L’intelligence artificielle, lauréate des prix Nobel de physique et de chimie
LLe public des prix Nobel n’est plus ce qu’il était, mais ces récompenses scientifiques restent utiles pour rappeler certains enseignements et éclairer les rapports entre science et société. Cette année par exemple, les comités de sélection ont confirmé leur sexisme, en ne donnant la priorité à aucune femme parmi les sept lauréats dans les trois disciplines, médecine, physique et chimie.
Dans le cas de la médecine, le comité aggrave son cas avec l’invisibilité de deux femmes, Rosalind Lee et Rhonda Feinbaum (la première étant l’épouse de l’un des gagnants), qui ont évidemment joué un rôle clé dans les résultats gagnants. par le Nobel. Certes, ils n’étaient pas à l’initiative des travaux mais en 2018, le comité de physique a célébré le physicien, Gérard Mourou, et son élève, Donna Strickland, dans des circonstances similaires. Mais les enseignements les plus nombreux concernent la thématique primée en physique et chimie : l’intelligence artificielle.
A ceux qui, face à la profusion des « applications » de l’intelligence artificielle actuelle (génération de textes, d’images, de vidéos, parties de go et d’échecs…), douteraient du caractère scientifique de ces innovations, le jury de physique est venu rappeler nous que les racines de ce domaine se trouvent, en partie, dans la physique statistique. Même si les systèmes étudiés par les deux lauréats sont loin de ceux utilisés aujourd’hui. Même si les progrès significatifs sont davantage liés aux mathématiques, à l’informatique et à l’ingénierie, il est utile de souligner la place prise par la science derrière ces innovations qui envahissent notre quotidien.
Méfiance envers les chercheurs
Le Nobel est allé encore plus loin dans son souci, peut-être involontaire, de pédagogie. Si en physique l’Académie suédoise célébrait la science derrière une découverte le lendemain, en chimie, elle montre que l’IA peut changer la science. La moitié du prix revient au logiciel AlphaFold, développé à l’époque par une filiale de Google, Deepmind, et qui résolvait un vieux problème des biochimistes, la prédiction des structures tridimensionnelles des molécules.
Et ce n’est là qu’un exemple parmi tant d’autres montrant comment les systèmes d’apprentissage automatique peuvent aider les astrophysiciens, les physiciens des particules, les biologistes imageurs et peut-être bientôt les mathématiciens ou les sociologues. Quant à savoir si cette facilitation du travail quotidien débouchera sur de nouvelles connaissances, voire de nouvelles applications, il est encore trop tôt pour le dire, même si les habituelles guerres d’enchères pour « vendre » ces technologies pour les batteries, contre le cancer ou pour la transition écologique ça se passe bien.
Il vous reste 54,79% de cet article à lire. Le reste est réservé aux abonnés.
