L’IA va accélérer la science — et c’est peut-être sa plus grande promesse
En 2020, un problème vieux de 50 ans a été résolu en quelques mois.
La structure des protéines — comprendre comment une chaîne d’acides aminés se replie dans l’espace pour former une molécule fonctionnelle — était l’un des grands défis ouverts de la biologie. Des milliers de chercheurs avaient passé des décennies dessus. Les méthodes expérimentales prenaient des années pour résoudre une seule structure.
AlphaFold, le système de DeepMind, a prédit avec une précision quasi-parfaite la structure de 200 millions de protéines en quelques mois. Toutes les protéines connues.
Ce n’était pas une amélioration incrémentale. C’était un changement de catégorie.
Ce que Gawdat appelle « l’intelligence abondante »
Mo Gawdat formule une hypothèse centrale : la plupart des problèmes non résolus de l’humanité sont des problèmes d’intelligence insuffisante.
Pas de volonté — il y a des millions de chercheurs, de médecins, d’ingénieurs qui travaillent sur le cancer, la faim, le changement climatique. Pas de ressources non plus, relativement. Le goulot d’étranglement, c’est la capacité à traiter de l’information complexe, à tester des hypothèses, à identifier des patterns dans des données massives.
L’IA supprime ce goulot.
Ce qu’il appelle « l’intelligence abondante » — une IA disponible pour n’importe quel chercheur, n’importe où, à faible coût — change l’équation fondamentale de la découverte scientifique.
La recherche qui s’auto-expérimente
Le changement le plus radical n’est pas que l’IA aide les humains à chercher plus vite. C’est qu’elle commence à chercher par elle-même.
Les systèmes d’IA les plus avancés sont déjà capables de :
– Formuler des hypothèses à partir de corpus scientifiques existants
– Concevoir des expériences pour les tester
– Analyser les résultats en temps réel
– Itérer sur le protocole à une vitesse impossible pour un humain
Gawdat décrit des systèmes capables de s’améliorer à l’échelle de la microseconde — tester, ajuster, redéployer, tester à nouveau, en boucles continues que aucune équipe humaine ne pourrait suivre.
Ce n’est plus de l’assistance à la recherche. C’est de la recherche autonome.
Les domaines où ça va changer le monde
Médecine et biologie. AlphaFold est l’exemple le plus visible, mais c’est le début. L’IA commence à identifier des molécules médicamenteuses candidates que les méthodes traditionnelles ne trouveraient pas. Des systèmes comme AlphaFold 3 étendent maintenant la prédiction aux interactions entre protéines, ADN, ARN, et médicaments — accélérant radicalement le pipeline de découverte pharmaceutique.
Énergie et matériaux. La fusion nucléaire, la conception de nouvelles batteries, les matériaux supraconducteurs à température ambiante — tous ces domaines dépendent de la capacité à explorer des espaces de solutions exponentiellement grands. L’IA peut faire ça.
Climatologie et agronomie. Modéliser des systèmes complexes, optimiser l’utilisation des sols, anticiper les effets de changements marginaux de politique agricole — des problèmes qui nécessitaient des supercalculateurs pendant des semaines peuvent maintenant être approchés autrement.
Mathématiques. Les systèmes d’IA commencent à identifier des conjectures, à trouver des preuves dans des espaces où les humains ne regardaient pas. Ce n’est plus de la science-fiction — des résultats ont déjà été publiés en co-authorship humain/IA dans des revues sérieuses.
Le test de la brosse à dents
Gawdat utilise une expression de Larry Page pour décrire comment l’IA devrait aborder ces problèmes : le test de la brosse à dents.
Trouvez un problème majeur. Résolvez-le si bien que la solution devient aussi indispensable qu’une brosse à dents — quelque chose que les gens utilisent deux fois par jour sans y penser.
C’est une invitation à ne pas chercher des solutions impressionnantes, mais des solutions utiles : celles qui s’intègrent dans la vie réelle et changent silencieusement les comportements à grande échelle.
L’IA médicale qui réduit les erreurs de diagnostic de 30% sans que le patient sache comment ça fonctionne. Le modèle climatique qui permet à 10 000 agriculteurs d’optimiser leur irrigation automatiquement. La molécule identifiée par AlphaFold qui devient un médicament contre une maladie rare orpheline.
La mise en garde
Gawdat est honnête sur le paradoxe : la même accélération qui promet des découvertes médicales majeures alimente aussi le développement d’armes autonomes, de surveillance numérique, et d’outils de désinformation.
La science n’est pas neutre. Elle amplifie ce que les humains choisissent de faire avec elle.
Ce qui change à l’ère de l’AGI, c’est la vitesse à laquelle les applications se déploient — pour le meilleur et pour le pire. Il n’y a plus de délai naturel entre la découverte et l’application qui permettrait à la société de s’adapter.
C’est pourquoi Gawdat parle d’une boîte de Pandore : une fois ouverte, elle libère à la fois les espoirs et les dangers, simultanément, sans pause.
Ce que ça signifie concrètement
Pour un professionnel en 2026, voilà ce qui change maintenant :
Les compétences de recherche s’industrialisent. Ce qui prenait une équipe de 5 personnes et 6 mois peut maintenant être approché avec les bons outils et quelques semaines. Ce n’est pas une menace si vous apprenez à diriger ces outils — c’est un levier.
La capacité à poser les bonnes questions devient critique. L’IA peut répondre à des milliers de questions. Mais identifier laquelle poser, avec quel cadrage, pour résoudre quel vrai problème — ça reste humain.
L’interdisciplinarité explose. Les meilleures applications de l’IA en science viennent souvent de croisements inattendus : un biologiste qui comprend le machine learning, un physicien qui travaille sur des problèmes de finance, un médecin qui code. Les silos se cassent.
L’accélération scientifique portée par l’IA n’est pas garantie d’être bonne. Mais elle est, selon Gawdat, la meilleure raison d’être optimiste sur le long terme — le mécanisme par lequel la décennie douloureuse qui vient débouche éventuellement sur quelque chose de meilleur.
AlphaFold en était le signal avant-coureur. Il y en aura beaucoup d’autres.
Sources : Mo Gawdat, ex-CBO Google X — « The Diary of a CEO » with Stephen Bartlett · DeepMind / AlphaFold — nature.com · Prix Nobel de Chimie 2024 décerné à Demis Hassabis et John Jumper (DeepMind) pour AlphaFold
Laisser un commentaire