Google.org alloue 20 millions de dollars à l’IA au service de la recherche scientifique

L’intelligence artificielle ne sert pas seulement à rédiger un texte, générer une image ou répondre à une question. Elle devient aussi un outil de recherche capable d’aider les scientifiques à trier des masses de données, à formuler des hypothèses ou à identifier des pistes expérimentales. C’est sur cette promesse que Google.org, la branche philanthropique de Google, annonce le 19 novembre 2024 un nouveau soutien de 20 millions de dollars, complété par 2 millions de dollars de crédits cloud, pour des projets scientifiques propulsés par l’IA.

L’annonce a été faite par Demis Hassabis, cofondateur et directeur général de Google DeepMind. L’ambition affichée est d’aider des chercheurs partout dans le monde à mobiliser l’IA dans des domaines où les découvertes restent lentes, coûteuses et difficiles, de la lutte contre la résistance aux antibiotiques à la recherche sur le cancer, en passant par les matériaux.

20 millions de dollars pour rapprocher IA et recherche

Le dispositif prend la forme de subventions, autrement dit d’un financement qui ne repose pas sur une prise de participation dans les organisations soutenues. Google.org cible principalement les institutions académiques et les organisations à but non lucratif. Ce choix est important : nombre de laboratoires et d’associations disposent d’une expertise scientifique ou médicale très pointue, mais n’ont pas forcément les ressources financières et informatiques nécessaires pour développer et faire fonctionner des systèmes d’IA.

Les crédits cloud s’ajoutent à l’enveloppe financière. Dans la recherche assistée par IA, ils peuvent donner accès à l’infrastructure de calcul et de stockage utilisée pour entraîner des modèles, manipuler de grands jeux de données ou réaliser des simulations. La puissance informatique n’est pas, à elle seule, une découverte scientifique. Elle est toutefois devenue une ressource déterminante pour de nombreux travaux fondés sur les données.

Cette initiative ne consiste donc pas à promettre qu’un algorithme remplacera les biologistes, les médecins ou les chimistes. Elle vise plutôt à équiper leurs équipes d’outils supplémentaires et à réduire certaines étapes particulièrement lourdes : explorer des combinaisons moléculaires, classer des résultats d’imagerie, détecter des signaux dans des données médicales ou analyser des publications scientifiques.

Quels projets sont concernés par ce financement ?

Les bénéficiaires cités montrent l’étendue des disciplines que Google.org souhaite soutenir. Il ne s’agit pas d’un programme limité à la recherche informatique : l’IA y est envisagée comme une méthode au service de problèmes concrets de santé publique, d’environnement et de science des matériaux.

Materiom figure parmi les organisations mentionnées. Son travail porte sur la création de plastiques innovants. Dans ce type de recherche, l’IA peut servir à explorer plus rapidement un vaste espace de formulations et de propriétés possibles. Concevoir un matériau implique en effet de tenir compte de critères parfois contradictoires : résistance, souplesse, durabilité, impact environnemental ou facilité de fabrication. Les méthodes de calcul peuvent aider à orienter les essais, mais les validations restent expérimentales.

Le Women’s Cancer Institute, conduit par l’Institut Curie, reçoit également un soutien pour améliorer la détection et le traitement des cancers féminins. L’IA est déjà étudiée dans de nombreux contextes médicaux, notamment pour analyser des images, organiser des données cliniques ou identifier des profils susceptibles d’intéresser la recherche. Son intérêt potentiel repose sur sa capacité à analyser des informations complexes à grande échelle. Mais une aide à la décision n’équivaut pas à une décision médicale : l’évaluation clinique et l’expertise des soignants demeurent essentielles.

Enfin, Doctors Without Borders, nom sous lequel est désignée l’organisation Médecins Sans Frontières dans l’annonce, est soutenue pour ses travaux contre la résistance aux antibiotiques. Ce phénomène survient lorsque des bactéries évoluent et ne répondent plus à certains traitements. Il complique la prise en charge des infections et constitue un enjeu majeur de santé mondiale. L’IA peut notamment contribuer à analyser des données et à accélérer l’identification de pistes de recherche, mais elle ne contourne ni les essais nécessaires ni les exigences de sécurité propres au développement de traitements.

Pourquoi l’IA peut-elle accélérer certaines découvertes ?

La recherche scientifique avance souvent par un mélange de théorie, d’observation, d’expérimentation et de validation par les pairs. Dans plusieurs disciplines, le nombre de possibilités à examiner est devenu si important qu’il dépasse largement les capacités d’analyse manuelle. Une molécule peut, par exemple, être modifiée de très nombreuses façons. Un ensemble de données biologiques ou médicales peut contenir des millions de mesures.

Les outils d’IA sont particulièrement utiles pour repérer des régularités dans ces informations, prédire certaines propriétés ou proposer un ordre de priorité parmi les expériences possibles. Cela peut permettre aux équipes de consacrer davantage de temps aux hypothèses les plus prometteuses. En revanche, une prédiction produite par un modèle n’est pas une preuve. Elle doit être confrontée aux données, reproduite et, selon le domaine, validée en laboratoire ou en situation clinique.

Comment Google.org choisira-t-il les organisations soutenues ?

Google.org prévoit une sélection associant ses propres équipes spécialisées en IA et des avis extérieurs. L’organisation travaillera avec des membres de Google DeepMind, de Google Research et d’autres groupes axés sur l’intelligence artificielle, tout en consultant des experts externes.

Ce processus doit permettre de croiser plusieurs critères. Un projet peut être techniquement ambitieux, mais manquer de données adaptées, de protocole de validation ou de partenaires de terrain. À l’inverse, une équipe très compétente sur un sujet médical ou environnemental peut avoir besoin d’une infrastructure de calcul et de compétences en IA. L’enjeu est donc de financer des travaux où la technologie répond à un besoin scientifique réel, plutôt que des démonstrations sans application solide.

L’annonce ne précise pas le calendrier exact de distribution des fonds. Elle fixe en revanche une orientation nette : faire parvenir le soutien à des organisations capables d’utiliser l’IA pour produire des avancées scientifiques significatives.

Une stratégie philanthropique qui s’inscrit dans la durée

Cette enveloppe ne constitue pas la première intervention de Google.org dans l’IA appliquée à la recherche. L’organisation indique avoir engagé plus de 200 millions de dollars au cours des cinq dernières années dans des initiatives comparables. Elle s’inscrit aussi dans une stratégie plus large de soutien aux structures non lucratives et académiques travaillant avec l’intelligence artificielle.

Parmi les autres dispositifs évoqués figurent un fonds de 20 millions de dollars pour soutenir des groupes de réflexion et institutions académiques, ainsi qu’un programme d’accélération de l’IA générative destiné aux organisations à but non lucratif. Ces programmes partagent un même constat : les ressources nécessaires pour développer l’IA, notamment les données, les compétences et la puissance de calcul, sont inégalement réparties.

Le mouvement dépasse Google. Amazon a récemment annoncé 110 millions de dollars sous forme de crédits et de subventions afin d’attirer des chercheurs en IA. Pour les grands groupes technologiques, soutenir la recherche offre à la fois une manière de contribuer à des enjeux collectifs et de renforcer les écosystèmes scientifiques qui utilisent leurs infrastructures et leurs expertises.

Cela pose également une question de gouvernance. Les fondations et programmes philanthropiques peuvent accélérer des projets qui auraient du mal à trouver des financements classiques. Mais il est essentiel que les priorités scientifiques restent définies par l’intérêt public, les institutions de recherche et les besoins des populations concernées, en particulier dans les domaines de la santé.

Des promesses concrètes, mais des limites à ne pas oublier

L’expression « IA pour la science » peut recouvrir des réalités très différentes. Un modèle peut aider à analyser des images de cellules, à étudier la structure de molécules ou à prédire les caractéristiques d’un matériau. Ces usages n’ont ni le même niveau de maturité ni les mêmes risques. Dans le domaine médical, les erreurs, les biais dans les données et la protection des informations de santé exigent une vigilance particulière.

L’accès aux ressources de calcul est un autre enjeu. Les crédits cloud peuvent aider une petite équipe à lancer des travaux qui auraient été hors de portée financièrement. Toutefois, les chercheurs doivent aussi disposer de données fiables, de protocoles transparents et de personnel capable d’évaluer les résultats. La qualité scientifique dépend de l’ensemble de cette chaîne, et non de la seule puissance du modèle utilisé.

La reproductibilité constitue également un point central. Pour qu’une découverte soit utile, d’autres équipes doivent pouvoir comprendre la méthode, tester les résultats et, idéalement, les reproduire. Les modèles d’IA complexes peuvent rendre cet exercice plus difficile lorsqu’ils reposent sur des données peu accessibles ou des paramètres difficiles à interpréter. Les projets soutenus devront donc démontrer leur valeur au-delà des performances techniques annoncées.

Ce qu’il faut surveiller

La première question sera celle des résultats : les financements annoncés se traduiront-ils par des outils, des jeux de données, des publications ou des avancées mesurables dans la lutte contre le cancer, la résistance aux antibiotiques ou la conception de matériaux ? L’annonce met en avant des domaines dont les impacts potentiels sont considérables, mais où les cycles de recherche peuvent être longs.

Il faudra aussi suivre la répartition effective des subventions. Les projets associant expertise scientifique, besoins de terrain et capacité de validation seront les mieux placés pour convertir le soutien informatique et financier en résultats utiles. Dans la santé notamment, la valeur d’une IA se mesure moins à sa sophistication qu’à sa capacité à améliorer, de manière démontrée et sûre, la recherche puis la prise en charge des patients.

Enfin, cette initiative illustre une évolution plus profonde : l’IA devient progressivement une infrastructure de recherche, au même titre que les instruments de mesure, les bases de données ou les plateformes de calcul. Le défi sera de faire en sorte que cette infrastructure reste au service d’une science rigoureuse, accessible et orientée vers les besoins les plus urgents.