Note de l’éditeur : Aujourd’hui à Londres, Google DeepMind et la Royal Society ont co-organisé le premier Forum sur l’IA pour la science. Cet événement a rassemblé des lauréats du prix Nobel, des membres de la communauté scientifique, des décideurs politiques et des leaders de l’industrie pour explorer le potentiel transformateur de l’IA dans la réalisation de percées scientifiques, la résolution des défis mondiaux les plus pressants et l’entrée dans une nouvelle ère de découvertes.
James Manyika, vice-président senior de Google pour la recherche, la technologie et la société, a prononcé le discours d’ouverture. Ce qui suit est une transcription de ses remarques, telles que préparées pour la présentation.
L’impact de l’IA sur la science a récemment fait la une des journaux, mais son potentiel à faire progresser la science a longtemps été une source de motivation pour de nombreux acteurs du domaine, remontant aux premiers pionniers de l’IA comme Alan Turing et Christopher Longuet-Higgins, ainsi que de nombreux autres au cours des dernières décennies, y compris mes collègues de Google DeepMind et de Google Research.
L’enthousiasme pour l’IA et la science ne repose pas sur l’idée que l’IA peut remplacer les scientifiques, mais sur le fait que de nombreux problèmes scientifiques complexes bénéficient de l’utilisation de techniques informatiques, faisant de l’IA un outil puissant pour assister les scientifiques.
Nous avons observé les premiers signes de ce potentiel avec l’utilisation par Hodgkin et Huxley d’approches informatiques pour décrire comment les impulsions nerveuses se déplacent le long des neurones, un travail qui leur a valu le prix Nobel en 1963.
Avançons vers mes collègues Demis Hassabis, John Jumper et l’équipe AlphaFold, dont les travaux utilisant l’IA ont récemment remporté le prix Nobel de chimie, résolvant le « problème du repliement des protéines » posé par le lauréat du prix Nobel Christian Anfinsen dans les années 1970.
Alors, comment l’IA contribue-t-elle à faire progresser la science ?
Je vais commencer par la vitesse. Dans certains domaines scientifiques, une IA de plus en plus performante nous permet de condenser des centaines, voire des milliers d’années de recherche en quelques années, mois, voire jours.
L’IA contribue également à élargir la portée de la recherche, permettant aux scientifiques d’examiner plusieurs choses à la fois – et de nouvelles manières – plutôt qu’une par une.
Les progrès de l’IA, ainsi que l’accès aux connaissances issues de son utilisation, permettent à un plus grand nombre de personnes de participer à la recherche, ce qui nous permet d’accélérer encore davantage la découverte scientifique.
L’IA permet des progrès historiques dans plusieurs disciplines scientifiques
Permettez-moi de partager brièvement quelques exemples de la façon dont l’IA permet des avancées historiques, à commencer par AlphaFold :
Avec AlphaFold, en un an, mes collègues ont pu prédire la structure de presque toutes les protéines connues de la science, soit plus de 200 millions d’entre elles. Et avec AlphaFold 3, ils se sont étendus au-delà des protéines à toutes les biomolécules de la vie, notamment l’ADN, l’ARN et les ligands.
À ce jour, AlphaFold a été utilisé par plus de 2 millions de chercheurs dans plus de 190 pays, travaillant sur des problèmes allant des maladies négligées aux bactéries résistantes aux médicaments.
AlphaMissense, qui s’appuie sur AlphaFold, a permis à mes collègues de classer près de 90 % des 71 millions de variantes faux-sens possibles (substitutions d’une seule lettre dans l’ADN) comme probablement pathogènes ou probablement bénignes. En revanche, seuls 0,1 % ont été confirmés par des experts humains, quoique de manière plus détaillée.
Lorsque le génome humain a été initialement séquencé – une réussite incroyable – il était basé sur un seul assemblage génomique.
L’année dernière, mes collègues de Google Research, utilisant des outils d’IA et travaillant avec un consortium de collaborateurs universitaires, ont publié la première ébauche de pangénome humain de référence.
Celui-ci était basé sur 47 assemblages génomiques, représentant ainsi mieux la diversité génétique humaine.
En neurosciences, une collaboration de 10 ans entre mes collègues de Google Research, de l’Institut Max Planck et du Lichtman Lab de Harvard a récemment produit une cartographie à l’échelle nanométrique d’une partie du cerveau humain – un niveau de détail jamais atteint auparavant.
Ce projet a révélé des structures inédites dans le cerveau humain qui pourraient changer notre compréhension du fonctionnement du cerveau humain. Cela nous mènera peut-être à de nouvelles approches pour comprendre et lutter contre les maladies neurologiques comme la maladie d’Alzheimer et d’autres. La cartographie complète a été rendue publique afin que les chercheurs puissent s’en inspirer.
Au-delà des sciences de la vie, nous constatons des progrès dans d’autres domaines.
Dans le cadre d’une réalisation historique en matière de modélisation climatique, nous avons combiné l’apprentissage automatique avec une approche traditionnelle basée sur la physique pour créer NeuralGCM.
Cela nous permet de simuler l’atmosphère avec plus de précision et d’efficacité : NeuralGCM peut simuler plus de 70 000 jours de l’atmosphère dans le temps qu’il faudrait à un modèle de pointe basé sur la physique pour simuler seulement 19 jours.
Il existe d’autres avancées similaires, telles que le travail de mes collègues de Google DeepMind sur GraphCast, un modèle d’IA de pointe qui prédit les conditions météorologiques jusqu’à 10 jours à l’avance avec plus de précision et beaucoup plus rapidement que le système de simulation météorologique de référence de l’industrie.
Notre équipe Quantum AI progresse sur des questions qui relevaient auparavant de la science-fiction, comme l’étude des caractéristiques des trous de ver traversables.
Cela ouvre de nouvelles possibilités pour tester les théories de la gravité quantique initialement posées avec le pont Einstein-Rosen il y a près de quatre-vingt-dix ans.
En fait, le domaine quantique est un domaine dans lequel nous commençons à voir un renforcement bidirectionnel prometteur entre l’IA et la science.
Dans un sens, l’IA fait progresser nos progrès en informatique quantique ; dans l’autre, le quantum contribue à faire progresser la recherche dans le domaine de l’IA.
Il existe de nombreux autres exemples sur lesquels nous travaillons dans les domaines de la science des matériaux, de la fusion, des mathématiques et bien d’autres encore, le tout en collaboration avec de nombreux scientifiques universitaires.
Les progrès scientifiques rendus possibles par l’IA ont un impact réel
Au-delà de ces avancées, l’IA fait également progresser la science d’une manière qui apporte déjà des avantages tangibles à de vraies personnes dans des domaines tels que le climat et les soins de santé.
Permettez-moi de commencer par un exemple lié à l’adaptation climatique. La prévision des inondations est un problème plus fréquent et plus urgent en raison du changement climatique. Aujourd’hui, les progrès de l’IA nous ont permis de combler d’importantes lacunes dans les données pour prédire les inondations fluviales jusqu’à 7 jours à l’avance avec la même précision que les prévisions immédiates. Après un premier projet pilote au Bangladesh, notre plateforme d’alerte précoce – Flood Hub – couvre désormais plus de 100 pays et 700 millions de personnes.
Et pour un exemple d’atténuation du changement climatique, considérons ce qui suit : la formation de traînées de condensation est depuis longtemps un facteur connu d’émissions dans l’aviation, représentant jusqu’à 35 % de l’impact de l’aviation sur le réchauffement climatique.
Mes collègues de Google Research ont développé un modèle d’IA qui prédit où les traînées de condensation sont susceptibles de se former et, en partenariat avec American Airlines, l’ont testé sur 70 vols. Nous avons mesuré l’impact et constaté une réduction des émissions de 54 %.
De même, l’IA est très prometteuse pour la détection des maladies. Par exemple, il y a huit ans, des chercheurs de Google ont découvert que l’IA pouvait aider à interpréter avec précision les examens rétiniens afin de détecter la rétinopathie diabétique, une cause évitable de cécité qui touche environ 100 millions de personnes.
Nous avons développé un outil de dépistage qui a été utilisé dans plus de 600 000 dépistages dans le monde. Et de nouveaux partenariats en Thaïlande et en Inde permettront 6 millions de projections au cours de la prochaine décennie.
Le chemin à parcourir
Nous avons mis en œuvre d’autres exemples, notamment dans le domaine de la tuberculose, du cancer colorectal, du cancer du sein et de la santé maternelle.
Malgré les progrès, ce n’est qu’un début. Il y a encore tellement de choses à faire.
Je vois trois domaines clés sur lesquels se concentrer pour réaliser pleinement le potentiel de l’IA pour faire progresser la science et apporter des avantages sociétaux tangibles :
Premièrement, nous devons continuer à progresser sur les limites et les lacunes actuelles de l’IA – et accroître les capacités de l’IA pour pouvoir contribuer au développement de nouveaux concepts, théories, expériences scientifiques et bien plus encore.
Deuxièmement, nous avons besoin d’un engagement durable en faveur de la méthode scientifique et d’approches responsables de l’utilisation de l’IA pour faire progresser la science.
Nous avons besoin de scientifiques, d’éthiciens et d’experts en sécurité – comme beaucoup dans cette salle – qui travaillent ensemble pour faire face aux risques les plus spécifiques à la science, comme les virus et les armes biologiques, ainsi qu’aux défis tels que les biais dans les ensembles de données, la préservation de la vie privée et les impacts environnementaux.
Troisièmement, nous devons donner la priorité à rendre la recherche, les outils et les ressources basés sur l’IA plus accessibles à un plus grand nombre de scientifiques dans un plus grand nombre d’endroits – et veiller à ce que les progrès que nous réalisons profitent aux gens du monde entier.
Je suis enthousiasmé par ce qui nous attend dans cette nouvelle ère de découverte.
Nous pouvons faire tellement de choses ensemble pour créer des outils qui contribueront à faire progresser la science au bénéfice de tous.
Et nous pouvons faire tellement de choses pour permettre aux scientifiques extraordinaires d’ici et d’ailleurs de poursuivre leurs travaux – nous entendrons certains d’entre eux aujourd’hui.
