Quine, ARIA et un pari de 97 M$ : l'IA entre au laboratoire, pas dans le réacteur à fusion

L'élément le plus récent de ce dossier n'est pas un résultat sur la fusion. C'est Quine, un système de recherche par IA annoncé par Microsoft Research le 29 septembre.

L'entreprise dit avoir construit un modèle du monde biologique multimodal et un dispositif interactif qui relie des modèles, des outils scientifiques, la littérature et des chercheurs. Avec le Broad Institute de Harvard et du MIT, Microsoft affirme que le système a servi à classer des composés censés provoquer des changements thérapeutiques de l'état des tumeurs. Plusieurs candidats arrivés en tête ont été validés par plusieurs tests en laboratoire. C'est un résultat. Ce n'est pas une expérience de fusion.

À une question sur un résultat de recherche en énergie de fusion, la réponse honnête est donc que ce dossier n'en contient aucun. Il contient un ensemble de systèmes de recherche par IA, d'articles et d'annonces de financement des trois derniers jours, plus des éléments sur l'énergie qui n'atteignent jamais un réacteur. La distinction compte, car les deux sont rapportés la même semaine et souvent dans la même phrase.

Ce qui a réellement été livré cette semaine

Microsoft décrit Quine comme une technologie de recherche expérimentale, destinée uniquement à la recherche et non à un usage clinique ou médical. Microsoft précise que ses résultats peuvent être incomplets ou inexacts et exigent l'examen de chercheurs qualifiés ainsi qu'une validation expérimentale appropriée. Un programme Quine Fellows donnera à une cohorte de scientifiques l'accès au système. Microsoft indique qu'il prévoit d'élargir cet accès via des produits comme Microsoft Discovery à mesure que la technologie mûrit.

CoreWeave a profité de la même fenêtre du 29 septembre pour publier ARIA, un agent de codage intégré à Weights & Biases. ARIA lit des expériences, construit des visualisations en direct et exécute ce que CoreWeave appelle une boucle d'autorecherche complète. Il formule une hypothèse, écrit la configuration, lance l'expérience via W&B Launch, puis évalue les résultats par rapport à une référence et rédige un rapport. CoreWeave affirme que l'écart entre une exécution terminée et la suivante passe de plusieurs heures à quelques minutes.

Aucune des deux entreprises n'a publié de résultat de physique. Aucune ne l'a revendiqué.

Le chiffre le plus lourd de conséquence dans ce dossier n'est pas une performance. Efficient Computer, dirigée par le PDG et cofondateur Brandon Lucia, a annoncé le 29 septembre avoir levé 97 M$ en série B, menée par TQ Ventures. L'entreprise fabrique des processeurs visant l'efficacité énergétique, et son argument est architectural. Lucia écrit que les accélérateurs d'IA à fonction fixe sont un marché de dupes, qui échangent la programmabilité contre la vitesse sur les charges de travail actuelles. Il cite la loi d'Amdahl pour soutenir que la partie non accélérée d'un calcul fixe le plafond d'efficacité.

Où mènent les chiffres de l'énergie

L'énergie est le fil qui traverse le reste du dossier. CBC a rapporté le 29 septembre que le ministre de l'Énergie de Terre-Neuve-et-Labrador, Lloyd Parrott, a déclaré que la porte de la province était ouverte aux centres de données d'IA, après que des entreprises ont approché le gouvernement. Un porte-parole du ministère, Brodie Thomas, a confirmé ces approches par courriel, mais a indiqué que les discussions commercialement sensibles ne pouvaient pas être commentées.

La demande a un contrepoids. E2, en analysant les données du ministère américain de l'Énergie sur l'emploi, a constaté que les États-Unis ont perdu 36 949 emplois dans les énergies propres en 2025, premier recul annuel depuis la pandémie, l'emploi dans ce secteur tombant à 3,52 million. Electrek a rapporté ces chiffres le 28 septembre. E2 a aussi recensé 142 projets de fabrication, de production et de stockage d'énergie propre annulés ou réduits en 2025. L'organisation note que les données sur l'emploi n'établissent pas combien d'emplois ont été perdus à cause d'un changement de politique précis.

Du côté de l'offre, Hannah Ritchie a repris les chiffres du professeur d'Oxford Nick Eyre. Ceux-ci montrent une demande mondiale d'énergie finale passant de 416 à 247 exajoules dans un système post-transition, alors même que la demande d'électricité monte de 110 à 189 EJ. Sa conclusion est étroite et défendable : l'électrification elle-même est le gain d'efficacité, et le modèle ne suppose aucune autre amélioration.

Rien de tout cela n'est de la fusion. C'est le contexte informatique et électrique dans lequel la recherche sur la fusion devra un jour s'inscrire.

Ce qu'affirment les articles sur l'IA pour la recherche

Le document de travail du NBER 35782, de Matthew Schwartz, Isaiah Andrews et Jesse M. Shapiro, offre les chiffres les plus nets sur la recherche automatisée. Sur 4 452 ensembles de réplication publiés pour cinq revues d'économie, le flux de travail open source fondé sur des LLM des auteurs signale des divergences dans 3 460 articles ou leurs annexes. Dans 496 articles, il réduit de plus d'un facteur 10 le temps de calcul d'un calcul, à précision égale ou supérieure. Dans 923 articles, il développe une extension absente de l'original. L'article précise que des LLM ont été utilisés pour l'analyse et la rédaction, et que Schwartz a travaillé comme contractuel pour Anthropic, dont les opinions ne sont pas endossées.

Deux mathématiciens contestent ce cadrage. Stephen Wolfram, écrivant le 28 septembre, soutient que le calcul symbolique n'a pas mis fin aux mathématiques pures et que le principal usage de l'IA jusqu'ici est d'explorer la base de connaissances mathématiques existante. Dan Romik, dans un billet de blog du 29 septembre, décrit la recherche mathématique comme une boucle de rétroaction. Il avance que les modèles d'IA entraînés sur la production humaine génèrent des théorèmes « à distance un » de ce corpus, mais ne peuvent réfléchir à ce qu'ils ont produit et le distiller pour atteindre la distance deux.

Des artefacts plus petits complètent la semaine. Kompyla, un moniteur de recherche auto-hébergé sur GitHub, traite un LLM comme un compilateur, transformant des documents bruts en pages wiki sourcées. DotBot publie un micrologiciel pour un micro-robot utilisé dans l'enseignement et la recherche. Kaveeshan Thurairaj et le Dr Zhao Pan, de l'Université de Waterloo, ont remporté un prix Ig Nobel de physique pour des urinoirs sans éclaboussures, travail publié auparavant dans PNAS Nexus. Le dossier contient aussi un livre de 2008 sur l'énergie, une chronologie photovoltaïque de l'EIA et un site satirique clairement étiqueté.

Lus ensemble, ils décrivent une semaine d'outillage et de mesure, pas une percée dans la fusion.