Daniela Rus reçoit le prix John Scott pour ses avancées en robotique

Le prix John Scott 2024 distingue une idée qui résume bien la trajectoire de Daniela Rus : un robot n’est pas seulement un logiciel enfermé dans une machine, mais un système complet qui doit sentir, comprendre, décider et agir dans le monde physique. Directrice du Laboratoire d’intelligence artificielle et d’informatique du MIT, plus connu sous le nom de CSAIL, la chercheuse est reconnue pour des travaux ayant élargi les contours de la robotique autonome.

Cette récompense, attribuée par le conseil d’administration des City Trusts de Philadelphie, salue des contributions scientifiques et technologiques susceptibles d’améliorer concrètement la vie humaine. En 2024, Daniela Rus est co-récipiendaire du prix aux côtés de Takeo Kanade, professeur à l’université Carnegie Mellon, et de Vijay Kumar, professeur à l’université de Pennsylvanie. Trois parcours différents, réunis par une même ambition : donner aux machines davantage de capacités pour évoluer de façon fiable hors des laboratoires.

Un prix historique pour l’innovation utile

Le prix John Scott occupe une place singulière dans l’histoire scientifique américaine. Il est présenté comme le premier prix scientifique des États-Unis et s’inscrit dans la tradition philadelphienne qui associe recherche, invention et utilité publique, héritage notamment lié à la figure de Benjamin Franklin.

La cérémonie s’est tenue à Philadelphie, ville où fut signée la Déclaration d’indépendance américaine. Au-delà du symbole, ce cadre rappelle une caractéristique du prix : il ne célèbre pas uniquement une prouesse théorique. Il met à l’honneur des découvertes et inventions dont l’impact peut se mesurer dans le monde réel, qu’il s’agisse de santé, d’industrie, de mobilité ou de connaissance scientifique.

Parmi les lauréats historiques figurent notamment Thomas Edison, Nikola Tesla et Marie Curie, ainsi que de nombreux futurs ou anciens prix Nobel. Pour Daniela Rus, cette distinction vient donc reconnaître une carrière déjà centrale dans un domaine devenu stratégique : celui de l’intelligence artificielle incarnée dans des objets et des machines.

Pourquoi Daniela Rus est-elle récompensée ?

Les recherches de Daniela Rus dépassent l’image classique du robot industriel, programmé pour répéter la même tâche dans une zone strictement balisée. Son travail vise au contraire des machines capables de s’adapter à leur environnement, de travailler avec des personnes et de répondre à des problèmes concrets.

Cette approche oblige à relier plusieurs disciplines. La mécanique détermine la forme, la souplesse et les mouvements possibles d’un robot. Les capteurs lui donnent accès à des informations sur son environnement. Les algorithmes transforment ensuite ces informations en décisions. Enfin, l’interaction avec les humains impose des exigences supplémentaires de sécurité, de compréhension et de prévisibilité.

Lors de son allocution, Daniela Rus a résumé cette vision par une formule qui éclaire son parcours : « Les capacités d’un robot sont définies par son corps physique et l’intelligence qui l’anime ». Autrement dit, améliorer uniquement le logiciel ne suffit pas. Une machine aux algorithmes très performants reste limitée si son corps ne peut ni se déplacer, ni manipuler, ni résister aux contraintes du terrain. À l’inverse, une mécanique sophistiquée ne devient pas autonome sans intelligence pour interpréter ce qui l’entoure.

Cette articulation entre le corps et l’esprit de la machine constitue l’un des fils directeurs de ses travaux. Elle explique aussi la variété des projets associés à son laboratoire, des dispositifs médicaux miniatures aux systèmes collectifs capables de modifier leur propre configuration.

Des robots pour intervenir là où l’humain ne peut pas aller

L’un des projets les plus parlants est le MiniSurgeon, un petit robot en origami conçu pour être ingéré. Son objectif est très précis : aider à extraire des piles bouton avalées par des enfants. Ces piles peuvent être dangereuses dans l’organisme et exigent une intervention rapide. L’intérêt d’un tel dispositif n’est pas de remplacer le personnel médical, mais d’imaginer une voie d’intervention mini-invasive dans une situation où la taille et la fragilité du patient comptent particulièrement.

Le MiniSurgeon illustre une évolution importante de la robotique. Pendant longtemps, le mot robot a renvoyé à de grandes machines rigides, souvent installées dans des usines. Les recherches de Daniela Rus accordent au contraire une place majeure aux structures souples, transformables ou miniaturisées. Leur forme devient une partie active de la solution technique.

Ses équipes ont également développé des créatures robotiques souples, inspirées de poissons et de tortues, pour l’exploration des profondeurs maritimes. Dans les milieux sous-marins, les robots doivent composer avec la pression, le relief, les courants et la difficulté des communications. Des formes souples peuvent offrir une alternative intéressante aux structures mécaniques conventionnelles pour se déplacer et observer sans se limiter aux gestes d’un bras robotique rigide.

Autre démonstration marquante, des bateaux robotiques modulaires peuvent se réassembler pour former des passerelles. L’idée est celle d’une robotique collective : plutôt que de dépendre d’une seule machine très complexe, plusieurs unités peuvent s’organiser afin de constituer une structure adaptée à une tâche. La difficulté ne réside pas seulement dans le déplacement de chaque bateau. Elle tient aussi à leur coordination, à la perception de leur position et à la prise de décision commune.

L’IA explicable, une condition pour faire confiance aux robots

Daniela Rus défend une intelligence machine qui puisse interagir avec le monde physique à l’aide d’algorithmes explicables. Cette expression désigne des méthodes dont le fonctionnement ou les résultats peuvent être compris, examinés et, autant que possible, justifiés par les concepteurs et les utilisateurs.

L’enjeu est particulièrement concret en robotique. Lorsqu’un système recommande une vidéo ou trie des messages, une erreur peut être gênante. Lorsqu’un robot médical, un véhicule autonome ou une machine manipulant des objets prend une décision, les conséquences peuvent être physiques. Il devient alors essentiel de savoir sur quels éléments le système s’est appuyé, dans quelles conditions il est fiable et quelles sont ses limites.

Un robot autonome doit franchir plusieurs étapes avant d’agir :

• percevoir, grâce à des caméras, des capteurs de mouvement ou d’autres instruments ;
• interpréter, en distinguant par exemple un obstacle, une personne ou un objet à saisir ;
• décider, en choisissant une action compatible avec son objectif et les contraintes de sécurité ;
• agir et s’adapter, en tenant compte de ce qui se produit réellement après son mouvement.

Aucune de ces étapes n’est triviale. Le monde réel contient du bruit, des variations de lumière, des objets imprévus et des comportements humains difficiles à anticiper. C’est pourquoi Daniela Rus insiste sur la nécessité d’une réflexion de long terme, plutôt que sur la seule démonstration spectaculaire d’une machine dans un environnement parfaitement contrôlé.

Les réseaux neuronaux liquides, une autre façon de penser l’apprentissage

Parmi les recherches auxquelles Daniela Rus a contribué figurent les réseaux neuronaux liquides. Ces modèles sont inspirés du système nerveux d’un minuscule ver. Ils cherchent à représenter des dynamiques qui évoluent au fil du temps, un aspect décisif pour une machine qui se déplace ou suit des événements continus.

L’expression « liquide » ne signifie pas que le réseau est matériellement fluide. Elle renvoie à son fonctionnement : les états internes du modèle peuvent évoluer de manière flexible selon les données reçues. Cette propriété est particulièrement pertinente pour des situations telles que la navigation, où la machine doit tenir compte à la fois de ce qu’elle vient d’observer, de sa trajectoire et des changements dans l’environnement.

Les travaux évoqués montrent qu’un algorithme fonctionnant avec seulement 19 neurones peut naviguer dans des environnements complexes. Ce chiffre ne veut pas dire qu’un réseau de 19 neurones convient à toutes les applications d’intelligence artificielle. Il met plutôt en lumière une question fondamentale de la recherche : peut-on obtenir des comportements utiles avec des modèles plus compacts, plus efficaces et potentiellement plus faciles à analyser ?

Cette piste contraste avec une tendance contemporaine de l’IA, celle de modèles toujours plus grands et plus gourmands en données et en puissance de calcul. Pour la robotique embarquée, où l’énergie, la mémoire et la rapidité de réaction sont limitées, l’efficacité des modèles est une contrainte pratique autant qu’un sujet scientifique.

Une carrière tournée vers les personnes autant que vers les machines

Interrogée sur les travaux qui comptent le plus pour elle, Daniela Rus ne met pas en avant ses robots métalliques ou souples. Elle souligne plutôt les étudiants et chercheurs qu’elle a accompagnés au fil de sa carrière. Cette réponse rappelle un aspect moins visible des grandes avancées scientifiques : les laboratoires sont aussi des lieux de formation, où se construisent les méthodes, les collaborations et les vocations de demain.

Dans un champ aussi vaste que l’intelligence artificielle, ce rôle de mentorat a une importance particulière. Concevoir des robots utiles exige de faire travailler ensemble des spécialistes de l’informatique, de la mécanique, de l’électronique, du design et parfois de la médecine ou des sciences marines. Former des chercheurs capables de dialoguer entre ces domaines est donc une condition de l’innovation.

La reconnaissance reçue en 2024 distingue ainsi une œuvre scientifique, mais aussi une conception de la recherche : s’attaquer à des problèmes complexes, avancer par expérimentations et ne pas dissocier la technologie de ses usages humains.

Ce qu’il faut surveiller pour la robotique autonome

Le prix John Scott attribué à Daniela Rus intervient à un moment où l’intelligence artificielle attire une attention considérable, notamment grâce aux modèles génératifs. Mais la robotique pose des questions différentes et souvent plus exigeantes. Un logiciel conversationnel peut opérer dans un écran. Un robot, lui, doit affronter la gravité, l’usure, les objets fragiles, les espaces encombrés et la présence humaine.

Les prochaines avancées dépendront donc de plusieurs équilibres. Les robots devront être suffisamment autonomes pour accomplir des tâches utiles, sans devenir imprévisibles. Ils devront être capables d’apprendre, tout en restant contrôlables. Ils devront enfin être conçus pour compléter le travail humain dans des domaines où leur précision, leur endurance, leur petite taille ou leur capacité à accéder à des zones difficiles apportent une réelle valeur.

Les projets de Daniela Rus montrent que la réponse ne viendra probablement pas d’un unique robot universel. Elle pourrait émerger d’une diversité de machines, adaptées à des environnements et à des missions précises : une capsule médicale miniature, un robot souple sous l’eau, un ensemble de modules formant une passerelle, ou un système mobile guidé par une intelligence compacte. C’est cette rencontre entre forme physique, algorithmes et besoins réels que le prix John Scott vient saluer en 2024.