L’intelligence artificielle repousse les frontières de la science, offrant des solutions inédites mais paradoxalement incompréhensibles pour les chercheurs. Cette avancée, saluée par les prix Nobel, soulève des questions fondamentales sur les méthodes scientifiques traditionnelles et la nécessité de nouvelles approches pour décrypter le fonctionnement de ces systèmes complexes.
Deux prix Nobel en 2024 ont mis en lumière l’importance cruciale de la recherche en intelligence artificielle. Le prix Nobel de chimie a récompensé les développeurs d’« AlphaFold », un système d’IA qui révolutionne l’analyse des structures protéiques, avec des applications majeures dans la recherche sur la maladie d’Alzheimer. Simultanément, le prix Nobel de physique a honoré les pionniers du « deep learning », une technologie fondamentale de l’IA.
L’IA produit désormais des résultats opérationnels, mais dont les mécanismes échappent aux scientifiques. Le physicien autrichien Mario Krenn a ainsi collaboré avec des systèmes d’IA qui ont apporté des améliorations surprenantes au détecteur d’ondes gravitationnelles LIGO. « Personne n’aurait imaginé ces solutions », explique-t-il. « Nous avons vérifié les calculs, mais nous ne comprenons pas comment l’IA est parvenue à ces résultats. Nous n’avons aucune idée de l’effet physique en jeu. »
Cette situation inédite met à l’épreuve les méthodes scientifiques classiques. Lors d’un événement organisé par le Centre des médias scientifiques en octobre dernier, Krenn a décrit cette frustration : « C’est extrêmement déconcertant pour nous, en tant que scientifiques. Nous disposons de solutions efficaces, et nous savons qu’elles contiennent des idées qui nous échappent, presque par définition. Mais nous sommes incapables d’extraire ces idées. »
Krenn établit une comparaison frappante : les découvertes de l’IA pourraient être assimilées à des solutions provenant d’une intelligence extraterrestre – et nous devrions alors nous efforcer de les comprendre. De nombreuses équipes de recherche travaillent actuellement à rendre les fonctionnalités et les processus décisionnels des systèmes d’IA plus transparents. « La compréhension reste notre priorité absolue », souligne Krenn. « La manière dont nous pouvons analyser ou interpréter ces nouveaux systèmes n’est pas encore tout à fait claire. »
Krenn s’investit dans le développement de systèmes d’IA de nouvelle génération, « qui agiraient comme des tuteurs, nous aidant à comprendre ces systèmes et à les décomposer ». Bien que de tels systèmes n’existent pas encore, il est convaincu qu’ils deviendront essentiels dans un avenir proche. L’ingénierie inverse constitue une approche complémentaire, visant à décrypter les « pensées » de l’IA et à rendre ses découvertes accessibles aux humains.
Sur le même sujet
