Le système d’IA co-scientifique multi-agents de Google s’impose comme un assistant de recherche puissant en réalisant de véritables découvertes scientifiques qui prendraient normalement des années aux chercheurs.
Motivé par les défis du processus moderne de découverte scientifique, Google a développé l’IA co-scientifique comme un système multi-agents fondé sur Gemini 2.0. Ce système est conçu pour fonctionner comme un outil collaboratif pour les scientifiques, 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 des connaissances nouvelles et originales et à formuler des hypothèses de recherche inédites à partir de preuves antérieures et adaptées à des objectifs spécifiques. Lorsqu’un chercheur formule un objectif de recherche en langage naturel, le système génère des hypothèses innovantes, des synthèses détaillées et des protocoles expérimentaux.
Les capacités du système ont été spectaculairement démontrées 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 élucider comment les îlots chromosomiques phagiques inductibles formant des capside (cf-PICIs) 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 présentant leurs données inédites pour voir si elle parviendrait à la même conclusion.
Le résultat fut remarquable. L’IA a correctement identifié que les cf-PICIs produisent leurs propres capsides et emballent leur ADN, ne dépendant que des queues de phages pour le transfert. Elle a découvert que les cf-PICIs 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 de 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, on obtient des particules infectieuses avec la capside et la queue. Nous ne comprenions pas pourquoi nous avions des PICIs qui pouvaient être induits mais n’étaient pas transférés… Nous étions tellement biaisés que nous ne pouvions pas voir ce qui se passait réellement. »
Les performances de l’IA co-scientifique ont été validées 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 présentait un potentiel de nouveauté et d’impact supérieur, et ont préféré ses productions à celles d’autres modèles.
Pour permettre une exploration responsable du potentiel de l’IA co-scientifique, Google ouvre l’accès au système aux organisations de recherche via un programme Trusted Tester. À mesure que les défis scientifiques deviennent plus complexes et interdisciplinaires, des outils comme l’IA co-scientifique pourraient considérablement accélérer le rythme des découvertes en aidant les chercheurs à dépasser leurs propres biais et à identifier de nouvelles pistes prometteuses.