des mots, davantage que les pauses ou l’intonation, guide cette décision. Or les modèles entraînés surtout sur l’écrit ne disposent pas des bonnes expériences conversationnelles.
Avant de devenir la technologie qui alimente les assistants génératifs et les outils de reconnaissance d’images, le deep learning a longtemps suscité le doute. Entre 2007 et 2012, ImageNet, AlexNet et les GPU ont fait converger données, algorithmes et puissance de calcul, changeant durablement la trajectoire de l’intelligence artificielle.
Des chercheurs de l’Université de Wuhan ont conçu un memristor à commutation analogique fondé sur des matériaux bidimensionnels. Le composant atteint un rapport on/off de 10⁸ et a été évalué, en simulation, dans une tâche de reconnaissance d’images. Une piste prometteuse pour des puces d’IA moins énergivores.
Comprendre quels gènes agissent sur quels autres est une question centrale de la biologie moderne. Des chercheurs du MIT proposent un cadre théorique et un algorithme d’apprentissage automatique pour reconstruire ces relations à partir de données d’observation, sans multiplier d’emblée les expériences en laboratoire.
L’ASI Alliance présente AIRIS, un agent d’intelligence artificielle conçu pour observer, expérimenter et s’adapter dans le monde en trois dimensions de Minecraft. Derrière cette démonstration de navigation se dessine une ambition plus vaste : tester des mécanismes d’apprentissage autonome utiles, à terme, à des systèmes capables d’agir dans des environnements imprévisibles.
L’intelligence artificielle ne se contente plus de lire l’ADN : elle aide à imaginer des séquences capables d’activer un gène dans certaines cellules. En s’attaquant aux éléments cis-régulateurs, la recherche espère accélérer l’étude des maladies et la biologie de synthèse, tout en se heurtant à des contraintes expérimentales et éthiques.
À partir de 100 échantillons accumulés en onze ans, une équipe japonaise a entraîné des modèles pour guider la conception d’électrodes sodium-ion. Leur méthode, complétée par une optimisation bayésienne, a désigné une composition d’oxyde de sodium ensuite testée expérimentalement. Une démonstration concrète de l’IA au service de la science des matériaux.
Les modèles d’IA générative peuvent rédiger, programmer et même donner des itinéraires plausibles. Mais une étude menée au MIT suggère qu’ils ne construisent pas toujours une représentation cohérente du monde qu’ils décrivent. Face à de petits changements de situation, leurs performances peuvent soudainement s’effondrer.
Les modèles génératifs écrivent, programment et répondent avec une aisance spectaculaire. Mais une recherche montre que cette fluidité peut masquer une représentation incohérente du réel : dans des tests de navigation et de jeu, de petits changements suffisent à les déstabiliser.
