SCIENCE · RÉPONSE COURTE
Ce qu’il faut retenir.
Oui, l’IA peut déjà aider sur certaines tâches scientifiques : prédire une structure, analyser des données ou explorer des solutions. Son importance pourrait grandir dans les prochaines années. Le rythme et l’ampleur des découvertes qui en résulteront restent difficiles à prévoir.
Repères : [27] Highly accurate protein structure prediction with AlphaFold · [28] The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery
État de la question
TYPE : OBSERVATION / MESUREDes gains sur des tâches scientifiques : démontrés dans des cas précis.Soutien : FORTEMENT ÉTAYÉ
TYPE : HYPOTHÈSEUne accélération générale de toutes les découvertes : non établie.Soutien : INCONNU / NON TRANCHÉ
Type et soutien concernent chaque proposition, pas tout le dossier. Une inférence peut être très robuste. Lire les deux dimensions.
Des traces aux conclusions
Comment le savons-nous ?
Comparer les appuis et leurs limites
Une prédiction évaluée
- OBSERVATION / MESURE
- AlphaFold a produit des prédictions de structures évaluées dans CASP14.
- INFÉRENCE
- L’IA peut apporter un progrès important à une tâche scientifique précisément définie.
- COMMENTAIRE MÉTHODOLOGIQUE
- Une bonne structure prédite n’établit pas à elle seule toute la fonction d’une protéine ou l’efficacité d’un traitement.
Source de ce raisonnement : [27] Highly accurate protein structure prediction with AlphaFold
Automatiser une partie de la recherche
- OBSERVATION / MESURE
- The AI Scientist présente des démonstrations d’un processus de recherche automatisé dans des sous-domaines de l’apprentissage automatique.
- INFÉRENCE
- Certaines étapes peuvent être enchaînées automatiquement dans ces conditions.
- COMMENTAIRE MÉTHODOLOGIQUE
- Une démonstration limitée ne mesure pas une autonomie scientifique universelle ni la qualité de toutes les conclusions.
Source de ce raisonnement : [28] The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery
Suivre un exemple, de la mesure à la conclusion
SCIENCE · SUIVRE UN EXEMPLE
Une proposition scientifique doit encore être éprouvée
- Proposition
AlphaFold produit une structure de protéine prédite.
- Évaluation
CASP14 permet de comparer les prédictions à des références indépendantes de la réponse proposée.
- Résultat
Une meilleure prédiction constitue un gain sur une tâche scientifique précise.
- Portée
Ce gain peut aider la recherche ; il faut encore mesurer son effet sur le travail complet.
- Limite
La structure ne suffit pas à établir une fonction biologique ni l’efficacité d’un traitement.
Publications utilisées pour cet exemple : [27]
La vérification reste indispensable
Proposer une explication et la confronter à des données sont des étapes différentes. L’IA peut aider à plusieurs endroits. [28] [33]
La limite de cette image
Un texte convaincant n’est pas une validation expérimentale.
Ouvrir le schéma ↗Ce qui ferait évoluer ce dossier
Un gain de temps qui subsisterait en comptant la vérification, les erreurs et les tentatives infructueuses renforcerait la promesse d’accélération. S’il disparaissait après ce bilan sur des tâches représentatives, une démonstration spectaculaire resterait un gain local.
LA QUÊTE · critère de lecture proposé, pas résultat annoncé.INCONNU / La frontière du dossier
Ce que nous ignorons.
Quels domaines progresseront le plus ? Quel travail de vérification restera nécessaire ? Le volume de propositions ne suffit pas à répondre.
Prendre le temps
Aller plus loin.
Ouvrez ce dont vous avez besoin : les images, les ateliers et les raisonnements détaillés du dossier sont conservés ici.
Lire les images et leurs limites
Les images et leurs indices
Une proposition confrontée au terrain
Agrandir ↗Observation orbitale annotée
La route proposée et la route parcourue
Le trajet prévu avec l’aide d’une IA apparaît en magenta ; le trajet effectué le 10 décembre 2025, en orange. La NASA décrit cette démonstration en janvier 2026.
Comment lire cette image
Les commandes ont été vérifiées par les équipes avant leur envoi. Cette expérience ne montre pas une IA décidant seule de toute une mission.
NASA/JPL-Caltech/UofA · 2026 · Réutilisation informative selon les règles NASA · Source originale ↗
Manipuler, comparer et préciser les mots
Pour se représenter les choses
L’IA dans une chaîne de recherche
Des dessins pour comprendre les mécanismes. Leurs limites sont indiquées sous chaque image.
Une proposition, plus vite
AlphaFold prédit des structures de protéines à partir d’informations sur leurs séquences. Ces prédictions aident la recherche. [27]
La limite de cette image
Le dessin est imaginaire ; une structure prédite n’explique pas toute la biologie.
Ouvrir le schéma ↗
Garder les traces du raisonnement
Données, méthode, incertitudes et possibilités de réplication permettent d’examiner un résultat. [28] [33]
Schémas originaux La Quête · dessins explicatifs, sans échelle. Crédits et sources.
Une IA propose une explication convaincante. Est-ce une découverte ?
Choisis une proposition : chaque réponse explique le raisonnement.
Développer le raisonnement
De l’aide au chercheur à la découverte vérifiée
Ce qui a déjà changé
AlphaFold illustre une contribution majeure à un problème précis : la prédiction de structures de protéines. Son évaluation scientifique fournit un exemple plus solide qu’une promesse générale selon laquelle l’IA pourrait « tout résoudre ». [27]
La portée limitée des démonstrations d’automatisation
D’autres travaux cherchent à automatiser plusieurs étapes de recherche. The AI Scientist présente une démonstration dans des sous-domaines de l’apprentissage automatique. Il faut conserver cette portée : ce n’est pas la démonstration d’un chercheur autonome fiable dans toutes les sciences. [28]
Où elle pourrait peser dans les prochaines années
Une aide plus fiable à la programmation, à l’analyse de mesures et à la sélection d’expériences pourrait libérer du temps de recherche et permettre de tester davantage d’idées. C’est une perspective plausible, dont les gains doivent être mesurés tâche par tâche.
Lire les bilans sans généraliser les témoignages
Le rapport AI Index 2026 rassemble des éléments sur les progrès et leurs limites. Les cas publiés par OpenAI en 2025 décrivent aussi des usages scientifiques, mais l’entreprise précise qu’il s’agit de cas sélectionnés, pas d’un échantillon systématique. Leurs témoignages ne constituent donc pas une mesure générale de productivité. [35] [34]
Ce qui transforme une suggestion en découverte
Il faut des données traçables, des méthodes vérifiables et des tests capables de faire échouer l’idée. Une proposition nouvelle ou un article bien écrit ne suffit pas. Lorsque c’est possible, une réplication indépendante renforce la confiance. [33]
Chercher davantage ne garantit pas de tout résoudre
Pour La Quête, c’est le point décisif : l’IA peut élargir notre capacité à chercher, mais les réponses doivent rester confrontées au réel. Aucune date sérieuse ne peut être donnée ici pour une résolution de la matière noire, de la conscience ou de l’origine ultime de l’Univers.
Proposer, vérifier, reproduire
1 Démontré dans des tâches précises
Des résultats utiles en prédiction et en analyse.
2 Perspective
Tester davantage d’idées et mieux choisir certaines expériences.
3 À mesurer
Le gain réel, la fiabilité et la généralisation d’un domaine à l’autre.
Consulter les sous-questions détaillées
Les usages démontrés et les progrès à mesurer
Cette carte conserve les repères historiques du projet. « Résultat présenté » et « Cadre ou proposition » organisent les sujets : ces rubriques ne sont pas des degrés de certitude. Le texte précise les hypothèses et les limites. Le type d’énoncé et son soutien sont deux dimensions distinctes. Une question ouverte ne prouve pas une impossibilité. Méthode.
- Résultat présenté ci-dessous
- Cadre ou proposition — voir les limites
- Nous ne savons pas
- Nous ne savons même pas si la question est accessible
1 · Chaîne de la connaissance
- 1.1
- 1.2
- 1.3
- 1.4
- 1.5
- 1.6
2 · Exemples réels
- 2.1
- 2.2
- 2.3
3 · Voyager vs mesurer
- 3.1
Accès local
Repère de méthode
Détails, échantillons, conditions uniques.
- 3.2
Comparer des milieux
Repère de méthode
Déployer instruments, suivre phénomènes.
- 3.3
Mais
Repère de méthode
La distance n’est pas une mesure de connaissance.
- 3.4
Exemple
Repère de méthode
Une nouvelle image magnifique peut ne pas trancher une théorie.
4 · Protocole de découverte
- 4.1
Données brutes
Repère de méthode
Unités, chronologie, conditions.
- 4.2
Méthode
Repère de méthode
Traitements, exclusions, hypothèses.
- 4.3
Explications concurrentes
Repère de méthode
Panne, phénomène connu, effet de sélection, nouveau.
- 4.4
Prédiction supplémentaire
Repère de méthode
Autre résultat attendu si juste.
- 4.5
Vérification indépendante
Repère de méthode
Autre instrument, autre méthode.
- 4.6
Statut final
Repère de méthode
À confirmer, robuste, favorisé, confirmé.
5 · Questions ouvertes
- 5.1
Comment contrôler une théorie trop complexe pour un chercheur ?
Nous ne savons pas
Séparer validation et compréhension.
- 5.2
Quelle indépendance entre plusieurs IA entraînées pareil ?
Nous ne savons pas
Question clé pour la vérification.
- 5.3
Une découverte peut-elle rester utile sans explication ?
Nous ne savons pas
Débat épistémologique.
- 5.4
Quelles questions exigent une mission lointaine ?
Nous ne savons pas
Analyse au cas par cas.
Les sources de ce dossier
Les numéros dans le texte renvoient à ces références. Une source peut étayer un résultat ou présenter une hypothèse : son rôle est indiqué ici.
- Highly accurate protein structure prediction with AlphaFold
John Jumper et collaborateurs · 2021 · primaire.
Prédiction structurale évaluée dans CASP14. Portée spécialisée.
- The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery
Chris Lu et collaborateurs · 2024 · primaire.
Prépublication et démonstration dans des sous-domaines de l’apprentissage automatique.
- Cosmology from theory to data, from data to theory
Florent Leclercq, Alice Pisani, Benjamin Wandelt · 2014 · primaire.
Cours sur l’inférence, l’observabilité et les limites de la connaissance cosmologique.
- Accelerating science with GPT-5
OpenAI · 2025 · retour d’expérience du fournisseur.
Cas sélectionnés par le fournisseur ; pas un échantillon systématique ni une mesure générale de productivité.
- The 2026 AI Index Report
Stanford HAI · 2026 · rapport de synthèse.
Synthèse de données sur les capacités, usages et limites de l’IA, avec un chapitre consacré à la science.
- NASA’s Perseverance Rover Completes First AI-Planned Drive on Mars
Jet Propulsion Laboratory · 2026 · institutionnel.
30 janvier 2026 ; trajets des 8 et 10 décembre 2025
Choix de points de passage avec une IA ; vérification des commandes par les équipes humaines avant envoi.
Noter une question ou une objection dans mon carnet →
Une erreur, une source manquante ?
Cette carte peut évoluer. Un passage précis et une référence m’aideront à examiner votre retour.
Signaler une erreur / proposer une sourceDernière mise à jour : 27 septembre 2026 · Édition 4.1 · Corrections bienvenues.
Voir l’historiquePosition personnelle de Thibaut : pourquoi chercher
Je veux chercher des réponses aux questions existentielles, sans me satisfaire d’une certitude que je ne peux pas défendre.
Cette intention générale a été validée par Thibaut. Elle ne signifie pas qu’il adopte chaque hypothèse de cette lecture. Lire la démarche →