Le système d’IA co-scientifique multi-agents de Google prouve sa valeur en tant qu’assistant de recherche puissant en réalisant de véritables découvertes scientifiques qui prendraient normalement des années aux chercheurs à dévoiler.
Motivé par les défis du processus moderne de découverte scientifique, Google a développé l’IA co-scientifique comme un système d’IA multi-agents basé sur Gemini 2.0. Le système est conçu pour servir d’outil collaboratif pour les scientifiques, en reproduisant le raisonnement qui sous-tend la méthode scientifique.
Au-delà des outils classiques de revue de littérature et de synthèse, l’IA co-scientifique vise à découvrir de nouvelles connaissances originales et à formuler des hypothèses de recherche inédites à partir de preuves antérieures et adaptées à des objectifs de recherche spécifiques. Lorsqu’un scientifique fournit un objectif de recherche en langage naturel, le système génère de nouvelles hypothèses, des synthèses détaillées et des protocoles expérimentaux.
Les capacités du système ont été démontrées de façon spectaculaire lorsque les professeurs José Penadés et Tiago Costa de l’Imperial College London l’ont mis au défi avec une question complexe sur l’évolution bactérienne. Le laboratoire de Penadés avait passé une décennie à résoudre comment les îlots chromosomiques inductibles par phages formant des capsides (cf-PICI) pouvaient échanger leurs queues pour infecter différentes espèces bactériennes. Avant de publier leurs résultats, ils ont décidé de tester l’IA co-scientifique en lui montrant leurs données non publiées pour voir si elle pouvait arriver à la même conclusion.
Le résultat a été remarquable. L’IA a correctement identifié que les cf-PICI produisent leurs propres capsides et emballent leur ADN, ne dépendant que des queues de phages pour leur transfert. Elle a découvert que les cf-PICI libèrent dans l’environnement des capsides sans queue, non infectieuses, contenant leur ADN, qui interagissent ensuite avec des queues de phages de différentes espèces pour former des particules chimériques capables d’injecter l’ADN dans diverses espèces bactériennes selon la queue présente.
Le professeur Penadés a souligné que son équipe avait été freinée par ses propres biais : « Nous étions biaisés. Pendant de nombreuses années, j’ai toujours pensé — et tous les spécialistes de la biologie des phages pensent — qu’après l’infection, ce que l’on obtient, ce sont des particules infectieuses avec la capside et la queue. Nous ne comprenions pas pourquoi nous avions des PICI qui pouvaient être induits mais n’étaient pas transférés… Nous étions tellement biaisés que nous ne pouvions pas voir ce qui se passait réellement. »
La performance de l’IA co-scientifique a été validée au-delà de ce seul cas. Sur un sous-ensemble de 11 objectifs de recherche, des experts du domaine ont évalué les résultats du système par rapport à d’autres références pertinentes. Bien que l’échantillon soit restreint, les experts ont jugé que l’IA co-scientifique avait un potentiel de nouveauté et d’impact supérieur, et ont préféré ses résultats à ceux d’autres modèles.
Pour faciliter une exploration responsable du potentiel de l’IA co-scientifique, Google permet l’accès au système pour les organisations de recherche via un programme Trusted Tester. Alors que les défis scientifiques deviennent de plus en plus complexes et interdisciplinaires, des outils comme l’IA co-scientifique pourraient accélérer de façon significative le rythme des découvertes en aidant les chercheurs à surmonter leurs propres biais et à identifier de nouvelles pistes prometteuses.