Pendant que d'autres nous vendent des feux d'artifice, elle réécrit la science

OpenAI ne cherche pas à créer une AGI. Assurez-vous que nous n'arrêtons pas de parler d'elle. C’est l’exposant maximum de la « productisation » de l’IA. Lui et d'autres concurrents se concentrent sur l'offre d'options flashy qui améliorent notre productivité mais ne changent pas le monde. C’est précisément ce que tentent de faire certaines entreprises, parmi lesquelles une se démarque particulièrement : DeepMind.

L'IA qui a aidé la science. Depuis deux ans, l’industrie technologique ressemble à un feu d’artifice. Tous les quelques jours ou semaines, un nouveau modèle promet de rédiger de meilleurs e-mails, de générer des vidéos plus réalistes ou d'avoir des conversations de plus en plus humaines. Le cycle de la nouveauté est souvent éphémère – les images à la manière du Studio Ghibli en sont un bon exemple – mais loin de ces « effets wow », il existe une IA silencieuse qui ne cherche pas à impressionner les réseaux sociaux, mais plutôt à aider à résoudre des problèmes scientifiques qui bloquent de nouvelles avancées depuis des décennies.

Le jeu de réflexion. Le récent documentaire sur DeepMind intitulé « The Thinking Game » et disponible gratuitement sur YouTube nous montre justement cette autre facette de l’IA. Même si le ton n'est pas exempt de cette épopée que l'on a déjà vécue avec le documentaire « AlphaGo », ce qu'il nous raconte rappelle cette dichotomie que vit l'industrie. Alors que la bulle de l’IA gonfle en quête de rentabilité immédiate, DeepMind semble avoir conservé son esprit originel. Celui qui veut utiliser l’IA non pas pour imiter l’être humain, mais pour – dans ce cas – déchiffrer le code de la biologie.

De Pong à AlphaFold. Ce documentaire de 84 minutes raconte l'histoire de DeepMind à travers la carrière de son co-fondateur, Demis Hassabis. Ce parcours est passionnant et nous montre comment la startup a commencé à développer des modèles d'IA ayant appris en autodidacte à jouer à des jeux vidéo rétro comme Pong ou Breakout (Arkanoid) pour, petit à petit, évoluer vers des défis bien plus ambitieux. Plus précisément, être capable de prédire la structure des protéines grâce à l’apprentissage profond.

L'IA peut changer la science. Le défi auquel les ingénieurs de DeepMind étaient confrontés semblait impossible. Prédire la structure de ces protéines était souvent trompeur et nécessitait une énorme puissance de calcul, mais avec AlphaFold 1 (2018) et surtout avec AlphaFold 2 (2020), DeepMind a obtenu des résultats spectaculaires. En 2021, l’entreprise a publié à la fois le code source du projet et une base de données contenant la structure de plus de 200 millions de protéines accessibles à tout laboratoire ou chercheur. C'était un cadeau absolu pour le monde scientifique. Puis arriverait AlphaFold 3, plus orienté vers le développement de médicaments et avec une visée un peu plus commerciale.

Une IA lauréate du prix Nobel. Deux des lauréats du prix Nobel de chimie 2024 travaillent chez DeepMind. Il s'agit de Demis Hassabis et John M. Jumper, qui ont reçu le prix pour leurs contributions à la prédiction de la structure des protéines. Ce travail avec AlphaFold a démontré que l’IA pouvait effectivement contribuer au progrès scientifique et placer DeepMind sur le trône de ce segment plus que jamais.

Une approche radicalement différente. Il est important de faire de la pédagogie ici. Alors que les LLM (grands modèles de langage comme GPT-5) fonctionnent en prédisant le mot suivant le plus probable dans une phrase, « l'IA pour la science » prédit les comportements physiques et chimiques : alors que les LLM peuvent halluciner et mentir comme si de rien n'était, l'IA scientifique se soumet aux lois de la physique.

De l'observation à la simulation. Traditionnellement, la science progressait grâce à l’observation, aux hypothèses et à l’expérimentation, ce qui était souvent lent et coûteux. Avec l’IA, une phase intermédiaire est introduite, la simulation massive, qui joue le rôle de catalyseur de ce processus. Grâce à l’IA, il est possible d’écarter des millions d’impasses avant que le scientifique ne mette les pieds dans le laboratoire. DeepMind l’a si bien vu qu’il a créé Isomorphic Labs, une spin-off commerciale dédiée exclusivement à l’utilisation de cette technologie pour découvrir de nouveaux médicaments.

DeepMind n’est pas seul. Bien que l’entreprise cofondée par Demis Hassabis soit la référence incontestable en la matière, il existe d’autres exemples qui suivent le même chemin :

• Microsoft : a franchi une étape marquante en collaboration avec le PNNL (Pacific Northwest National Laboratory) en filtrant avec l'IA 32 millions de matériaux inorganiques potentiels et en en trouvant un nouveau capable de réduire de 70 % l'utilisation du lithium dans les batteries.
• MIT : le prestigieux institut technique a utilisé des modèles de deep learning pour découvrir l'halicine, un antibiotique capable d'éliminer les bactéries résistantes à tous les traitements connus.
• NVIDIA : L'entreprise domine non seulement impérialement le marché des puces d'IA, mais a également construit un « jumeau numérique » de la Terre appelé Earth-2. Ses modèles d'IA (FourCastNet) prédisent les événements météorologiques extrêmes des milliers de fois plus rapidement et consomment beaucoup moins que les superordinateurs traditionnels.

La promesse (un peu) tenue. Presque depuis l’apparition de ChatGPT, on nous avait promis que l’IA changerait le monde. Pour l’instant, cela n’a pas fait grand-chose, mais ce qui a été réalisé par DeepMind et d’autres sociétés dans le domaine scientifique semble constituer de véritables révolutions. Je recommande de ne pas manquer le documentaire : c'est fantastique.

À Simseo | Ce que disent aujourd'hui les pionniers de l'IA récompensés aujourd'hui par le prix Nobel sur l'IA et ses risques