OpenScience installe un agent de recherche sur le bureau, chaque étape consignée

La dernière entrée dans le domaine déjà encombré des outils d'IA pour la science est un dépôt GitHub. OpenScience, publié le 31 octobre sous l'organisation synthetic-sciences, se présente comme « l'atelier d'IA open source pour la recherche scientifique ». Le projet existe en application de bureau pour macOS, Windows et Linux, en espace de travail dans le navigateur et en commande de terminal.

Le positionnement est volontairement étroit. Selon le README du projet, l'agent prend en charge « les parties de la recherche qui sont du vrai travail mais pas l'idée » : extraire et nettoyer des données, reproduire une affirmation, balayer un paramètre, rédiger la section méthodes, vérifier une référence. L'utilisateur garde l'idée et le jugement.

Ce qui le distingue d'un habillage de chatbot, c'est la piste d'audit. Le README indique qu'un tour se lit comme « ce qu'il a pensé, ce qu'il a cherché, ce qu'il a exécuté, ce qu'il a écrit, puis la réponse », et que rien ne s'exécute que l'utilisateur ne puisse voir ensuite. Le logiciel embarque des noyaux shell, Python et R, des notebooks, un système de fichiers avec des autorisations de lecture et d'écriture explicites, et du calcul distant. Il liste aussi des centaines de compétences fournies en biologie, chimie, physique, ML et ingénierie des données, ainsi que des connecteurs vers ChEMBL, UniProt, PubMed et arXiv.

Le choix du modèle revient à l'utilisateur : fournir une clé API, se connecter à un fournisseur pris en charge, faire tourner un modèle local via Ollama ou LM Studio, ou payer une option gérée que le projet appelle Ace. Le README se termine par une mise en garde qui ressemble autant à un avertissement de responsabilité qu'à un conseil : vérifier les sources, les hypothèses, le code et les sorties avant de s'appuyer sur une conclusion scientifique.

L'automatisation arrive des deux côtés du banc de laboratoire

La sortie d'OpenScience tombe dans une semaine chargée de signaux similaires. Opentrons, l'entreprise de robotique de laboratoire, a annoncé le 29 octobre un tour de table de série E de 40 000 000 dollars mené par Avego. citybiz et Genetic Engineering and Biotechnology News y voient un effort pour standardiser la science pilotée par l'IA sur ses robots. La même semaine, A*STAR a mis en place un laboratoire automatisé propulsé par l'IA pour le développement de matériaux avancés, selon le média sinophone Lianhe Zaobao. XtalPi a de son côté annoncé un partenariat avec A*STAR dans le cadre du programme MARVEL-AI, selon PR Newswire.

Les groupes de recherche publient le travail d'évaluation en même temps que les produits. Un article soumis à arXiv le 30 octobre par Akshat Jani, Sakhinana Sagar Srinivas et Venkataramana Runkana teste si des agents peuvent écrire des spécifications JSON exécutables complètes pour la création de géométrie, le maillage, la résolution d'équations aux dérivées partielles et l'export de résultats. Sur 120 requêtes liées à des modèles, le flux de travail complet atteint 98,3 % de spécifications et de décisions correctes au premier tour. Le tir unique assisté par schéma plafonne à 92,5 %, le modèle seul à 82,5 %, soit des gains de 5,8 et 15,8 points de pourcentage. Sur 42 requêtes qui exigeaient une clarification ou un rejet, l'agent n'a pris aucune décision faussement prête. Sur 12 tests en conditions réelles allant de la requête aux résultats, 9 ont réussi à la fois la spécification, l'exécution, l'export et la référence numérique.

Un second article arXiv, soumis le même jour par Jae-Hyun Baek, Byung-Sun Won et Jon-Lark Kim, utilise l'évolution de programmes guidée par LLM pour chercher des codes correcteurs d'erreurs quantiques assistés par intrication, avec Lean qui vérifie le certificat algébrique. Les auteurs rapportent que la famille obtenue comble 54 lacunes dans des tables archivées. Ils ont publié 115 enregistrements de codes vérifiés et dix résultats de non-existence avec des preuves DRAT contrôlées. Dans huit blocs de génération appariés, les programmes itératifs sélectionnés par validation ont réussi dans 46,1 % et 31,6 % des exécutions tenues à l'écart à des longueurs non vues, contre 19,5 % et 3,1 % pour des programmes générés indépendamment.

Toutes les affirmations d'assistance par l'IA en science ne résistent pas à l'examen. Science News a rapporté le 26 octobre qu'Anthropic avait décrit un chercheur utilisant Claude pour planifier des travaux sur la grippe aviaire hautement pathogène, y compris des mutations qui pourraient aider le virus à s'adapter aux mammifères. Le chercheur spécialiste de la grippe Thomas Friedrich, de l'université du Wisconsin–Madison, a qualifié ces travaux de « partie absolument normale de la recherche en virologie ». Le chercheur en biodéfense Gregory Koblentz, de l'université George Mason, a déclaré au média qu'il n'existe « aucune preuve que l'une de ces recherches ait été liée au développement d'armes biologiques ». Friedrich a aussi estimé que le propre compte rendu d'Anthropic suggère que le modèle « n'a pas ajouté de capacité scientifique de manière significative ».

Ailleurs, l'actualité de l'IA de la semaine porte sur le coût, pas sur la capacité. SUSE a annoncé à ses 1 900 employés qu'elle supprimera environ 10 % de ses effectifs mondiaux, invoquant « Automatisierung und KI », selon un courriel interne obtenu par The Register et rapporté par heise online le 2 novembre. Le directeur général Dirk-Peter van Leeuwen a écrit que ces décisions sont « schmerzhaft für unsere Mitarbeiter, unsere Unterkultur und unsere Open-Source-Community » mais nécessaires pour un SUSE résilient. Les salariés concernés devaient être informés d'ici mercredi. Les entretiens individuels commencent en début de semaine prochaine et une réunion de stratégie pour le reste de l'entreprise est prévue le 16 novembre.

Pour le milieu des ateliers open source, la leçon est celle que le README énonce sans détour : l'agent montre ce qu'il a fait pour que l'utilisateur puisse le vérifier.