Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 374 articles
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.
