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
›

Meta publie six articles de mathématiques assistés par IA, les laboratoires se lancent dans la course à la découverte

Meta a partagé le 3 octobre six articles produits avec son modèle Muse Spark, un pas de plus vers une IA qui résout des problèmes scientifiques ouverts, sans corrigé fourni par l'humain.

IA & modèlesAnalyseSophie LeclercPublié le: 3 octobre 20263 min de lectureSources 10
Meta publie six articles de mathématiques assistés par IA, les laboratoires se lancent dans la course à la découverte

Le 3 octobre, Meta AI Research a publié six articles. Ils sont le fruit de collaborations avec des mathématiciens, qui ont utilisé ses modèles Muse Spark 1.1 et 1.2 en Thinking Mode. Cette publication illustre une tendance de fond : les systèmes d'IA dépassent les exercices standardisés de compétition pour s'attaquer à des questions de recherche ouvertes, sans solution définie au départ. Meta indique que l'objectif était d'aider les chercheurs à produire des idées mathématiques, pas de fabriquer en série des publications académiques. La nuance compte pour préserver l'intégrité universitaire à l'heure où les modèles se déploient vite.

Les articles portent sur des domaines complexes : probabilités, équations différentielles, ajustement d'ellipsoïdes gaussiens. Dans un cas précis, le modèle a aidé à identifier un seuil net pour ajuster des points gaussiens aléatoires à un ellipsoïde en grande dimension. Meta reconnaît que d'autres équipes ont annoncé de leur côté des solutions à certains de ces problèmes, avec des approches différentes. L'entreprise rappelle que les avancées simultanées sont courantes dans les domaines qui bougent vite. Elle souligne aussi que chaque article indique clairement quels passages ont été rédigés par l'IA et lesquels par les chercheurs humains, une mesure de transparence qui distingue ce travail de beaucoup d'autres publications récentes du secteur.

La chaîne d'automatisation

L'écologue suisse des sols Franz Bender a reçu un prix Ig Nobel le 3 octobre.

Son équipe a recruté 1 000 scientifiques citoyens pour enterrer puis déterrer des sous-vêtements dans toute la Suisse, afin d'étudier la santé des sols. L'étude, publiée dans Plants People Planet en août 2026, montre comment la science participative peut faire passer la collecte de données à l'échelle pour la surveillance environnementale. Bender note que l'effet visuel des sous-vêtements dégradés extraits du sol a aidé le public à comprendre que le sol est un écosystème vivant. Cette approche manuelle contraste avec les systèmes de « scientifique IA » entièrement automatisés qui émergent en biologie. Des rapports récents indiquent que des chercheurs suédois ont construit un système d'IA capable de proposer des expériences, de les réaliser et d'apprendre de leurs résultats. Ce cycle autonome réduit le goulot d'étranglement humain dans la conception et la validation des expériences. Ces systèmes sont particulièrement pertinents en découverte biologique, où le volume d'expériences possibles dépasse souvent les capacités humaines. Le passage de l'observation manuelle à la vérification automatisée des hypothèses change la façon dont les données biologiques sont produites et interprétées.

Les difficultés de la recherche documentaire et des biais

Un nouveau banc d'essai, ScholarCatalyst, a été publié le 3 octobre.

Il vérifie si les modèles savent retrouver les articles antérieurs précis qui ont inspiré une nouvelle recherche. L'étude constate que la recherche agentique ne fait pas mieux que la simple recherche par plongements vectoriels. Le score Recall@20 atteint 0,42 pour la recherche agentique, contre 0,48 pour les plongements. Même des modèles avancés comme Claude Fable 5.1 plafonnent à 0,51 de R@20. L'IA actuelle manquerait donc du « goût de la recherche » nécessaire pour repérer les travaux antérieurs importants dans de vastes corpus. Cette incapacité à retracer fidèlement la filiation intellectuelle complique la tâche des systèmes d'IA chargés de recherche originale.

L'intégrité de la recherche assistée par IA se heurte aussi aux biais inscrits dans les modèles à poids ouverts. CBS News rapporte que le modèle Qwen d'Alibaba, téléchargé plus de 3 000 000 000 de fois, contient des récits favorables à la Chine et des protocoles de censure. Des chercheurs de la jeune pousse israélienne Hirundo ont identifié ces biais et travaillent à une version « occidentalise ». L'adoption large de ces modèles par des entreprises américaines comme Airbnb et Uber pose la question de la neutralité des outils d'IA employés dans la science et le commerce. Ces constats plaident pour un audit rigoureux des grands modèles de langage avant leur déploiement dans des contextes de recherche sensibles.

Trillium Labs, organisation à but non lucratif fondée par Nathan Lambert et Tom Zick, a été lancée le 3 octobre. Elle mène ouvertement des recherches à haut risque sur l'IA. Lambert affirme que la trajectoire fermée actuelle éloigne l'humanité de la méthode scientifique. Cette exigence d'ouverture tranche avec le secret qui entoure beaucoup de développements de modèles propriétaires. À mesure que les systèmes d'IA s'attaquent à des problèmes de recherche ouverts, la frontière entre outil et collaborateur s'estompe. La communauté scientifique doit désormais fixer des protocoles clairs d'attribution, de vérification et de réduction des biais. Sans ces garde-fous, l'intégration rapide de l'IA dans les flux de travail de la recherche pourrait fragiliser la fiabilité des découvertes.

Commentaires 0

Sources

10
  1. 01Solving Open Research Problems TogetherEN
  2. 02Swiss scientist soils underpants, wins silly science prizeEN
  3. 03ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New ResearchEN
  4. 04Some topics are off limits inside popular Chinese-made free AI, researchers findEN
  5. 05These AI Experts Want to Do High-Stakes Research Out in the OpenEN
  6. 06Trillium Labs LaunchEN
  7. 07Ig Nobel Prize for Soil ResearchEN
  8. 08ScholarCatalyst Benchmark ResultsEN
  9. 09Qwen Model Bias AnalysisEN
  10. 10Meta AI Research PapersEN

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.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

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.