Cet article est une republication, avec l’accord de l’auteur, Hubert Guillaud. Il a été publié en premier le 02 juin 2026 sur le site Dans Les Algorithmes sous licence CC BY-NC-SA.

Tout l’été, profitez de republications de « Dans Les Algorithmes » ! Rendez-vous tous les dimanches de juillet et d’août pour réfléchir, ensemble, sur les enjeux de l’Intelligence Artificielle.

Hubert Guillaud

L’application de l’IA à la science ne promet pas tant des progrès qu’une concentration renforcée.

Ce que l’IA accélère

Les promesses de l’IA pour découvrir de nouveaux matériaux ou révolutionner les découvertes scientifiques sont fortes. L’idée que l’IA serait l’avenir de la science comme on l’entend très souvent est bien plus un moyen d’orienter les investissements qu’une vérité scientifique, au risque d’augmenter la dépendance de la science à l’IA.

Dans le domaine de la fabrication de médicament, on attend là encore que l’IA permette de nouvelles percées, explique The Economist. Pourtant, les partenariats entre entreprises pharmaceutiques et sociétés d’IA se multiplient, notamment dans l’espoir de mieux identifier des molécules, de raccourcir le temps de développement des essais cliniques et de diminuer le taux d’échec de ceux-ci (actuellement, « les médicaments candidats entrant en essais cliniques ont un taux d’échec de 90 %, ce qui porte le coût de développement d’un médicament efficace à la somme astronomique de 2,8 milliards de dollars »). « Même des gains d’efficacité marginaux représenteraient des avantages considérables. Des rapports provenant de l’ensemble du secteur suggèrent que l’IA a commencé à apporter ces gains. Elle a réduit la phase préclinique (celle qui précède les essais cliniques sur l’homme) à 12-18 mois, contre trois à cinq ans auparavant. Et elle a amélioré le taux de réussite. Une étude publiée en 2024, portant sur les performances de molécules proposées par l’IA lors des premiers essais cliniques, a révélé un taux de réussite de 80 à 90 %. À titre de comparaison, les moyennes historiques se situaient entre 40 et 65 %. »

« La conception d’un nouveau médicament commence généralement par le criblage de petites molécules organiques afin d’identifier celles présentant une activité biologique prometteuse afin de sélectionner les plus probables. L’IA peut analyser des bibliothèques de dizaines de milliards de molécules, en testant des propriétés telles que la puissance, la solubilité et la toxicité grâce à des émulations logicielles de ces molécules, sans qu’il soit nécessaire d’utiliser les molécules réelles en laboratoire. Jim Weatherall, l’un des responsables de cette activité chez AstraZeneca, une autre grande entreprise pharmaceutique, affirme que cette méthode permet de trier les molécules prometteuses deux fois plus vite qu’auparavant, et que plus de 90 % du processus de découverte de petites molécules de l’entreprise est désormais assisté par l’IA. » 

L’IA sert donc d’abord à optimiser les investissements. L’IA contribue également à améliorer la conception des essais cliniques. Par exemple en formulant une hypothèse sur une maladie et en tentant de confirmer ou d’infirmer ces hypothèses par une recherche bibliographique.

L’IA se révèle également prometteuse dans la sélection des patients pour les essais cliniques. Elle peut analyser les dossiers médicaux, les biopsies et les examens d’imagerie des candidats afin d’identifier ceux qui pourraient tirer le meilleur parti d’un nouveau médicament. Une meilleure sélection des participants permet de réduire la taille des essais, et donc de les rendre plus rapides et moins coûteux. Une autre utilisation de l’IA consiste à créer des patients synthétiques permettant de comparer un patient réel et son double numérique pour comparer l’évolution prédite sans traitement par rapport au patient testé. À terme, les patients synthétiques permettraient de réduire les groupes témoins et leurs coûts (au risque tout de même que ces comparaisons aient une fiabilité relative).

L’optimisation des essais cliniques via l’IA représente une réduction considérable des risques, avec une diminution concomitante des coûts de développement des médicaments.

Mais si l’IA promet de produire de nouveaux médicaments, elle ne promet pas que nous ayons les capacités industrielles de le faire, comme le montrent les innombrables pénuries que nous traversons. Elle ne résout pas le risque d’abandon de la santé pour tous, qu’évoquait par exemple le philosophe Alexandre Monnin dans AOC il y a quelques mois (voire notre synthèse).

Au contraire. Dans le domaine de la médecine, comme le soulignaient l’avocate américaine des sans-abris Leah Goodridge et la médecin et chercheuse, Oni Blackstock, directrice de l’association Health Justice, dans une tribune pour The Guardian, l’IA risque bien plus d’être utilisée pour refuser des soins que pour faire progresser la médecine. En Californie du Sud, où le nombre de personnes sans abris est l’un des plus élevés du pays, Akido Labs gère des cliniques pour les personnes sans domicile fixe et celles à faibles revenus. Mais ces patients sont vus par des assistants médicaux qui utilisent l’IA pour écouter les conversations, puis proposer des diagnostics et des plans de traitement potentiels, qui sont ensuite examinés par un médecin. L’objectif de l’entreprise, a déclaré son directeur technique à la Technology Review, est de « supprimer le médecin de la consultation ».

Cela s’inscrit dans une tendance plus large où l’IA générative est de plus en plus intégrée au système de santé, rappellent Goodridge et Blackstock. En 2025, une enquête de l’Association médicale américaine a révélé que deux médecins sur trois utilisaient l’IA dans leur travail quotidien, notamment pour diagnostiquer les patients. Une start-up spécialisée en IA (OpenEvidence, qui n’est pas accessible en Europe) a levé 200 millions de dollars pour fournir aux professionnels de santé un ChatGPT pour médecins. Et les législateurs américains examinent actuellement un projet de loi qui autoriserait l’IA à prescrire des médicaments. Bien que cette tendance à l’intelligence artificielle dans le secteur de la santé affecte presque tous les patients, son impact est plus profond sur les personnes à faibles revenus, qui rencontrent déjà d’importants obstacles à l’accès aux soins. « Les personnes sans domicile fixe et à faibles revenus ne devraient pas servir de cobayes pour l’IA dans le domaine de la santé. Au contraire, leurs voix et leurs priorités devraient déterminer si, comment et quand l’IA sera mise en œuvre dans leurs soins ».

La saturation des hôpitaux, les coûts d’accès au soin… expliquent en grande partie ces développements. D’autant que ces contraintes « sont souvent amplifiées dans les communautés économiquement défavorisées, où les établissements de santé sont souvent sous-financés et les patients non assurés, avec un fardeau plus lourd de maladies chroniques dû au racisme et à la pauvreté ». Les très documentés biais des IA de santé, « qui diagnostiquent bien moins les problèmes des patients noirs et hispaniques, des femmes et des patients bénéficiant de l’assurance Medicaid, promettent surtout d’aggraver les inégalités de santé pour les patients qui rencontrent déjà des obstacles à l’accès aux soins ». Pire, comme on le lit dans la TR, les patients ne sont même pas informés que leur professionnel de santé ou leur système de santé utilise l’IA. Un assistant médical explique ainsi que ses patients savent qu’un système d’IA les écoute, mais qu’il ne leur dit pas qu’elle formule des recommandations diagnostiques. Ces discriminations sont renforcées par la tendance croissante à l’utilisation de l’IA pour déterminer les remboursements de santé des personnes à faibles revenus (voir ce que nous disions d’United HealthCare connu pour sa politique de refus de remboursement de soins de santé). Bref, si l’IA d’un côté promet une amélioration de la production de médicaments, elle risque bien plus d’empêcher les publics d’y accéder. 

Il y a d’autres domaines que l’IA accélère, comme le pointait Cade Metz dans le New York Times. Notamment la recherche en mathématiques, en biologie et en chimie. Mais là encore, bien des annonces tonitruantes se révèlent souvent assez décevantes une fois que les spécialistes les décortiquent. C’était le cas notamment lorsqu’une startup d’IA, Harmonic a annoncé avoir résolu un problème mathématique, avant que les experts ne constatent que ses solutions ne différaient guère des travaux antérieurs de mathématiciens. L’IA parvient à identifier des solutions existantes, enfouies dans des décennies d’articles de recherche plus qu’elle n’en invente. « On a l’impression d’être face à un élève brillant qui a tout mémorisé pour l’examen, mais qui ne comprend pas vraiment le concept », assène le mathématicien Terence Tao. L’IA permet bien plus de suggérer des hypothèses ou des expériences qui permettent de cibler les recherches, explique un spécialiste du cancer, qui constate lui aussi que cela permet d’accélérer les processus. Mais un chercheur expérimenté est toujours nécessaire pour guider le système. Pour Terence Tao, interviewé dans Nature, l’IA peut commettre des erreurs invérifiables dans nombre de domaines, mais en maths, elles sont vérifiables. Les inconvénients sont donc bien plus limités. « On commence à voir des exemples où l’IA – peut-être par chance – résout des problèmes importants pour les mathématiciens. C’est encore très rare et l’IA présente encore de nombreuses faiblesses ; elle ne remplace pas le travail humain. Mais il devient de plus en plus difficile de nier l’efficacité de ces outils. » Mais définir de nouveaux concepts et déterminer les problèmes à résoudre restera probablement du ressort des mathématiciens humains… au moins pendant un certain temps encore, estime le médaillé Fields.

… au risque de réduire le champ d’investigation de la science

Si l’IA pour la recherche scientifique promet, elle pourrait aussi avoir des effets délétères, rappelle la journaliste Grace Huckins pour la Technology Review et réduire à terme le dynamisme de la science. Une étude publiée dans Nature a révélé que si certains scientifiques perçoivent des avantages professionnels à adopter l’IA, la science dans son ensemble pourrait en pâtir, car l‘IA réduit le champ d’investigation de la communauté scientifique. Cela pourrait s’expliquer par le fait que l’IA excelle particulièrement dans l’analyse de données et de publications existantes, ce qui incite les scientifiques qui l’utilisent à se concentrer sur des domaines établis où des données à grande échelle sont disponibles. Il pourrait en résulter un nombre réduit de scientifiques disponibles pour étudier des problèmes moins adaptés à l’IA. Intégrer efficacement l’IA dans la science est plus qu’un simple défi technique : préserver le dynamisme et la diversité de la science à l’ère de l’IA pourrait nécessiter un effort concerté de la part de la communauté scientifique.

Dans un éditorial pour Science, Julio Ottino et Brian Uzzi enfoncent le clou et dénoncent le risque d’une « progression sans progrès ». « Les progrès réalisés dans l’utilisation de l’intelligence artificielle pour faire progresser la découverte scientifique rendent de plus en plus réaliste l’idée de systèmes automatisés de « science de bout en bout » : des chaînes de traitement intégrées capables de générer des hypothèses, de mener des expériences (in silico ou robotisées), d’analyser les résultats et de produire des résultats publiables avec une intervention humaine minimale. La question cruciale n’est pas de savoir si l’IA peut « faire » de la science, mais si la science – en tant que système social et évolutif produisant des connaissances fiables – peut survivre à la manière dont l’IA la pratique. »

Or, « la science n’est pas simplement une suite de tâches optimisables. Elle progresse par un processus analogue à l’évolution darwinienne : variation à travers de nombreux efforts indépendants ; sélection par la critique, la réplication et la compétition ; et conservation des résultats robustes. Cette structure distribuée permet à la science de s’autocorriger et de générer de la nouveauté. L’indépendance n’est pas fortuite ; elle est le mécanisme qui produit à la fois la fiabilité et la découverte. »

Mais, la science n’a jamais pleinement atteint cet idéal, rappellent-ils. Elle a aussi été façonnée par les biais, les erreurs et la fraude. Les partisans de l’intelligence artificielle arguent que l’automatisation pourrait atténuer certaines de ces limitations tout en accélérant les découvertes et en élargissant la participation. Reste donc à savoir si l’IA en science réduit ces imperfections ou les amplifie à l’échelle des machines.

L’intégration de l’IA à la science risque de modifier fondamentalement la structure de la science. Notamment en favorisant des plateformes dominantes, entraînées sur des données similaires et optimisées pour certains objectifs. « Comme sur d’autres marchés de technologies numériques, la concentration est un résultat plausible. Le risque est fort qu’une poignée de systèmes façonnent la majorité de la production scientifique […]. La diversité simulée au sein d’un système ne saurait se substituer à la diversité épistémique entre des approches véritablement concurrentes. »

La conséquence n’est pas seulement institutionnelle ; elle est bien épistémique, c’est-à-dire qu’elle concerne toutes les connaissances. « Le système scientifique prospère grâce à l’inefficacité : efforts redondants, tentatives infructueuses et chemins divergents. Il ne s’agit pas de coûts à éliminer, mais de sources de découverte. À l’inverse, les pressions d’optimisation favorisent la convergence. Il risque d’en résulter une production accrue, mais une exploration moindre de l’inattendu. »

« Ce rétrécissement a des implications sur la créativité. Une grande partie de la force de l’IA réside dans l’exploration combinatoire, le réarrangement des connaissances existantes en de nouvelles configurations. Or, nombre d’avancées majeures en science ne sont pas des combinaisons ; ce sont des ruptures, des changements conceptuels qui contredisent les hypothèses des cadres antérieurs. Parce que ces avancées s’écartent des schémas encodés dans les données existantes, elles sont les moins susceptibles d’émerger de systèmes entraînés sur le passé. »

« L’indépendance n’est pas seulement une garantie de fiabilité ; elle est la condition de la rupture conceptuelle. » À l’inverse, « l’optimisation de chaque composant ne garantit pas l’intégrité de l’ensemble. » Au contraire, elle peut la compromettre.

« Il ne s’agit pas de rejeter l’IA, mais de la considérer comme un simple progrès technique. Préserver les propriétés fondamentales d’un système scientifique évolutif devient désormais une contrainte de conception. Les résultats scientifiques doivent garantir une traçabilité claire – une chaîne de responsabilité identifiable qui ne se dissout pas dans des systèmes opaques. Les dispositifs institutionnels et techniques doivent assurer des approches véritablement distinctes, et non de simples variations au sein d’une architecture partagée. »

« Ces exigences ne sont pas des inefficacités à éliminer par l’ingénierie. Elles représentent les solutions accumulées au problème de la fiabilité des connaissances. Un système d’IA peut produire des résultats impressionnants. Mais s’il remplace un processus évolutif par un processus artificiel, il risque de restreindre non seulement le champ de nos découvertes, mais aussi notre capacité de découverte tout court. »

Le financement de la recherche : submergé par l’IA

Geraint Rees et James Wilsdon pour Nature tirent la sonnette d’alarme. L’IA est en train de submerger les appels à projets et demandes de financement de la recherche, améliorant le nombre, la qualité, le volume des demandes au risque de provoquer l’effondrement même du système. Les réponses générées par l’IA peuvent être entraînées sur les publications des chercheurs, sur les critères d’attribution des subventions et même sur les projets retenus pour ajuster les demandes aux résultats attendus. Et l’effet se constate déjà, pointent les chercheurs. Dans une étude qui a regardé les projets de 12 organismes de financement de la recherche de l’Union européenne, les chercheurs montrent une augmentation des candidatures depuis 2022.

« Les décideurs politiques et les organismes de financement vont devoir repenser l’allocation des fonds de recherche avant que le système ne devienne ingérable. » Confrontés à un afflux de réponses de qualité, ils devront alors faire des choix largement arbitraires quant aux projets à financer et aux candidats.

Jusqu’à présent, les organismes de financement de la recherche ont principalement réagi à ces évolutions en restreignant l’utilisation de l’IA par les candidats et les évaluateurs, certains déclarant les demandes inéligibles si elles sont élaborées avec de l’IA. Mais ces préconisations sont impossibles à appliquer, car la probabilité de détection est faible et ne constitue pas une réponse au problème. Le risque est fort que toutes les propositions répondent aux critères de financement et que les différences entre elles soient minimes. « Lorsque les propositions et les évaluations sont toutes deux gérées par des agents entraînés sur le même corpus de travaux déjà financés, le système n’évaluera plus la qualité des idées, mais plutôt la capacité des agents à simuler les idées précédemment récompensées par les financeurs. »

« Parmi les propositions visant à remédier à la surcharge des systèmes de financement figurent le recours à des tirages au sort (attribution aléatoire de fonds à des demandes de subvention correspondant à un certain niveau de qualité) et des modèles distribués d’évaluation par les pairs, où les chercheurs qui soumettent des demandes de subvention sont chargés d’évaluer celles d’autres chercheurs. Ces mesures permettent de lutter contre le volume de demandes, mais elles restent inefficaces si les indicateurs de qualité deviennent peu fiables. »

Geraint Rees et James Wilsdon proposent plutôt que les organismes de financement envisagent de recentrer l’évaluation non plus sur les propositions écrites, mais sur le chercheur principal, son équipe et ses programmes de recherche passés et en cours. « Les financeurs devraient investir dans la vérification des antécédents afin d’examiner la performance de recherche d’un individu ou d’un groupe sur une période prolongée, ainsi que dans des entretiens et des évaluations de portefeuilles de la performance d’équipe sur la durée. » Mais cette solution écarte de fait les plus petites ou plus jeunes équipes : les aides risquent alors d’aller uniquement aux projets les plus établis.

En mars, le Conseil de la recherche médicale du Royaume-Uni a annoncé le rétablissement des entretiens pour tous les candidats présélectionnés : une approche chronophage et laborieuse et peu adaptée aux grands volumes de candidatures. Le NIH américain, regroupant l’ensemble des Instituts nationaux de la santé, lui, a limité à 6 dépôts par an le nombre de candidatures individuelles, après avoir constaté que certains chercheurs en soumettaient plus de 40. Les financeurs pourraient également envisager des approches plus radicales, suggèrent les deux chercheurs. Il pourrait s’agir d’instaurer un quota fixe de propositions par chercheur ou pour l’ensemble de sa carrière, toutes sources de financement confondues. Ils pourraient aussi répartir le budget disponible entre les chercheurs éligibles à l’échelle nationale et attribuer le même montant à tous, éliminant ainsi la concurrence.

D’autres solutions proposent aux organismes de recherche de s’appuyer sur l’IA pour l’évaluation. « L’IA pourrait ensuite servir à prioriser et à présélectionner les candidatures, en comparant les données selon ces différents profils afin d’identifier les candidats dont le parcours est cohérent avec les informations fournies dans leur dossier. Ce processus de présélection serait transparent, auditable et conçu pour favoriser la diversité, et non la freiner, à travers les différentes étapes de carrière, disciplines et institutions. » Mieux (ou pire, c’est selon), certains modèles proposent de prédire l’impact d’un article ou d’une recherche, fléchant les financements vers les projets les plus porteurs.

Quelles que soient les solutions retenues, la nécessaire transformation du financement de la recherche risque de se faire dans la douleur et la contestation, estiment les chercheurs. La mise en place d’infrastructures IA nécessite des investissements soutenus, des tests rigoureux et une gouvernance continue. Les financeurs confrontés à des contraintes budgétaires pourraient hésiter. C’est oublier pourtant que le système gaspille déjà des ressources considérables en comités d’experts et en nouvelles soumissions, sans parler du temps consacré par les chercheurs à répondre aux appels. Un système basé sur l’IA native et bien conçu pourrait constituer un investissement judicieux, défendent les chercheurs. Reste que des systèmes d’évaluation entraînés sur des données de financement historiques intégreront les inégalités passées, risquant d’amplifier, plutôt que de corriger, l’effet Matthieu, c’est-à-dire la concentration au profit des plus dotés. « Il s’agit d’un risque réel, mais nous pensons que la conception et la gouvernance peuvent contribuer à l’atténuer. Les biais dans les systèmes d’IA sont mesurables, ce qui permet de les examiner et d’y remédier », soulignent-ils, certainement trop rapidement, car les biais ne sont ni  mesurables ni corrigeables facilement. Troisièmement, les chercheurs et les institutions pourraient se montrer réticents face aux décisions façonnées par des algorithmes qu’ils ne peuvent pas interroger. La transparence et les mécanismes d’appel pourraient contribuer à instaurer la confiance, défendent-ils encore.

Le système de financement par subvention conçu pour un monde pré-IA est devenu défaillant. Les financeurs doivent s’adapter, estiment les chercheurs. Il pourrait en résulter un système plus performant : un système qui exploite la puissance de l’IA et la combine à des connaissances spécialisées, et qui réduit le temps et l’énergie gaspillés dans la rédaction de demandes de subventions improductives pour les réorienter vers une recherche novatrice. Un constat plus facile à déclamer qu’à mettre au point.

Prédire les résultats de la science… au risque de l’y enfermer

Certains modèles proposent de prédire l’impact d’un article ou d’une recherche, fléchant les financements vers les projets les plus porteurs, expliquaient donc Geraint Rees et James Wilsdon. Qu’en est-il ?

Savoir si une étude changera le monde ? C’est pourtant l’idée que propose Funding the Frontier : un tableau de bord pour prédire l’impact de la recherche. L’outil (non disponible) utilise le Big data pour retracer l’impact sociétal des projets de recherche sur les politiques, les médicaments ou les produits, explique Nature (voir également l’article de recherche qui montre des captures d’écran du tableau de bord et la vidéo promotionnelle). Le projet porté par Dashun Wang « intègre des données sur les publications de recherche, les brevets, les documents d’orientation et les essais cliniques, et présente ces informations de manière visuelle et intuitive. Ils ont également combiné cet outil à un algorithme prédictif basé sur l’apprentissage automatique pour prédire les études et les domaines susceptibles d’apporter les plus grands bénéfices sociétaux à l’avenir – par exemple, les subventions les plus susceptibles de déboucher sur un brevet ». « Même sans son aspect prédictif, disposer d’un outil permettant de rechercher l’impact des recherches sur la société » est déjà une information importante, estime un chercheur.

Un chef de projet d’une importante agence de financement américaine l’a utilisée pour examiner les impacts sociaux généraux des subventions de l’agence, lui permettant de constater l’impact de certaines recherches ailleurs dans le monde. « Un autre utilisateur, investisseur dans le domaine de la recherche biomédicale, a constaté que dans le domaine de la recherche sur la maladie d’Alzheimer, l’impact clinique le plus important au cours des 20 dernières années provenait d’études visant à comprendre la maladie, mais que l’impact futur le plus important prévu se concentrait sur les études portant sur les systèmes de soutien social des personnes atteintes de la maladie, ce qui laisse entrevoir de nouvelles opportunités d’investissement ».

L’aspect prédictif est pourtant préoccupant, estime le même James Wilsdon qui en évoquait les perspectives précédemment. Le spécialiste des politiques de recherche estime que ce tableau de bord pourrait créer des prophéties autoréalisatrices et des décisions d’investissements plus conservatrices, au détriment de recherches plus originales, capables d’ouvrir d’autres possibilités.

Coincés dans l’Academic Slop ?

En attendant, le travail académique commence à crouler sous la « prolifération métastatique de publications  » truffées d’hallucinations et de distorsions de contenus, comme s’en plaint sur Facebook la philosophe du droit, Antoinette Rouvroy. L’Academic Slop est arrivé, constate également le chercheur Seva Gunitsky dans sa newsletter. Il raconte que dans la revue dont il s’occupait le nombre de soumission a doublé voire triplé depuis l’apparition de l’IA générative, et que le taux de rejet s’est envolé. Techniquement compétents, certains de ces articles respectent les normes et sont tout à fait convenables. Faciles à produire et exigeant peu de créativité, ils constituent néanmoins le type de travail incrémental légitime que le philosophe des sciences Thomas Kuhn appelait la fabrique de la « science normale ». Pour Gunitsky la valeur d’une théorie originale va continuer à prendre de l’importance. « Les travaux quantitatifs de qualité deviennent bon marché et abondants ; une bonne théorie reste difficile à élaborer ».

Mais l’effet le plus important est que l’évaluation par les pairs repose désormais davantage sur le discernement. Si n’importe qui peut produire un article empirique compétent sur n’importe quel sujet, le principal obstacle devient l’identification des questions importantes à poser. « Dans ce contexte, la question pour les évaluateurs et les éditeurs n’est plus tant « est-ce juste ? » que « pourquoi est-ce important ? ». Cette question est inévitablement subjective, mais pas totalement, car elle exige une solide connaissance des débats en cours. Elle nécessite néanmoins de connaître les tensions et les lacunes productives, les énigmes intéressantes et les idées reçues apparemment établies. »

« Ce concept porte un nom : la phronesis. C’était le terme employé par Aristote pour désigner la sagesse pratique, ou la capacité à discerner la conduite à tenir dans des circonstances particulières. Contrairement à l’épistémè (la connaissance scientifique) ou à la technè (le savoir-faire technique), la phronesis ne peut se réduire à des règles ou à des algorithmes. Elle requiert de l’expérience, du jugement et ce qu’Aristote appelait la « perception ». Cela signifie non seulement l’intelligence, mais aussi la capacité intellectuelle de percevoir les caractéristiques essentielles d’une situation donnée. »

La philosophe Isaiah Berlin appelait cette qualité « le sens du réel » dans le jugement politique : la capacité de percevoir ce qui est possible et ce qui compte à un moment historique donné. Or, il n’est pas certain que les IA possèdent cette capacité voire ne la possèdent jamais. « Si le discernement devient le critère ultime de qualité, nous nous dirigeons encore davantage vers un système à deux vitesses dans l’édition scientifique. Les revues les plus prestigieuses privilégieront les articles d’une originalité remarquable ou présentant des avancées théoriques ou empiriques majeures, tandis que toutes les autres publieront les articles produits par l’IA qui font progresser, de manière graduelle, notre compréhension de sujets spécifiques. Et peut-être que la théorie gagnera en prestige au détriment des méthodes sophistiquées d’analyse des données. »

Pas sûr que la théorie et l’empirisme puissent ainsi si facilement se scinder en deux. Le risque que les publications automatisées se transforment en matière noire scientifique, que personne ne lit ni ne consulte est fort. À nouveau, ici aussi, le risque est fort que s’accentue  davantage les hiérarchies de prestige comme critère d’importance. « Paradoxalement, l’effet uniformisant de l’IA pourrait rendre le monde universitaire plus élitiste encore ».

« La technologie qui nous a inondés de dissertations étudiantes façonnées avec l’IA va maintenant inonder de nos propres travaux, et nous aurons besoin de ce même discernement dont nous nous plaignons de l’absence chez nos étudiants. » Pas sûr que ce soit plus facile pour les experts. L’IA fait peut-être gagner beaucoup de temps à certains, mais la pollution des travaux de recherche qu’elle engendre en fait perdre énormément aux lectrices et lecteurs. Le goulot d’étranglement de la lecture et de la vérification s’annonce plus resserré que jamais.

La seule chose dont on soit sûr, en observant toutes ces perspectives… ce n’est pas que l’IA apporte un progrès scientifique notable, c’est que l’IA en science renforce les inégalités dans toutes les couches de la science. 

Hubert Guillaud

MAJ du 02/06/2026 : Une analyse de 7,3 millions d’articles de revues scientifiques publiés entre 2020 et 2025 révèle qu’en 2025, un peu plus de la moitié présentent des signes d’influence des LLM, avec des variations importantes d’utilisation selon la région du monde, le prestige de l’établissement, l’éditeur et la discipline. « Le développement économique et la proximité de l’anglais comme langue principale sont des facteurs prédictifs clés de ces variations régionales. Les établissements moins bien classés affichent des taux d’adoption plus élevés que les universités d’élite, les jeunes éditeurs à but lucratif présentent des taux supérieurs à ceux de leurs concurrents, et l’adoption varie considérablement selon les disciplines universitaires. L’adoption des LLM dans la rédaction académique est répandue, mais socialement stratifiée. »

MAJ du 21/06/2026 : Dans leur newsletter, Tim O’Reilly et Ilan Strauss, proposent de garantir un exosquelette pour appliquer l’IA à la science. Cet exosquelette est constitué d’innombrables systèmes permettant de garantir les références, comme le DOI (l’identifiant d’objets numériques qui attribue un numéro à chaque publication scientifique), RetractationWatch (la base de données des articles scientifique dé-publiés et rétractés), Orcid (qui fournit un identifiant unique aux chercheurs), Open Alex (un graphe de connaissances scientifiques)… ou encore le projet Vraix du MIT (cherchant à créer une toile du savoir pour distinguer les contenus possiblement génératifs des autres)… et nombres d’autres, qui n’ont pas été intégrés aux systèmes d’IA, alors qu’ils pourraient permettre de résoudre de nombreux problèmes : diminuer les citations erronées, réduire l’emprise de la littérature scientifique non valide… une infrastructure fondée sur des principes ouverts qui cherchent à garantir que les contenus scientifiques ne puissent être ni accaparés ni dégradés. Ces infrastructures sont des biens publics que les entreprises d’IA ignorent pour la plupart ou, pire, fragilisent. « À l’heure actuelle, la relation entre l’IA et l’infrastructure scientifique est presque exclusivement extractive. Les entreprises d’IA entraînent leurs modèles sur des articles scientifiques. Elles créent des produits capables de générer et de manipuler des textes scientifiques. Elles se disputent le marché de l’« IA au service de la science ». Pourtant, elles ne contribuent pratiquement pas à l’infrastructure qui, à la base, garantit la fiabilité des connaissances scientifiques. »

Les entreprises d’IA consomment du contenu scientifique sans rien apporter en retour. Strauss et O’Reilly font une analogie avec Content ID de YouTube : face à l’utilisation non autorisée de leurs œuvres, la première réaction de l’industrie musicale a été d’exiger leur retrait. La réponse de YouTube a été : « Et si nous vous aidions plutôt à les monétiser ? » Cette approche a permis d’aligner les intérêts et de créer une économie dynamique pour les créateurs. Nous devrions appliquer le même raisonnement à la science. Les entreprises d’IA ne devraient pas seulement utiliser l’infrastructure scientifique pour améliorer leurs produits (elles le devraient pourtant), mais elles devraient surtout chercher à aider la science à gagner en valeur, en pérennité et en exhaustivité.

Pour cela, les systèmes d’IA devraient améliorer la validation de leurs sources et références. L’infrastructure existe, il leur suffit de l’utiliser. Ils pourraient également réinjecter les métadonnées extraites dans OpenAlex, améliorant ainsi le graphe de données pour tous. Ils pourraient utiliser et financer RetractationWatch pour améliorer leurs modèles et réponses. Les fournisseurs d’IA pourraient également financer cette infrastructure scientifique très fragile qui constitue le socle technique de la crédibilité de la science. « Les entreprises d’IA, qui génèrent des milliards de revenus grâce à des produits reposant sur la crédibilité scientifique, devraient contribuer à l’infrastructure qui garantit cette crédibilité. Il ne s’agit pas de philanthropie, mais d’un intérêt bien compris. » Elles pourraient également contribuer à améliorer cette chaîne qui identifie la provenance du contenu scientifique. « Lorsque l’IA contribue à un article scientifique, cette contribution doit être traçable : elle ne doit pas simplement faire l’objet d’une déclaration standard, mais être liée à des affirmations, des sources et des étapes de vérification précises. »

« Les entreprises d’IA qui s’appuieront sur cette infrastructure créeront de meilleurs produits. Mais surtout, elles investiront dans l’infrastructure civilisationnelle qui rend possible, à la base, l’existence de connaissances fiables. À condition toutefois que les entreprises d’IA cessent de considérer cette question comme le problème d’autrui et commencent à la voir comme un socle sur lequel bâtir — un socle dont dépend leur propre succès dans le domaine scientifique. »

Comme chaque lundi, un coup d’œil dans le rétroviseur pour découvrir les informations que vous avez peut-être ratées la semaine dernière.

Tous les liens listés ci-dessous sont a priori accessibles librement. Si ce n’est pas le cas, pensez à activer votre bloqueur de javascript favori ou à passer en “mode lecture” (Firefox) ;-)

Brave New World

• More than 80 % of kids still using social media despite ban, new eSafety report finds (theconversation.com)
  

  As countries around the world look to follow Australia’s lead in restricting young people’s access to social media, a new report by the eSafety Commissioner might give them reason to pause, at least temporarily.

• La surveillance totale est déjà là : États et multinationales ont aboli votre vie privée (agoravox.fr)
• Vers un monde à +2 °C ? Les 30 données de l’été du basculement écologique (legrandcontinent.eu)
  

  Des records absolus de température sur terre et en mer, des forêts en feu, des fleuves à sec, une surmortalité importante, et un seuil de + 2 °C qui pourrait être franchi pour la première fois dès le début de l’année 2027.

  

• Major oil firms make $93bn profits amid war and climate crisis (theguardian.com)
  

  Eight of the biggest oil companies amassed profits of more than $90bn (£67bn) in just three months as the Iran conflict sent energy prices soaring and the emissions-fuelled climate crisis caused deadly heatwaves.

• How headlights got brighter, whiter, and more blinding after dark (arstechnica.com)
• BMW Suddenly Blasts Its Cars’ Internal Screens With Aggressive Advertisements (futurism.com)
  

  Starting last week, the German automaker started blasting a promotion for the new Spider-Man movie into its customers’ cars without warning — because nothing says riding in luxury like a full-vehicle pop-up ad. BMW, showing that it was about as in-touch as its drivers are familiar with turn signals, teased the promotion as a “special surprise.”

  Voir aussi “C’est du délire” : tollé mondial pour BMW qui affiche une pub Spider-Man au démarrage de ses voitures (lesnumeriques.com)

• Conçus pour résister à la pression de l’eau, et non à celle des sédiments, de nombreux barrages voient leur durée de vie écourtée (slate.fr)
  

  Selon une nouvelle étude publiée dans Nature Sustainability et relayée par Live Science, environ un cinquième des réservoirs dans le monde sont déjà à haut risque de remplissage par les sédiments, et d’ici 2060, la moitié pourraient devenir inopérants.

• ‘Stop all outdoor activities’ : South Korea records its highest ever temperature since records began more than a century ago (theguardian.com)
  

  Authorities issue alert saying indoor spaces without airconditioning are ‘dangerous’ as temperatures pass 40C for fifth straight day

• Sécheresse : un village englouti refait surface en Indonésie (reporterre.net)
  

  Le village indonésien de Somang, dans l’ouest de l’île de Java, était englouti sous les eaux d’un réservoir créé en 2023 pour approvisionner Jakarta. Mais la baisse du niveau de l’eau due à la sécheresse fait réapparaître les ruines de bâtiments.

• Huit morts dans une tuerie menée par un adolescent en Thaïlande (humanite.fr)
• La Russie est-elle en train de piller le patrimoine archéologique de la Crimée ? (slate.fr)
  

  Six expéditions archéologiques sont en cours en Crimée, sous l’égide de Moscou. Des agents russes sont accusés de fermer les yeux sur le pillage de sites antiques en échange de pots-de-vin, laissant disparaître de précieux vestiges.

• Avec la sécheresse, le Danube révèle des épaves de navires nazis et des os de mammouth (huffingtonpost.fr)
  

  Des mois de vagues de chaleur et de sécheresse ont fait chuter le niveau du Danube à des niveaux critiques dans toute l’Europe.

• La sécheresse prive la Hongrie d’électricité, le ministre de l’Énergie redécouvre les jeux de société (reporterre.net)
  

  En quelques jours, la Hongrie s’est improvisée laboratoire grandeur nature de la sobriété électrique. Pas par amour soudain de la décroissance, mais parce que le Danube, épuisé par la sécheresse, ne fournit presque plus assez d’eau pour refroidir Paks, l’unique centrale nucléaire du pays.

  Voir aussi Hungary faces energy crunch as drought shuts down Paks nuclear plant, PM says (politico.eu)

  Budapest loses 40 percent of the country’s electricity generation as water levels continue to drop.

• Europe’s free satellite service just made it easier to track wildfires (arstechnica.com)
• Boom des véhicules électriques en Europe : sommes-nous prêts à gérer un million de batteries usées ? (fr.euronews.com)
• Open source mais fermé aux systèmes libres : l’UE impose l’attestation matérielle pour vérifier l’âge et cela fait débat (goodtech.info)
  

  Un projet financé par l’UE et publié en open source peut-il vraiment rester ouvert s’il exige des puces propriétaires ? Le système de vérification de l’âge européen impose l’attestation matérielle, excluant de fait les ROM personnalisées et les environnements Linux indépendants.

• Allemagne : un drone muni d’un « engin explosif » perturbe le trafic à l’aéroport de Leipzig, la Russie en cause ? (sudouest.fr)
  

  Un incident de sécurité impliquant au moins un drone a entraîné la suspension temporaire du trafic à l’aéroport de Leipzig, hub militaire utilisé par l’Otan et pour l’Ukraine, près duquel un avion a heurté un objet volant. Les enquêteurs confirment que le drone portait une charge explosive.

• ‘Antifa’ song climbs to top of charts after TV cancellation (dw.com)
  

  German singer-songwriter Danger Dan and pianist Igor Levit were invited to perform a song titled “Keine Angst” (No Fear) for the 100th episode of a political satire TV show called “Die Anstalt” (The Institution). But shortly before the recording of the program, public broadcaster ZDF withdrew the invitation.

• Les réseaux sociaux ont-ils permis d’organiser la ruée vers Ceuta ? (legrandcontinent.eu)
  

  Une enquête OSINT retrace la diffusion des appels au passage et décrit un réseau horizontal, sans commandement apparent, capable de se reconstituer rapidement.

• L’Espagne répond à l’Italie en imposant des contrôles aux frontières à ses voyageurs (huffingtonpost.fr)
  

  En réponse aux mesures similaires imposées par Rome après l’afflux massif de migrants à Ceuta, l’Espagne va instaurer des contrôles temporaires aux frontières à ses ports et aéroports pour les voyageurs en provenance d’Italie.

• « Ils sortent des toilettes, des éviers » : Ibiza débordée par la prolifération des serpents (reporterre.net)
  

  Inoffensifs pour l’humain, ces reptiles, qui peuvent dépasser les 2 m de long et sont capables de nager sur de longues distances, représentent toutefois une grande menace pour le lézard des Pityuses (Podarcis pityusensis). Une espèce endémique d’Ibiza et véritable emblème de l’île, qui se retrouve aujourd’hui menacée d’extinction.

• Le Maroc teste des routes « éponges » pour rafraîchir ses villes, et ça marche (slate.fr)
  

  Les villes d’Agadir et de Marrakech testent un nouveau revêtement poreux à la place du bitume conventionnel. La surface perméable pourrait refroidir les routes jusqu’à 9°C, notamment grâce à l’évaporation de l’eau.[…] Petit bémol, cependant : une étude de l’université Rutgers a montré que si le béton perméable dégage 25 % à 30 % de chaleur en moins les jours de pluie, il peut en dégager légèrement plus que l’asphalte conventionnel par temps sec et ensoleillé.

• En RDC, le pouvoir orchestre une confiscation durable des institutions (humanite.fr)
• Greenland issues ‘strong warning’ as Trump-linked oil firm prepares to drill (theguardian.com)
  

  Island’s government says no approval given after Greenland Energy brings kit ashore for exploratory drilling

• Fast-moving Canada wildfire doubles in size forcing thousands to flee homes (bbc.com)
• 99 grands feux actifs : les États-Unis en proie aux flammes (reporterre.net)
• Senators demand crackdown on wildfire “prediction market” bets (arstechnica.com)
  

  Fire experts warn such markets could incentivize arson.

• At least 12 states face cyberattacks on their water systems, sources say (abcnews.com)
  

  So far, there’s been no widespread disruptions to water supplies or treatment.

• Trump wants the power to stop the public from suing polluters (arstechnica.com)
  

  Trump’s DOJ says citizens should no longer be able to enforce environmental laws.

• The Wikimedia Foundation Hired the Union Busters Its Own Encyclopedia Warned About (medium.com)
  

  A federal docket shows the Foundation retained Littler Mendelson, the firm Starbucks used against its baristas, to face its employees’ union.

• La rougeole explose aux États-Unis de Donald Trump (legrandcontinent.eu)
  

  Face à la pire épidémie de rougeole depuis trente-cinq ans, Robert F. Kennedy Jr. a fait un choix radical : ne rien faire, sans le dire.

• « Ils sont parmi nous » : la nouvelle plateforme de la Maison‑Blanche et la déshumanisation des sans‑papiers (theconversation.com)
• ICE Spent $525 Million on Surveillance Tech. Some of It Is Infringing on Americans’ Freedom of Speech. (reason.com)
• More Police Officers Fired, Investigated, or Arrested for Misusing Flock Camera Systems (yro.slashdot.org)
• Here’s the mark a SpaceX rocket crash left on the moon (cbc.ca)
• Colombia on the brink : ELN guerrilla group prepares for return to war (theguardian.com)
  

  As Abelardo de la Espriella takes office as president vowing a new military offensive, the country’s last leftwing rebels are getting ready to fight back

Spécial IA

• OpenAI’s Astra Solved Decades-Old Math Problems (forbes.com)
  

  the $2,000 figure covers the successful runs rather than every attempt the model made […] Outside researchers have also noted that OpenAI staff helped prepare the papers and formalize the arguments, with the company saying the mathematical content came from Astra. And nobody outside the company can run the model that did the work, so the result cannot be reproduced independently, only checked.

• Safety fears as scientists make first viruses designed by AI (theguardian.com)
• New Orleans will use AI to answer 911 calls instead of a human (eu.shreveporttimes.com)
• An AI-supervised remote exam went so badly that 58,000 students must retake it (arstechnica.com)
• ‘I hate what AI is doing to the minds and happiness of the young’ : Katherine Rundell on the view from the classroom (theguardian.com)
  

  Studies show, over and over, that when we engage in AI-assisted learning we give up sooner. One found that after just “10 minutes of AI-assisted problem-solving, people who lost access to the AI performed worse and gave up more frequently than those who never used it”. An MIT study showed that test groups who used ChatGPT had the lowest brain activity and “consistently underperformed at neural, linguistic, and behavioural levels”. We undergo not just cognitive offloading, but cognitive surrender : we forget what was possible.

  

• Google’s AI Is Telling Users That Flock Cameras Are Filled With Valuable Gold and Copper (futurism.com)
• Time Magazine has a separate version of its website with ads only AI can see (theregister.com)
  

  The next time you ask Claude about where to bank, its answer may have been influenced by this bot-targeted content.

• Company Offering Printed Books To Train AI Stops After 404 Media Coverage (news.slashdot.org)
• Le Texas suspend les raccordements au réseau électrique des nouveaux centres de données IA afin de protéger le réseau contre les surcharges, ainsi que « la qualité de vie des Texans » (developpez.com)
• AI : Considerations for people who make decisions (berthub.eu)
• La gauche doit-elle céder aux chants des sirènes de l’intelligence artificielle ? (blogs.mediapart.fr)
• The AI bubble is already popping ; we just don’t know it yet (theregister.com)

Spécial Israël

• « Ce n’est pas notre projet » : Benyamin Netanyahou affirme qu’Israël n’a pas accepté le plan de Donald Trump pour Gaza (humanite.fr)
  

  Dans un message publié sur ses réseaux sociaux, le premier ministre israélien a affirmé que Tel-Aviv rejetait le plan de Donald Trump pour Gaza, malgré des garanties sur le désarmement du Hamas. A l’approche des élections législatives, Benyamin Netanyahou ménage ses alliés d’extrême droite qui restent opposés à tout accord de paix dans l’enclave.

  

• “Des colons israéliens assiègent notre maison” : témoignages dans un village palestinien sous attaque hebdomadaire (bbc.com)
• Comment Israël utilise l’archéologie pour renforcer sa colonisation de la Cisjordanie (slate.fr)
  

  Dans la foulée de la décision de l’Unesco, le gouvernement israélien a annoncé, ce 30 juillet, une allocation de 112 millions de shekels (31,8 millions d’euros environ) à l’Administration civile israélienne pour restaurer et développer des sites archéologiques, y compris dans des secteurs relevant théoriquement de l’Autorité palestinienne.

• « Ils m’empêchent de rejoindre mes oliviers » : au Sud-Liban, la vie sous occupation israélienne (reporterre.net)
  

  Alors qu’Israël occupe de larges pans du Sud-Liban, des villages se retrouvent coupés du monde, d’autres rasés, leurs champs et vergers brûlés.

Spécial femmes dans le monde

• More women die in heatwaves, but biology ‘isn’t main cause’ (dw.com)
  

  In country after country, more women are dying from the heat than men. But researchers say biology isn’t the main reason. Age, working conditions, and unequal access to rest may drive the gap.

• How rogue officers turned a nationwide camera network into a tool for stalking (yahoo.com)
• Ce que l’accès aux toilettes publiques révèle des inégalités de genre dans les villes (theconversation.com)
  

  De nombreuses normes de conception reposent encore sur le modèle du « corps masculin par défaut », qui suppose une utilisation rapide des toilettes, en position debout et avec un temps de passage minimal. Lorsque les espaces sont aménagés en fonction du corps et des habitudes des hommes, les retards sont facilement imputés au comportement des femmes

• ‘They were told bikes were for men’ : how Latin America’s city of cycling is breaking gender barriers (theguardian.com)
  

  With less than a third of cycling journeys taken by women, Colombia’s capital, Bogotá, is installing bike lanes, teaching cycling and making sure ‘stereotypes are left behind’

Spécial France

• Intermarché victime d’une cyberattaque visant les fichiers clients associés à son service Drive, 300 000 client·es concerné·es (franceinfo.fr)
• Après le feu de Gironde, la Poste n’exclut pas que les salariés rattrapent les heures perdues (et fait polémique) (huffingtonpost.fr)
  

  « Chaque postier sera intégralement rémunéré malgré la suspension temporaire de son activité », écrivait la direction de la Nouvelle-Aquitaine dans un courrier du 26 juillet […] mais « les heures non réalisées seront reportées ».

• « C’est du mépris de classe » : une mairie profite des incendies pour supprimer des jardins familiaux (reporterre.net)
  

  Dans les Pyrénées-Orientales, des habitants ont reçu l’ordre d’évacuer des jardins communaux afin que soit créée une « ceinture de protection » contre les incendies. Ils dénoncent la violence de cette décision et l’hypocrisie des autorités locales.

  

• Une eau bien gérée et vitale pour les Francilien·nes (humanite.fr)
  

  En raison des changements climatiques en cours, la manière de gérer l’eau en France sera déterminante au cours de ce XXIème siècle. Le temps ayant passé, il convient de rappeler la manière dont fut géré le bassin versant de la Seine au XXème siècle. Comparé à la non gestion du cours de la Loire, il donne à voir les bons choix en la matière.

• Sécheresse. La baignade et la navigation interdites dans tous les cours d’eau de la Manche jusqu’au 30 septembre (france3-regions.franceinfo.fr)
• 40 °C, sol granitique, bâti inadapté : la Bretagne n’est pas le refuge climatique qu’on croit (reporterre.net)
• Les vendanges ont déjà commencé en Champagne, un début historiquement précoce (huffingtonpost.fr)
  

  De premières vendanges ont débuté ce 6 août en Champagne. Jamais elles n’avaient eu lieu aussi tôt dans l’année, le signe d’un été record en chaleur et en sécheresse.

• Incendie sur un site Seveso en Moselle : le confinement de 30 000 personnes levé (reporterre.net)
  

  30 000 personnes ont été appelées à se confiner pendant plusieurs heures, dimanche 2 août, en raison de l’incendie d’un entrepôt classé Seveso, à Gandrange (Moselle). Un nouvel épisode révélateur de la vulnérabilité des industries à la sécheresse et aux canicules ?

• Dans l’Allier, la plus grande mine de lithium d’Europe s’attaque à une forêt pleine d’espèces protégées (reporterre.net)
• En Bretagne, l’agriculture intensive pollue… et l’État la paie pour nettoyer ses algues vertes (reporterre.net)

Spécial femmes en France

• « Les filles le méritent » : une « vraie réflexion » en cours sur une diffusion intégrale des étapes du Tour de France Femmes – Le Parisien (leparisien.fr)
• Sur le Tour de France femmes, la pause pipi de trois coureuses (dont Demi Vollering) leur vaut une amende (huffingtonpost.fr)
• La fédération condamne le harcèlement sexiste subi par Milan Violon en natation artistique (huffingtonpost.fr)
  

  Le jeune homme de 17 ans est le seul homme sélectionné dans l’équipe de France aux Championnats d’Europe qui se déroulent actuellement à Paris. […] Longtemps exclusivement féminine, la natation artistique s’est ouverte récemment aux participants masculins.

• La mairie de Levallois-Perret fait effacer d’une fresque Gérard Depardieu et Richard Berry, accusés de violences sexuelles (huffingtonpost.fr)
  

  Le portrait des deux acteurs a été remplacé par celui de Géraldine Nakache et Mélanie Laurent.

• Déjà condamné, Moha la Squale de retour au tribunal pour des « violences volontaires en état d’ivresse et en récidive légale » (humanite.fr) – voir aussi Le rappeur Moha La Squale condamné à deux ans de prison pour des violences sur deux femmes (telerama.fr)
• Membres d’un groupe Telegram haïssant les femmes, des dizaines d’hommes bientôt jugés (huffingtonpost.fr)
  

  45 membres d’un canal Telegram masculiniste ont été interpellés après une enquête du parquet de Paris. 34 seront jugés notamment pour provocation à la haine envers les femmes.

• Dans le Vaucluse, un ancien légionnaire placé en détention provisoire pour le meurtre de son ex-compagne (lemonde.fr)
  

  Selon le quotidien « La Provence », le quinquagénaire, déjà connu pour des faits de violence sur son ex-compagne, était colistier du candidat Rassemblement national dans la commune de Bollène, lors des élections municipales de mars.

Spécial médias et pouvoir

• Présidentielle 2027 : des ingérences aux conséquences difficilement quantifiables (next.ink)
  

  Plusieurs candidats à l’élection présidentielle ont été récemment visés par des campagnes de désinformation sur les réseaux sociaux. Sans grande visibilité directe pour certaines au moins, elles arrivent quand même à se faire une place dans l’actualité via leur dénonciation par les autorités, les candidats et les médias.

• Xenia Fedorova a quitté la France, alors que le référé contre son expulsion a été rejeté par la justice (telerama.fr)
• Concert interrompu de Barbara Butch : les angles morts du récit médiatique (2/3) (arretsurimages.net) – voir aussi Concert interrompu de Barbara Butch : la parole aux personnes présentes (3/3) (arretsurimages.net)

Spécial emmerdeurs irresponsables gérant comme des pieds (et à la néolibérale)

• “Une gravité exceptionnelle” : après deux suicides d’agents des services du Premier ministre et plusieurs tentatives, des enquêtes judiciaires et internes ouvertes (franceinfo.fr) – voir aussi Les services du Premier ministre répondent à l’affaire des suicides à Matignon (huffingtonpost.fr)
• Yaël Braun-Pivet se dit « dépassée » par la polémique sur le nouveau pavillon d’accueil de l’Assemblée nationale (huffingtonpost.fr)
  

  D’abord en pause puis remis à l’ordre du jour cet été, le projet lancé par la présidente de l’Assemblée et chiffré à 52,8 millions d’euros cristallise les critiques.

• Après les incendies, les pompiers en ont assez d’être qualifiés de héros, notamment par les politiques (huffingtonpost.fr) Un communiqué de l’intersyndicale des sapeurs-pompiers demande que le qualificatif élogieux ne soit plus employé, estimant qu’il sert à cacher « le délitement de la Sécurité civile ».
• Cette note de Gérald Darmanin est accablante sur la prise en charge des violences sexuelles sur mineurs (huffingtonpost.fr)
• Huit mois plus tard, le gouvernement se résout à publier un rapport édifiant sur la mortalité infantile (huffingtonpost.fr)
  

  La France subit, en matière de mortalité des nouveau-nés, « une dégradation sanitaire préoccupante, remontant à quinze ans ».

  
  Voir aussi Publié discrètement, un rapport interroge les causes de la forte mortalité infantile en France, avec les chiffres les plus préoccupants Outre-mer (la1ere.franceinfo.fr) et le rapport : Organisation de la périnatalité dans les territoires : affirmer une logique de santé publique (igas.gouv.fr)

• L’hébergement d’urgence sous pression face aux coupes budgétaires (site.ldh-france.org)

Spécial recul des droits et libertés, violences policières, montée de l’extrême-droite…

• La loi de programmation militaire validée par le Conseil constitutionnel, sans réserve (lemonde.fr)
  

  Saisie par les députés « insoumis », écologistes et communistes, notamment au sujet de la création d’un « état d’alerte de sécurité nationale », l’instance n’a censuré aucune mesure de ce texte

• “Un doute sérieux quant à leur légalité” : la justice suspend des couvre-feux pour mineurs dans plusieurs communes de la Loire (franceinfo.fr)
• Canicules, incendies : comment l’extrême droite en fait un argument contre l’écologie (reporterre.net)
  

  Par un mécanisme d’inversion du blâme, les politiques environnementales et les écologistes sont accusé·es d’entraver la prévention des risques et d’accroître la vulnérabilité des populations.

• Simon Delacroix, alias The Toxic Avenger, harcelé après avoir critiqué l’hommage de Jordan Bardella à Kavinsky (humanite.fr)
  

  Le DJ a connu un « torrent de harcèlement » après son tweet en réponse à l’hommage de Jordan Bardella à Kavinsky : « Merci de vous abstenir de cet hommage : la musique électronique vous déteste » […] il est devenu la cible de nombreux messages d’insultes et de menaces, dont il cite des exemples : « On s’en souviendra et tu seras le premier qu’on viendra chercher. »

• Une enquête ouverte après la découverte de tags néonazis à La Flèche, ville tenue par le RN (humanite.fr)

Spécial résistances

• « Le samedi 26 septembre, partout en France, nous serons dans la rue » : près de 1000 citoyen·nes lancent un appel pour un plan d’urgence climatique (vert.eco)
  

  À l’initiative de l’association Bio Consom’acteurs, près de 1000 personnes ont signé une lettre ouverte au président de la République, Emmanuel Macron, pour exiger un plan d’urgence, d’adaptation et d’atténuation face au réchauffement climatique.

• « IA pas moyen » : ils refusent le géant data center de Microsoft en Alsace (reporterre.net)
• « Désarmer Bolloré » : la lutte contre le milliardaire se déplace en face de son île privée (reporterre.net)
• Son fils est né avec une malformation : une mère en colère contre les pesticides et leurs « lobbyistes sans scrupules » (reporterre.net)

Spécial outils de résistance

• Atlas of Surveillance (atlasofsurveillance.org)

Spécial MAGAM et cie

• Une start-up soutenue par Jeff Bezos veut s’approprier des archives coloniales pour trouver du lithium au Congo (reporterre.net)
  

  À l’AfricaMuseum de Tervuren, en Belgique, des archives géologiques héritées du Congo belge attisent les convoitises de KoBold Metals, une start-up minière étasunienne dopée à l’IA et soutenue par des milliardaires de la tech.

• Meta Caught Paying Nazis to Post on Facebook (futurism.com)
  

  Meta was paying out-and-out neo-Nazis to post on Facebook, an investigation from Australia’s ABC News found. These pages and individual creators posted content that appeared to be in clear violation of Facebook’s own hate speech policies. Nonetheless, they were able to earn money on their posts through the platform’s “Content Monetization” program — which is invitation-only.

• Le rejet de Windows 11 pousse Linux au-dessus des 10 % d’adoption pour la première fois de son histoire (lesnumeriques.com)
• Marine Tondelier dit vouloir couper X… et déclenche un duel inattendu avec Elon Musk qui veut la « faire taire » (huffingtonpost.fr)
  

  « J’exige qu’elle soit “shut down” [qu’on peut ici traduire par “réduite au silence”] pour trahison envers la France », a écrit le milliardaire au sujet de Marine Tondelier, dans un message vu plus de 400 000 fois.

• Elon Musk’s attempt at an AI Wikipedia hasn’t been updated in months (theverge.com)
  

  Suggested Grokipedia edits haven’t been addressed since April, according to a report.

Les autres lectures de la semaine

• The rise of the military-technology complex (thebulletin.org)
  

  How Silicon Valley tech firms remade US defense contracting. And then opened the Pentagon’s checkbook—wide.

• The offline messaging apps challenging internet shutdowns (restofworld.org)
  

  Jack Dorsey’s Bluetooth messaging app surged during India’s internet blackout — and the government’s response suggests a new tech battleground.

• Ceuta : La Hogra et le monde qui brûle (lundi.am)
• Avant l’écoféminisme, Suzanne Césaire tissait déjà le lien entre colonisation et destruction du vivant (reporterre.net)
  

  Longtemps restée dans l’ombre de son mari, Suzanne Césaire a pourtant, dans sa courte carrière littéraire, tracé les lignes d’une identité martiniquaise singulière, ancrée dans son rapport à la terre.

• Anita Conti, les yeux des pêcheurs et une scientifique respectée dans un monde machiste (humanite.fr)
• Flora Tristan, la révolutionnaire qui dénonçait déjà la pollution industrielle au XIXe siècle (reporterre.net)

Les BDs/graphiques/photos de la semaine

• Rapport
• Trop
• Lutter
• Imposture
• Mélenchon
• Windows
• Right
• Water stress
• Crime

Les vidéos/podcasts de la semaine

• Police Surveillance Technology : Last Week Tonight with John Oliver (tube.fede.re)
• Nicole Ferroni reçoit Macron en consultation (tube.fdn.fr)
  

  Ces canicules vous les avez voulues, vous les avez cherchées, et c’est aussi un peu pour ça qu’on les a eues, ah ah !

• De NRJ à “Legend”, un climat de travail délétère, raciste et sexiste : le journaliste Iban Raïs raconte son enquête sur Guillaume Pley (humanite.fr)

Les trucs chouettes de la semaine

• Créer une application pour parler de santé sexuelle sans tabou à Mayotte : le pari réussi de Chababi Jouwa (la1ere.franceinfo.fr)
• Partir seule, tracer sa route : ces livres féministes pour passer à l’acte (reporterre.net)
• 22 °C sans clim : le pari réussi de la maison en terre et en bois (reporterre.net)
• “Il y a 15 degrés de moins” : la commune de Cuers est devenue un laboratoire d’expérimentation pour faire face au réchauffement climatique (franceinfo.fr)
• Vous allez peut-être croiser la seule espèce « immortelle » en vous baignant cet été (slate.fr)
  

  Une méduse de la taille d’un dé à coudre est capable de vivre éternellement, du moins en laboratoire.[…] Dans leur environnement naturel, en revanche, leur prétendue immortalité se heurte à une limite beaucoup plus terre à terre : les prédateurs peuvent tout simplement les dévorer.

Retrouvez les revues de web précédentes dans la catégorie Libre Veille du Framablog.

Les articles, commentaires et autres images qui composent ces « Khrys’presso » n’engagent que moi (Khrys).

Cet article est une republication, avec l’accord de l’auteur, Hubert Guillaud. Il a été publié en premier le 30 septembre 2025 sur le site Dans Les Algorithmes sous licence CC BY-NC-SA.

Tout l’été, profitez de republications de « Dans Les Algorithmes » ! Rendez-vous tous les dimanches de juillet et d’août pour réfléchir, ensemble, sur les enjeux de l’Intelligence Artificielle.

Hubert Guillaud

L’idée que l’IA serait l’avenir de la science comme on l’entend très souvent est bien plus un moyen d’orienter les investissements qu’une vérité scientifique.

« Le discours selon lequel l’intelligence artificielle révolutionne la science est désormais quasiment incontournable », rappelle William Burns, consultant en politique scientifique, pour Tech Policy Press. « L’histoire raconte déjà que l’IA n’est pas seulement l’avenir : elle révolutionne les découvertes scientifiques ». Même des gens assez critiques de l’IA et de ses développements disent qu’elle possède des « capacités prometteuses » pour la recherche scientifique, justifiant son développement. Pourtant, l’IA, telle qu’elle est actuellement déployée en science, occulte plus qu’elle ne révèle, exacerbant les problèmes qu’elle prétend résoudre.

Les chercheuses Lisa Messeri et Molly J. Crockett affirmaient l’année dernière dans Nature que « la prolifération des outils d’IA en science risque d’introduire une phase de recherche scientifique où nous produisons davantage, mais comprenons moins ». Mais surtout, l’usage de l’IA pourrait compromettre la capacité à produire des connaissances fiables, sur lesquelles repose tout l’édifice scientifique. Cette crise annoncée prolonge celle que traverse la recherche depuis le début du XXIe siècle, notamment liée à la stagnation des découvertes pharmaceutiques. Burns rappelle par exemple que le Projet Génome Humain dans les années 90 a été lancé en promettant une prolifération de nouveaux médicaments qui n’est jamais advenue. Un chercheur d’une grande entreprise scientifique expliquait en 2008 que « rien de ce que les entreprises ont fait pour accroître la production de nouveaux médicaments n’a fonctionné, y compris les fusions, les acquisitions, les réorganisations et l’amélioration des processus ».

Le microbiologiste américain, Carl Woese, opposant à l’ingénierie biologique, estimait, en 2004, que la crise de l’innovation était liée à la généralisation de l’ingénierie du vivant. En 2011, l’économiste Philip Mirowski estimait que le néolibéralisme, obsédé par la technologie, avait tué la rigueur scientifique. La promesse de renouveau scientifique par l’IA s’inscrit pleinement en prolongement de cette crise. En 2023, l’OCDE expliquait que l’IA pourrait venir aider une science devenue « plus difficile ». À l’image d’AlphaFold, le système de pliage des protéines de Google DeepMind, pour lequel Demis Hassabis et John Jumper ont reçu le prix Nobel de chimie en 2024.

Les protéines ne sont pas des puces de silicium

AlphaFold a permis de prédire la structure de 200 millions de protéines, mais il serait expérimentalement impossible d’en vérifier n’en serait-ce qu’une fraction. Pour ce faire, « il faudrait généralement isoler des protéines des cellules en quantités importantes – un processus capricieux – puis les soumettre à des techniques telles que la diffraction des rayons X et la résonance magnétique nucléaire. Ces étapes pourraient prendre des années, même pour une seule protéine ». Néanmoins, la philosophe Daria Zakharova a affirmé dans un pré-print que si les prédictions d’AlphaFold sont considérées comme fiables et sont utilisées par les scientifiques, cette « connaissance » est bien imparfaite. « D’un point de vue strictement matériel, AlphaFold n’est pas une représentation du comportement des protéines, mais plutôt du comportement des puces de silicium (sur lesquelles repose le calcul). En ce sens, les inventeurs d’AlphaFold ont avancé l’hypothèse que des puces de silicium pourraient imiter les protéines. Cela soulève la question de savoir comment des matériaux sans lien entre eux, tant chimiquement que spatialement et temporellement, pourraient s’imiter. Au minimum, des preuves substantielles seraient nécessaires pour le prouver. Pourtant, lorsque des efforts ont été déployés pour le vérifier, les résultats ont été mitigés », rappelle Burns. Une étude récente de Garrido-Rodríguez et ses collègues a par exemple soutenu que le calcul d’AlphaFold ne « correspondait pas aux modèles déterminés expérimentalement », faisant référence à une classe de protéines omniprésentes et biologiquement vitales appelées serpines. « De toute évidence, des recherches plus approfondies pourraient être nécessaires sur la fiabilité de l’IA en tant qu’outil prédictif ». Pour Burns, les preuves ne sont pas suffisamment solides à ce stade. Bien sûr, le repliement des protéines est complexe. Leur modélisation est ancienne et repose sur des hypothèses manifestement différentes de leur réalité. Longtemps, ces modèles servaient à interpréter des données d’observation issues de la diffraction des rayons X, et non à créer un modèle informatique, comme avec AlphaFold. Le problème, estime le chercheur en cancérologie et lauréat du prix Nobel de physiologie ou médecine 2019, William G. Kaelin Jr., c’est que la publication doit construire son savoir sur des briques plutôt que sur de la paille.

Au Royaume-Uni, la UK Biobank, une entreprise publique qui détient des données génétiques sur un sous-ensemble de la population britannique, aurait conclu en mars dernier un partenariat avec des sociétés pharmaceutiques et Calico, filiale d’Alphabet, qui auront accès à ces données pour des études menées avec l’IA. Le projet a été décrit par le Financial Times comme « un exemple emblématique de la manière dont les ordinateurs avancés et les modèles d’intelligence artificielle peuvent exploiter de vastes ensembles de données biologiques pour étudier en profondeur le fonctionnement du corps humain et ses dysfonctionnements potentiels ». Une question se pose cependant : l’exploitation de ces ensembles de données est-elle susceptible de produire des connaissances fiables, même en théorie ? En 2017, ces données ont été décrites comme « non représentatives de la population générale… Les participants à la UK Biobank vivent généralement dans des zones socio-économiquement moins défavorisées ; sont moins susceptibles d’être obèses, de fumer et de consommer de l’alcool quotidiennement ; et présentent moins de problèmes de santé auto-déclarés ». La structure de ces ensembles de données de santé, et d’autres similaires, qui ne sont certainement pas secrets, suscite des doutes. Même les observateurs optimistes doivent l’admettre : si les données sont inadéquates et l’IA opaque, quelle est la valeur épistémique réelle de ces projets ? Le prix Nobel Kaelin Jr. a conseillé : « La question… devrait être de savoir si… les conclusions sont susceptibles d’être correctes, et non de savoir s’il serait important qu’elles soient vraies. »

Ralentir la science

Si l’on veut sauver la science de son malaise actuel, des solutions sont déjà possibles, conclut Burns. « Des propositions comme la « slow science » d’Isabelle Stenger semblent valoir la peine d’être tentées, car elles pourraient élargir la charge de la preuve aux affirmations scientifiques et encourager un esprit de service public parmi les scientifiques. Pourtant, si une rénovation épistémique a eu lieu jusqu’à présent dans le domaine scientifique, elle est restée extrêmement timide et n’a pas produit d’effets escomptés. 

Il faut dire que pour les investisseurs, l’idée que l’IA puisse nous sortir de l’impasse actuelle et donner naissance à toutes sortes d’inventions rentables est doublement séduisante. L’IA est une méthode qui ne nécessite que des capitaux pour sa mise en œuvre et qui peut être réalisée à grande échelle, contrairement à la recherche empirique, centrée sur l’humain et fastidieuse, où l’ingéniosité et la chance (qui ne s’achètent pas si facilement) semblent prédominer. Mais investir dans l’IA est aussi un moyen efficace de maintenir le statu quo, tout en semblant le bouleverser, car il pose l’hypothèse d’un avenir technologique sans les changements systémiques qu’impliquent d’autres réformes. 

Dans cette optique, nous devons résister au spectacle. L’IA fait vendre une vision du progrès où les algorithmes peuvent révéler les secrets plus rapidement, mieux et à moindre coût ; pourtant, les secrets de la nature ne sont pas si facilement révélés, et la connaissance sans compréhension n’est pas une connaissance du tout. »

S’il y avait besoin d’une explication supplémentaire, Alberto Romero dans sa newsletter algorithmic Bridge, revient sur une étude du MIT et de Harvard, où les chercheurs se sont demandé si les modèles d’IA pouvaient passer de la simple prédiction au « développement de modèles fiables », en les faisant travailler sur un problème de physique assez classique ? Mais au lieu de tester avec le langage, qui est assez complexe et difficile à analyser, ils se sont concentrés sur la physique classique. Ils voulaient voir si le modèle utiliserait les lois de Newton pour prédire les vecteurs de force à l’origine du mouvement de révolution de la terre autour du soleil ou s’il inventerait simplement ses prédictions sans comprendre la physique réelle. Ils ont conclu que les modèles d’IA font des prédictions précises, mais ne parviennent pas à encoder le modèle universel de Newton et recourent plutôt à des heuristiques spécifiques à chaque cas, non généralisables et fortement incohérents. L’étude montre que « les modèles d’IA sont tout simplement incapables de coder un ensemble de lois robustes pour régir leurs prédictions : ils sont non seulement incapables de retrouver des modèles du monde, mais intrinsèquement mal équipés pour le faire ». Un modèle d’IA d’apprentissage profond est peut-être architecturalement incapable de développer des modèles du monde corrects estiment-ils. Même le rêve que l’IA puisse être utilisée pour améliorer la prédictibilité des modèles climatiques est battue en brèche. Dans leur livre, AI Snake Oil (voir notre recension), les chercheurs Arvind Narayanan et Sayash Kapoor montraient que son amélioration était assez limitée et qu’elle pourrait même atteindre un palier indépassable, à mesure que les phénomènes deviennent plus extrêmes. La croyance dans un progrès scientifique exponentiel porté par l’IA ne sert qu’à raviver les promesses des technosciences comme le disaient déjà Marc Audétat et les chercheurs invités dans Sciences et technologies émergentes : pourquoi tant de promesses ? (Hermann, 2015, voir notre recension). L’idée que l’IA serait l’avenir de la science comme on l’entend très souvent est bien plus un moyen d’orienter les investissements qu’une vérité scientifique.

MAJ du 25/01/2026 : L’IA va-t-elle tuer la science ou, au contraire, engendrer une révolution scientifique ? C’est la question que pose l’astrobiologiste Sara Imari Walker dans un article pour Noema. Si l’IA peut résoudre le problème du pliage des protéines comme le promettent beaucoup de recherches, que pourrait-elle accomplir d’autre ? Mais si « AlphaFold prédit les structures 3D, il n’explique ni la physique sous-jacente, ni les mécanismes de repliement, ni les ensembles conformationnels dynamiques. Il fonctionne bien pour les protéines composées de la vingtaine d’acides aminés présents dans la biologie terrestre. Pour étudier les protéines issues des centaines d’acides aminés contenus dans les matériaux météoriques, ou pour concevoir de nouvelles protéines thérapeutiques, ce modèle a besoin de données supplémentaires. La limitation ne réside ni dans l’algorithme ni dans sa capacité de mise à l’échelle : les données nécessaires n’existent pas. » 

Si l’on considère la science uniquement comme la méthode scientifique (observation, hypothèse, vérification, analyse), alors l’automatisation semble inévitable, avance-t-elle. Les algorithmes d’IA réalisent de manière démontrée bon nombre, voire la totalité, de ces étapes, et leurs performances s’améliorent lorsqu’ils sont guidés par des scientifiques.

Pourtant, si la mise à l’échelle était notre seul besoin, l’IA actuelle offrirait une solution banale à la science : nous pourrions faire plus grâce à des modèles à plus grande échelle. Cependant, l’optimisme autour de l’IA ne se limite pas à l’automatisation et à la mise à l’échelle ; il concerne aussi la théorie de l’esprit. La science diffère radicalement de l’expérience : elle est fondamentalement intersubjective. Si une chose n’existe que dans un seul esprit et ne peut être partagée, elle ne peut devenir une connaissance scientifique. La science exige la vérification mutuelle des observations, la construction d’un héritage de découvertes passées et l’élaboration d’un consensus intergénérationnel sur la réalité. Les modèles scientifiques doivent donc être exprimables par des symboles, des mathématiques et le langage, car ils doivent être reproductibles et interprétables d’un esprit à l’autre. La science est par définition instable car elle n’est pas une caractéristique objective de la réalité : elle se comprend plus justement comme un système culturel évolutif, nourri par la représentation consensuelle et adaptable aux nouvelles connaissances que nous produisons. Notre principal mode de communication des idées scientifiques est la représentation symbolique. Nous communiquons des modèles du monde, et non le monde lui-même.

Plus fondamentalement, le discours actuel, optimiste, voire arrogant, autour de l’IA et de l’intelligence artificielle générale laisse entendre que ces algorithmes seront « plus qu’humains » dans leur capacité à comprendre et à expliquer le monde, dépassant ainsi ce que certains perçoivent comme les limites de l’intelligence imposées par la biologie humaine. Or, cela est impossible, de par les fondements mêmes de la théorie du calcul et l’héritage de l’abstraction humaine dont ces technologies sont directement issues. Comme l’écrit le physicien David Deutsch, si l’univers est effectivement explicable, les humains sont déjà des « explicateurs universels », car nous sommes capables de comprendre tout ce qu’un système informatique peut comprendre : en termes de capacités de calcul, ordinateurs et cerveaux sont tout aussi universels.

Les changements de paradigme révèlent que la puissance de la pensée scientifique ne réside pas dans la vérité littérale des théories, mais dans notre capacité à identifier de nouvelles façons de décrire le monde et dans la persistance des structures que nous décrivons à travers différents schémas de représentation.

Ceci nous amène à comprendre pourquoi l’IA ne peut remplacer les scientifiques. Les controverses et les débats sur le langage et la représentation en science ne sont pas des anomalies ; ils sont inhérents à un système sociétal qui détermine les modèles qu’il privilégie. Les milliards de paramètres d’AlphaFold 3 suggèrent que la parcimonie et la simplicité ne sont peut-être pas les seules voies possibles pour la science. Si nous voulons des modèles qui cartographient le monde avec la plus grande précision possible, la complexité est peut-être nécessaire.

C’est cette profondeur de sens, inhérente à nos théories, que la science découvre en construisant de nouvelles perceptions sociétales. Une vision superficielle, où la science se contente de créer des modèles prédictifs dépourvus de profondeur et de signification, ne peut la saisir. Lorsqu’un scientifique élabore une théorie, même avant l’évaluation par les pairs, il y a un acte intentionnel d’explication et un travail intérieur de confrontation avec l’intuition et sa représentation. Les modèles d’IA, en revanche, génèrent des prédictions par reconnaissance statistique de formes, un processus très différent.

« La question fondamentale n’est pas de savoir si l’IA peut faire de la science, mais si les sociétés peuvent construire des représentations partagées et des significations consensuelles avec des algorithmes dépourvus de la création intentionnelle de sens qui a toujours été au cœur de l’explication scientifique.  » L’IA transformera-t-elle la science ? Certainement. Remplacera-t-elle les scientifiques ? Certainement pas, clame Sara Imari Walker. Si nous nous méprenons sur la nature de la science, en confondant l’automatisation des méthodes avec le projet humain de construction, de débat et d’affinage collectifs des représentations symboliques qui nous permettent de comprendre la réalité, l’IA risque d’annoncer la mort de la science : nous manquerons alors l’occasion de l’intégrer pleinement aux systèmes culturels de la science.

« La science ne se résume pas à la prédiction et à l’automatisation ; l’histoire nous enseigne qu’elle est bien plus que cela. Elle repose sur un consensus explicatif et une négociation humaine permanente quant aux descriptions du monde que nous adopterons collectivement. Cette négociation, cette articulation intersubjective des observations en une signification partagée, est fondamentalement sociale et, pour l’instant, fondamentalement humaine. »

MAJ du 26/01/2026 : L’IA peut-elle générer de nouvelles idées en science ?, interroge Cade Metz pour le New York Times, en revenant sur une polémique récente où une startup, Harmonic, affirmait que son IA aurait résolu un problème de math resté insoluble (voir les explications de Numerama). En fait, des mathématiciens et des chercheurs en IA ont rapidement souligné que le système avait identifié des solutions existantes, enfouies dans des décennies d’articles de recherche et de manuels, par exemple en trouvant une solution enfouie dans un article en allemand. “Un chercheur expérimenté est toujours nécessaire pour interroger le système, lui expliquer ce qu’il doit rechercher et, finalement, extraire les informations pertinentes du reste des données produites”.