Du rififi chez les Nobel ! Et cette fois, pas à cause d'un mathématicien, même si on n'en est pas très loin puisque c'est l'intelligence artificielle qui est en jeu. L'IA a raflé deux prix Nobel : en physique, avec la distinction des pionniers du deep learning, John J. Hopfield et Geoffrey E. Hinton, mais aussi en chimie, avec le fondateur de Deepmind, Demis Hassabis, et son directeur, John M. Jumper, auxquels a été associé le biochimiste David Baker. Comment ? En quoi les réseaux de neurones relèvent-ils de la physique ? Les critiques ont fusé, de la part de scientifiques visiblement peu convaincus par l'argumentaire du comité Nobel pointant les racines du deep learning dans la physique. Et si le Nobel de chimie décerné le lendemain a été moins critiqué, l'accumulation de deux prix a fait monter la grogne : l'engouement autour de l'IA justifie-t-il vraiment cette invasion ?
Quelles qu'aient été les motivations des membres des comités, ce doublé marque un tournant. C'est d'abord la reconnaissance de l'apport des différentes techniques d'IA, réseaux de neurones profonds en tête, à la science ces dernières années. Derrière la spectaculaire prédiction de la structure 3D des protéines récompensée par le Nobel de chimie se cache une forêt d'avancées permises par l'IA. Les modèles de substitution accélèrent les simulations, de la météo aux propriétés thermodynamiques des matériaux, avec à la clé, la capacité à simuler de plus grands systèmes ou encore à explorer méthodiquement de vastes espaces des possibles. La capacité du machine learning à identifier des signaux cachés dans des masses de données en a fait un outil de détection indispensable en physique des particules et en astrophysique. Screening virtuel à haut débit de molécules, planification de chemins de synthèse en chimie, résolution d'équations différentielles... Les apports de l'IA et de l'automatisation qu'elle permet sont multiples en recherche scientifique. Et ce n'est qu'un début. L'« AI for science » mobilise les institutions, suscite la création de centres de recherche dédiés, de communautés de scientifiques et de colloques...
L'irruption de l'IA dans les Nobel s'inscrit dans la continuité des évolutions de ces dernières années. Elle pourrait les amplifier, tant la force symbolique de ces prix est importante. Pour décrocher un Nobel, ou simplement pour tirer leur épingle du jeu ultra-concurrentiel qu'est devenue la recherche académique, les spécialistes de l'IA vont-ils déferler dans les divers domaines scientifiques pour tenter d'y faire des percées par la seule force de leurs réseaux de neurones ? Les chercheurs de ces domaines vont-ils se précipiter vers les technologies d'IA pour obtenir plus facilement des résultats ?
Une telle bascule générerait sans nul doute d'importants progrès mais présente bien des risques. Premièrement, aborder les questions scientifiques avec un seul regard est forcément réducteur. D'autant que le deep learning, avec son côté boîte noire, n'est probablement pas l'outil idéal pour dégager des lois intelligibles par l'humain. Le risque est aussi de délaisser des domaines qui, faute de données suffisantes, ne se prêtent guère à l'IA. Enfin, la domination d'une poignée de géants de la tech sur l'IA, qui s'accompagne de la difficulté à reproduire des résultats obtenus à grand renfort de coûteux calculs et de modèles opaques, inquiète. Leur domination s'étendra-telle à la recherche scientifique?
