L’intelligence artificielle (IA) s’impose comme une actrice incontournable des sciences fondamentales. En témoignent les récentes distinctions des prix Nobel de chimie et de physique, où l’IA a joué un rôle déterminant. Ces récompenses illustrent l’enthousiasme croissant autour de son potentiel pour transformer les découvertes scientifiques. Un des lauréats a salué l’IA comme « l’une des technologies les plus transformatrices de l’histoire humaine », soulignant son aptitude à accélérer les avancées scientifiques. Toutefois, cette révolution soulève des questions cruciales : à quel point comprenons-nous les résultats qu’elle produit, et quelle place voulons-nous lui accorder dans l’avenir de la recherche ?
L’IA séduit par sa promesse de produire des résultats plus rapidement et à moindre coût. Des initiatives comme la machine « AI Scientist » développée par Sakana AI Labs ambitionnent même d’automatiser entièrement le processus de découverte scientifique. Avec une telle technologie, chaque idée pourrait être traduite en un article pour seulement 15 dollars. Cependant, ce modèle suscite des critiques. Certains dénoncent une production prolifique mais vide de sens, inondant la recherche de publications inutiles et accentuant la surcharge des systèmes d’évaluation par les pairs. Cela pourrait mener à un monde où la recherche significative est noyée dans une masse de contenus générés par l’IA.
L’utilisation de l’IA introduit également des illusions trompeuses qui pourraient affecter la qualité des travaux scientifiques. L’illusion de la profondeur explicative suggère qu’un modèle performant en prédiction, tel qu’AlphaFold pour les structures protéiques, ne garantit pas une compréhension réelle des mécanismes sous-jacents. L’illusion de l’étendue exploratoire laisse croire que toutes les hypothèses possibles sont testées, alors qu’elles restent limitées par les cadres définis par l’IA. Enfin, l’illusion de l’objectivité masque les biais intrinsèques issus des données d’entraînement ou des intentions des développeurs de modèles. Ces écueils soulèvent des préoccupations quant à la fiabilité et à l’interprétation des résultats produits par l’IA.
Alors que l’IA redessine le paysage scientifique, le lien entre la recherche et la société risque de s’effriter. Les appels à « faire confiance à la science » ont montré leurs limites, notamment pendant la pandémie de COVID-19, où les preuves scientifiques étaient souvent perçues comme fragmentaires ou sujettes à controverse. La science doit s’inscrire dans un contexte, en tenant compte des réalités locales et des valeurs culturelles. Une domination de l’IA pourrait engendrer une monoculture scientifique, favorisant des approches standardisées et ignorant les nuances nécessaires à une véritable transdisciplinarité.
Pour éviter que l’essor de l’IA ne déstabilise les bases mêmes de la recherche, il est impératif de définir un contrat social renouvelé. Les scientifiques doivent engager une réflexion collective sur des questions cruciales, comme l’intégration de l’IA sans compromettre l’intégrité des travaux financés par des fonds publics, la réduction de l’empreinte environnementale de cette technologie ou encore l’alignement de la recherche sur les besoins réels de la société. L’avenir de la science ne doit pas être dicté uniquement par les capacités de l’IA, mais co-construit à travers des discussions inclusives et pluridisciplinaires. Cela permettra d’établir des normes claires pour exploiter le potentiel de l’IA tout en évitant qu’elle devienne une menace pour la diversité et la pertinence des savoirs.
Si l’IA représente un levier puissant, son intégration doit être menée avec discernement pour que la science reste au service de l’humanité dans toutes ses dimensions.
La Rédaction
