L’IA va-t-elle déclencher un âge d’or scientifique ?

En l'espace de quelques années, l'intelligence artificielle (IA) a révolutionné de nombreux domaines de la recherche scientifique, souvent de manière discrète avant de devenir accessible au grand public. Cette révolution, loin de se limiter aux outils génératifs de texte ou d'image, a permis des avancées spectaculaires dans des disciplines variées, en exploitant sa capacité à identifier des signaux faibles dans d'immenses ensembles de données. Cette première partie se concentre sur les aspects positifs de ces découvertes. Dans le domaine de la biologie structurale, l'IA a radicalement accéléré la détermination de la structure tridimensionnelle des protéines. Historiquement, malgré l'identification de millions de formules chimiques de protéines, prédire leur forme spatiale, cruciale pour leur fonction, était un processus long et complexe. Une protéine moyenne, composée de centaines d'acides aminés, présente une infinité de configurations possibles. Avant l'avènement de l'IA, la découverte de la structure de seulement quelques dizaines de protéines par an était un exploit. L'arrivée d'AlphaFold, un système d'IA de Google DeepMind, a changé la donne. En un peu plus d'un an, il a prédit la structure de 360 000 nouvelles protéines, dépassant le total des découvertes antérieures. La version améliorée en 2022 a permis de prédire les formes tridimensionnelles des 200 millions de protéines connues. Cette avancée a valu à ses créateurs le prix Nobel de chimie en 2024. AlphaFold 3 et d'autres modèles de chimie générative s'attaquent désormais à la prédiction des affinités moléculaires, de la toxicité et de la stabilité, réduisant des mois de recherche à une nuit de calcul pour évaluer des interactions moléculaires. Bien que cela ne remplace pas les étapes de développement d'un médicament, cela permet d'éviter les fausses pistes dès le départ. Les neurosciences ont également bénéficié d'avancées majeures grâce à l'IA, notamment dans la cartographie intégrale des cerveaux. Le projet Flywire a, par exemple, cartographié intégralement le connectome d'une mouche adulte, révélant ses 139 000 neurones et plus de 50 millions de connexions synaptiques. La reconstruction virtuelle des prolongements neuronaux à partir de milliers de tranches fines du cerveau a rendu possible cette cartographie complexe. Bien que le cerveau humain, avec ses milliards de neurones, reste un défi immense, ces projets constituent des étapes cruciales. Le projet Micro a cartographié, à la cellule près, un millimètre cube de cortex visuel de souris, numérisant 75 000 neurones, 200 000 cellules et 500 millions de synapses. Ces cartes devraient améliorer notre compréhension du cerveau et potentiellement aider à traiter les troubles neurologiques. Parallèlement, des neuroprothèses intégrant l'IA traduisent l'activité neuronale du cortex lié à la parole en mots, atteignant une vitesse de 78 mots par minute, offrant ainsi une nouvelle voie de communication aux personnes atteintes de paralysie. En chimie des matériaux, l'IA a considérablement élargi le champ des possibles. Avant son avènement, seuls 150 000 matériaux inorganiques étaient identifiés, dont 28 000 jugés stables et intéressants. En 2023, Gnome, un modèle de Google DeepMind, a découvert près de 2,2 millions de nouvelles structures cristallines, dont 380 000 matériaux théoriquement stables, multipliant par treize le nombre de candidats potentiels pour améliorer les batteries, les panneaux solaires, les semi-conducteurs et les catalyseurs. La chimie des matériaux étant un espace de possibilités gigantesque, l'IA agit comme un filtre puissant, suggérant des ingrédients et des combinaisons auparavant inexplorés. Un modèle de Microsoft a identifié 18 candidats prometteurs pour les batteries à électrolyte solide parmi 32 millions de cristaux potentiels en seulement trois jours et demi de calcul. L'IA agit comme un entonnoir numérique, traitant des millions de possibilités pour identifier les plus pertinentes. Elle utilise des données expérimentales et des simulations pour rechercher des régularités cachées et créer des modèles de substitution, fournissant des approximations rapides de phénomènes complexes, jusqu'à 100 à 1000 fois plus vite que les méthodes classiques. Cette "soufflerie numérique" accélère les tests de formes et de matériaux dans des domaines comme la mécanique des fluides, l'aérodynamisme, l'acoustique et le génie mécanique. Dans le domaine de la météo et du climat, des modèles d'IA développés par Nvidia, Huawei, Microsoft et Google ont démontré la capacité de faire des prévisions météorologiques globales comparables aux modèles classiques, mais avec une puissance de calcul 1000 à 10000 fois moindre. Cependant, ces modèles peinent encore à prédire les événements extrêmes, rendant les modèles physiques traditionnels essentiels pour les sciences du climat. Les mathématiques, auparavant considérées comme un domaine peu susceptible d'être impacté par l'IA, ont vu des avancées notables. En 2024, les modèles AlphaProof et AlphaGeomtry 2 de Google DeepMind ont résolu quatre des six problèmes de l'Olympiade internationale de mathématiques, obtenant l'équivalent d'une médaille d'argent. Ces problèmes exigent non seulement des calculs, mais aussi une logique rigoureuse et la construction de chaînes de raisonnement. L'année suivante, d'autres modèles ont atteint le seuil de la médaille d'or. En janvier 2026, GPT 5.2 Pro a résolu de manière autonome un problème d'Ardos, un problème qui résistait aux meilleurs mathématiciens depuis des décennies. L'IA a également permis de réfuter une conjecture majeure datant de 1966, en utilisant des chemins de raisonnement inédits. L'IA contribue aussi à la formalisation des démonstrations mathématiques, traduisant les raisonnements en langage informatique vérifiable par des logiciels, accélérant ainsi la validation des preuves complexes. Dans les sciences observationnelles, l'IA excelle dans l'identification de patterns dans d'énormes volumes de données. En cosmologie numérique, elle permet d'émuler davantage de versions du cosmos, améliorant les simulations basse résolution en super résolution. Dans le domaine de la fusion nucléaire, l'IA optimise les paramètres de confinement et prévoit les instabilités du plasma. En physique des particules, elle améliore le traitement des données générées par les accélérateurs. En astronomie, des modèles comme Exominer de la NASA ont contribué à la découverte de 370 nouvelles exoplanètes. L'IA a également permis de découvrir 1200 nouvelles lentilles gravitationnelles et plus de 1300 objets lointains inédits dans les archives du télescope spatial. L'imagerie médicale bénéficie également de l'IA pour améliorer la détection précoce des maladies en assistant les médecins dans l'interprétation des images radiologiques, mammographiques et d'IRM. En agronomie, l'IA analyse des millions de photos satellites couplées à des données météorologiques et sur les sols pour prévoir l'évolution des cultures, estimer les récoltes et optimiser la gestion de l'eau. Des cartes mondiales de parcelles agricoles ont été établies en interprétant les images satellites, prenant en compte les textures, les couleurs et leur évolution. En épidémiologie, l'IA analyse les séquences génétiques virales pour repérer les