Demis Hassabis : l’IA peut-elle découvrir ce que nous ignorons encore ?
D’AlphaFold aux ambitions de Google DeepMind, une autre course se dessine : transformer la recherche, au-delà des réponses spectaculaires.
Prêt à lire l’article.
Dans cet article
L’intelligence artificielle se juge souvent à sa capacité à répondre à une question. Le parcours de Demis Hassabis invite à déplacer le regard : peut-elle aider à découvrir une réponse que personne ne possède encore ? Cette ambition scientifique distingue une partie du travail de Google DeepMind de la compétition visible entre assistants conversationnels.
Le Nobel qui a donné un autre visage à l’IA
En 2024, Demis Hassabis et John Jumper ont reçu une moitié du prix Nobel de chimie pour leurs travaux sur la prédiction de la structure des protéines ; l’autre moitié est revenue à David Baker pour la conception computationnelle de protéines. AlphaFold constitue ici le repère central. Le prix reconnaît un résultat scientifique précis, pas une démonstration que toute recherche pourrait désormais être automatisée.
La distinction est essentielle. Prédire une structure peut aider un chercheur à formuler ou à examiner une hypothèse. Cela ne transforme pas automatiquement cette hypothèse en traitement efficace, en produit industriel ou en découverte validée. Entre une proposition informatique et une application, il reste des expériences, des décisions et des vérifications.
Un accélérateur de questions, pas seulement de réponses
Notre analyse : l’intérêt de ces systèmes réside notamment dans leur capacité à réduire certaines étapes d’exploration. Une équipe peut concentrer ses ressources sur des pistes plus plausibles ou comparer davantage de possibilités. La valeur se mesure alors à la qualité du travail scientifique rendu possible, plutôt qu’au caractère impressionnant de l’interface.
Mais un résultat mal compris peut aussi orienter une recherche dans une mauvaise direction. Il faut connaître le domaine où le modèle a été évalué, ses incertitudes et les conditions dans lesquelles il échoue. La compétence du spécialiste ne disparaît pas ; elle intervient dans le choix de la question et l’interprétation de la réponse.
Le lien entre recherche et puissance industrielle
Google DeepMind présente Hassabis comme son dirigeant et associe dans son activité recherche fondamentale et développement de systèmes d’IA. Cet environnement peut rapprocher talents scientifiques, infrastructures et applications. Il pose aussi une question de dépendance : qui décide des priorités lorsqu’une technologie utile à la connaissance repose sur les moyens d’une grande entreprise ?
L’ouverture des publications, l’accès aux outils et les conditions de réutilisation deviennent alors décisifs. Un résultat publié bénéficie au débat scientifique. Un service peut néanmoins imposer ses propres limites d’accès. Il faut examiner chaque ressource concrètement, sans supposer que la disponibilité d’un article signifie l’accès illimité à tous les moyens ayant permis de le produire.
Ce que cela pourrait changer pour la recherche africaine
Imaginons une équipe universitaire qui souhaite explorer une question de biologie. Un outil accessible peut lui permettre de préparer une étude autrement difficile. Mais si elle ne dispose pas des équipements, des financements ou des partenariats nécessaires pour tester ses hypothèses, le potentiel restera partiellement théorique. L’accès au logiciel ne remplace pas l’écosystème de recherche.
La priorité peut donc être de financer des collaborations durables, la formation et la capacité à reproduire les résultats. Il faut aussi choisir des questions qui répondent aux besoins locaux. Une technologie mondialement reconnue n’impose pas à elle seule le bon programme de recherche pour chaque territoire.
Mesurer la promesse à la découverte validée
L’ambition associée à Hassabis mérite mieux qu’un récit où l’IA résoudrait tous les problèmes. Elle ouvre une discussion sur les tâches scientifiques que l’on peut accélérer, celles que l’on doit continuer à vérifier et les conditions de partage du bénéfice.
Pour MIND AI MEDIA, le critère décisif reste le passage de la performance calculée à la connaissance utilisable. Une prédiction peut être remarquable ; une découverte robuste doit pouvoir être discutée et éprouvée. La contribution la plus profonde de l’IA serait d’élargir cette capacité collective, au lieu de seulement multiplier les annonces de puissance.
Source : https://deepmind.google/blog/demis-hassabis-john-jumper-awarded-nobel-prize-in-chemistry/
Source : https://deepmind.google/about/