La science a toujours progressé en analysant les données, en repérant des modèles et en testant des hypothèses. Pendant la majeure partie de l’histoire, cela signifiait que des humains – des humains brillants et infatigables – faisaient le gros du travail. Aujourd’hui, l’IA est en train de devenir l’assistant de recherche le plus puissant jamais inventé, capable de traiter des données à des échelles qu’aucune équipe de scientifiques ne pourra jamais égaler.
Pendant 50 ans, l'un des plus grands problèmes non résolus de la biologie était le problème de repliement des protéines : étant donné la séquence d'acides aminés d'une protéine, prédire sa forme tridimensionnelle.
Les protéines se plient selon des formes précises qui déterminent leur fonction – et les protéines mal repliées sont liées à des maladies comme la maladie d'Alzheimer, la maladie de Parkinson et le cancer. Comprendre la forme d'une protéine est essentiel pour concevoir des médicaments qui interagissent avec elle. Mais déterminer expérimentalement la structure d’une protéine prend des mois, voire des années, et coûte des centaines de milliers d’euros.
En 2020, AlphaFold2 de DeepMind a résolu ce problème avec une précision stupéfiante, correspondant aux résultats expérimentaux dans la plupart des cas. D’ici 2022, il avait prédit les structures de plus de 200 millions de protéines, soit pratiquement toutes les protéines connues en biologie. L'intégralité de la base de données a été publiée gratuitement.
Des chercheurs du monde entier ont immédiatement commencé à utiliser AlphaFold pour :
Le climat de la Terre est un système d’une complexité ahurissante. Les courants océaniques, la chimie atmosphérique, la dynamique des calottes glaciaires et les émissions humaines interagissent tous d’une manière qui nécessite d’énormes modèles informatiques pour être simulés.
L’IA améliore la science du climat de plusieurs manières clés :
Le modèle GraphCast de Google DeepMind, lancé en 2023, produit des prévisions météorologiques sur 10 jours avec plus de précision que les meilleurs modèles numériques traditionnels, et le fait en moins d'une minute sur un seul ordinateur, contre des heures sur un superordinateur.
Se connecter pour rejoindre la discussion
Les systèmes d’IA analysent des décennies de données satellitaires, de capteurs océaniques et atmosphériques pour :
La transition vers les énergies renouvelables nécessite d’adapter l’offre variable (quand le vent souffle, quand le soleil brille) à la demande. L’IA prévoit les deux, aidant les opérateurs de réseau à équilibrer le système et à réduire le besoin de centrales électriques de secours polluantes.
Le développement d’un nouveau médicament prend généralement 10 à 15 ans et coûte plus d’un milliard de livres. La plupart des candidats médicaments échouent. L’IA réduit considérablement ce délai.
La découverte de médicaments traditionnels implique :
L’IA peut considérablement accélérer les étapes 1 à 3 :
Traditional screening: test 1 million compounds in a lab over months
AI-assisted screening: score 100 million virtual compounds in hours
→ shortlist the top 100 for lab testing
Des sociétés comme Insilico Medicine et Recursion Pharmaceuticals ont utilisé l'IA pour identifier de nouveaux médicaments candidats en quelques mois plutôt qu'en années. BenevolentAI a utilisé l'IA pour identifier le baricitinib comme traitement potentiel contre le COVID-19 – un médicament déjà approuvé pour la polyarthrite rhumatoïde – quelques jours après le début de la pandémie.
L’univers génère plus de données qu’aucune équipe humaine ne pourrait jamais en traiter. L’IA est essentielle à l’astronomie moderne :
Le télescope Kepler de la NASA a observé 150 000 étoiles à la recherche de la petite atténuation indiquant le passage d'une planète devant. Un système d'IA de Google formé sur des observations confirmées de planètes a parcouru les données et a découvert deux nouvelles exoplanètes que les examinateurs humains avaient manquées, y compris la huitième planète du système Kepler-90, ce qui en fait la première étoile connue avec autant de planètes que notre propre système solaire.
La célèbre image de 2019 du trou noir dans la galaxie M87 – la première jamais prise – a été rendue possible grâce à un algorithme d’IA développé par Katie Bouman, qui a synthétisé les données de huit télescopes répartis à travers la planète en une image cohérente.
Le Perseverance Rover de la NASA utilise une navigation autonome basée sur l'IA pour planifier ses propres itinéraires à travers la surface martienne, évitant ainsi les dangers sans attendre 20 minutes que les signaux radio atteignent la Terre. Son hélicoptère compagnon Ingenuity utilise l'IA en temps réel pour rester stable dans la fine atmosphère de Mars.
Trouver de nouveaux matériaux – de meilleures batteries, des alliages plus solides, des cellules solaires plus efficaces – a toujours été un processus minutieux d’essais et d’erreurs. L’IA change cela.
Le Materials Project a utilisé l'IA pour modéliser informatiquement les propriétés de plus de 140 000 matériaux, prédisant leur stabilité, leur conductivité et d'autres caractéristiques avant que quiconque ne les construise en laboratoire. Les chercheurs peuvent interroger la base de données pour trouver des matériaux présentant les propriétés exactes dont ils ont besoin.
Le système FunSearch de Microsoft utilise l'IA pour découvrir de nouvelles structures et algorithmes mathématiques, démontrant ainsi que l'IA peut même faire progresser les mathématiques pures.
Le fil conducteur de toutes ces avancées est le même : L’IA peut trouver des modèles dans les données à des échelles qui sont tout simplement impossibles pour les chercheurs humains.
Considérez :
Les humains sont d’extraordinaires capables de reconnaître des modèles – mais seulement dans les limites de ce que nous pouvons garder en tête. L’IA n’a pas de telle limite. Il peut traiter les résultats de toutes les recherches publiées en neurosciences et faire apparaître des liens entre des articles rédigés à des décennies d’intervalle qu’aucun chercheur individuel ne remarquerait jamais.
Cela ne veut pas dire que l’IA remplace les scientifiques. Les scientifiques posent toujours des questions, conçoivent des expériences, interprètent les résultats et décident de ce qui compte. L’IA est l’outil le plus puissant jamais ajouté à la boîte à outils scientifique.
Quelle a été la principale réussite d’AlphaFold2 de DeepMind ?