Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

L'IA mange la science : ce que montrent vraiment les derniers résultats

Le 29 septembre, le National Bureau of Economic Research a publié un document de travail. Il décrit un flux de travail open source dans lequel un grand modèle de langage reproduit, améliore et prolonge des recherches économiques publiées. Le flux a signalé des écarts dans 3 460 des 4 452 ensembles de réplication.

SciencesExpliquéAmélie BernardPublié le: 29 septembre 20267 min de lectureSources 9
L'IA mange la science : ce que montrent vraiment les derniers résultats

Le document de travail NBER 35782, daté de septembre 2026, est apparu sur le site du bureau le 29 septembre. Matthew Schwartz, Isaiah Andrews et Jesse M. Shapiro y décrivent un flux en trois étapes. La première reproduit les calculs d'origine d'un article. La deuxième cherche les écarts avec les résultats publiés. La troisième lance une analyse de sensibilité automatisée.

Sur 4 452 ensembles de réplication publiés dans cinq revues d'économie, le flux a signalé des écarts dans 3 460 articles ou leurs annexes. Cela ne veut pas dire que l'essentiel de l'économie est faux. La mesure porte sur la fréquence à laquelle une réexécution automatique ne retrouve pas les résultats imprimés. Les causes peuvent être des erreurs de code, des versions incompatibles ou des choix non documentés. L'article donne deux autres chiffres. Dans 496 articles, le flux a divisé le temps de calcul par plus de 10, à précision égale ou supérieure. Dans 923 articles, il a produit des prolongements absents du travail d'origine, mais conformes à ses objectifs et à ses hypothèses.

Une déclaration honnête dans l'article lui-même

L'article contient une déclaration à lire avant de citer les résultats. Il y est dit que des LLM ont servi à l'analyse et à la rédaction. Schwartz a travaillé comme contractuel pour Anthropic. L'article précise qu'Anthropic n'approuve ni les résultats ni les opinions exprimées. Shapiro a été par le passé visiteur rémunéré chez Microsoft Research New England et consultant rémunéré pour FutureOfCapitalism. Il a aussi été payé pour écrire par le New York Times. Ce niveau de transparence est rare dans le domaine. Il permet au lecteur de peser les conflits, qui sont réels.

Les mathématiciens débattent de la même question

Deux textes publiés le 29 septembre abordent la question du point de vue des mathématiques pures. Dan Romik écrit sur son blog à propos de l'annonce par OpenAI d'une solution au problème de Navier-Stokes. Il rapporte que les mathématiciens s'inquiètent de leur rôle futur. Il cite la réaction de Scott Aaronson comme une suite de la lettre A. Romik soutient ensuite que cette inquiétude est mal placée.

La recherche mathématique est une boucle de rétroaction qui produit du savoir nouveau dans un processus constant de réexamen, de digestion et de distillation du savoir existant, avec la tentative de l'améliorer, écrit Romik.

La thèse technique de Romik est plus étroite que ne le suggèrent les gros titres. Les modèles d'IA entraînés sur des corpus existants peuvent produire des théorèmes, selon son expression, à distance un du savoir produit par les humains. Ils le font plus vite que les humains. Il estime toutefois qu'ils ne peuvent pas réfléchir à cette production, la simplifier, extraire pourquoi une preuve fonctionne ou généraliser l'idée pour la réutiliser. Livré à lui-même, prédit-il, un système autonome cale après la première vague et se noie dans sa propre production. Stephen Wolfram développe un argument proche dans un long texte daté du 28 septembre et publié le 29 septembre. Il écrit que l'IA moderne est d'abord un moyen de puiser dans le corpus existant du savoir humain. Le cœur des mathématiques pures, dit-il, est l'imagination humaine qui choisit les questions à poser. Wolfram distingue aussi l'IA du calcul. L'IA exploite ce que les humains ont déjà produit. Le calcul part d'une règle et l'exécute, ce qui produit des résultats irréductiblement nouveaux. Il nomme cette propriété l'irréductibilité computationnelle.

La couche industrielle avance en parallèle

Les résultats de recherche arrivent en même temps que des annonces commerciales qui traitent la recherche autonome comme une fonctionnalité de produit. CoreWeave a publié un texte le 29 septembre présentant ARIA, un agent de codage intégré à Weights & Biases. Il lit les expériences d'une équipe, formule une hypothèse, écrit une configuration et lance l'exécution via W&B Launch. Il évalue ensuite le résultat par rapport à une référence et rédige un rapport.

L'entreprise affirme qu'ARIA construit des espaces de travail, des panneaux et des rapports W&B partageables plutôt que de renvoyer du texte. L'outil est disponible dans l'application mobile Weights & Biases. Le texte a été publié à l'origine sur le blog de W&B le 29 juillet, selon une ligne en haut de la page. Le site de CoreWeave le reprend sous une date de septembre. Oracle a fait un mouvement comparable le 29 septembre, en annonçant Fusion Claw, un environnement d'exécution agentique encadré pour ses Fusion Applications. L'entreprise indique que 25 applications agentiques propulsées par Claw sont disponibles, sur un portefeuille de 75. Elle dit que l'environnement combine un modèle de pointe avec le calcul d'entreprise déterministe, et qu'un Outcome Receipt sert de trace auditable de ce qui a tourné. L'annonce d'Oracle cite le PDG Mike Sicilia. Les systèmes tournent sur Oracle Cloud Infrastructure et sont propulsés par des modèles de pointe, dont Gemini et OpenAI, avec d'autres prévus, selon le communiqué.

Le matériel attaque le même problème par le côté énergétique. Efficient Computer a annoncé le 29 septembre avoir levé 97 000 000 dollars en série B, menée par TQ Ventures. Le total levé atteint 173 000 000 dollars, pour une valorisation de 650 000 000 dollars. Le PDG Brandon Lucia écrit que les processeurs de l'entreprise offrent une efficacité énergétique 10 à 100 fois meilleure que les architectures CPU classiques. Il annonce le lancement en volume de l'Electron E1 pour les systèmes d'IA physique embarqués. Cette affirmation vient du blog de l'entreprise et n'a pas été vérifiée indépendamment ici.

Énergie, eau et les territoires appelés à l'héberger

Le déploiement du calcul a une géographie, et cette géographie a une politique. CBC News a rapporté le 29 septembre les propos du ministre de l'Énergie de Terre-Neuve-et-Labrador, Lloyd Parrott. Mi-septembre, lors d'une session spéciale sur l'accord de Churchill Falls devant la Chambre d'assemblée, il a déclaré que la porte de la province est ouverte aux affaires. Un porte-parole du ministère, Brodie Thomas, a confirmé à CBC que des entreprises avaient approché le gouvernement au sujet de centres de données. Il a dit ne pas pouvoir commenter des discussions commercialement sensibles. CBC cite Paris Marx, auteur d'un livre sur les centres de données, qui demande s'il est logique de donner cette électricité à des centres de données alors qu'il pourrait y avoir de meilleurs usages. Andrea King, PDG de TechNL, a déclaré à la chaîne que le Labrador remplit les critères recherchés par les porteurs de projets : hydroélectricité bas carbone, climat froid et terrain. Cela ne suffit pas à faire d'un projet une bonne idée.

Le débat n'est pas seulement canadien. CBC note que le centre de données prévu par Meta dans le comté de Sturgeon, en Alberta, devrait coûter 13 000 000 000 dollars et entrer en service dans deux à trois ans. La chaîne note que le premier ministre de Nouvelle-Écosse, Tim Houston, a fixé cinq conditions de départ à tout porteur de projet. L'arithmétique énergétique derrière tout cela est ancienne et peu à la mode. Sustainable Energy Without the Hot Air de David MacKay, dont le site porte une date de dernière modification au 29 août 2015, reste le traitement de référence au dos d'une enveloppe. La page était encore visible le 29 septembre.

Un traitement plus récent vient de Hannah Ritchie, qui a publié une analyse de l'électrification sur sa Substack le 29 septembre. En reprenant les chiffres du professeur d'Oxford Nick Eyre, elle rapporte que la demande finale mondiale d'énergie passe de 416 à 247 exajoules dans un système post-transition, soit environ 40 % de moins. La demande d'électricité monte de 110 à 189 EJ. Les voitures électriques convertissent environ 80 % de l'énergie en mouvement, contre 20 % pour l'essence, écrit-elle. Le modèle suppose que tous les secteurs non électrifiés tournent à l'hydrogène. Elle signale qu'il s'agit d'une simplification.

Ce que la semaine a réellement établi

Rien ici ne montre que l'IA a remplacé les chercheurs. L'article du NBER porte sur un flux de réplication, pas sur une prétention à la découverte. L'argument de Romik est une prédiction, pas un résultat. Il dit clairement qu'il ne pense pas que nous soyons déjà dans ce monde. Celui de Wolfram est un essai. Ce que la semaine a établi, c'est que les outils de réplication et de prolongement automatisés de travaux publiés existent désormais en accès ouvert. Leur taux d'erreur sur un grand corpus est assez élevé pour compter. Et ceux qui construisent l'infrastructure commerciale vendent l'autonomie sur un horizon bien plus court que ceux qui réfléchissent à ce à quoi elle sert.

Commentaires 0

Sources

9
  1. 01An LLM Workflow That Reproduces, Improves, and Extends Published Economics ResearchEN
  2. 02The feedback loop of mathematics researchEN
  3. 03What's the Future for Pure Math Research in the Age of AI?EN
  4. 04Introducing CoreWeave ARIA: AI Research and Iteration AgentEN
  5. 05Oracle Extends Fusion Agentic Applications with Introduction of Fusion ClawEN
  6. 06Solving computing's energy problem with Efficient Computer's $97M Series BEN
  7. 07AI data centres in N.L.? The door is 'open for business,' says energy ministerEN
  8. 08Electrification efficiency: The world will need less energy after the transitionEN
  9. 09Sustainable energy without the hot airEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Amélie Bernard

Amélie Bernard

Science et santé

Amélie Bernard couvre les sciences et la santé pour FLASH24, en s'appuyant sur les publications évaluées par les pairs, les communiqués des agences et les données brutes des études, sans reprendre les reprises de presse. Elle vérifie chaque chiffre en remontant à la source, compare les méthodologies et signale les tailles d'échantillon douteuses. Elle interroge régulièrement des chercheurs et des soignants, et attend les mises à jour des revues à comité de lecture avant de publier. Sa formation en physique des matériaux lui sert à décrypter les résultats techniques, et elle observe le ciel avec son propre télescope. Elle ne publie pas une donnée qu'elle n'a pas pu reproduire.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.