Le chercheur est-il devenu un goulot d'étranglement ?
OpenAI prétend avoir attaqué Navier-Stokes avec 10 000 agents en 88 heures. La prouesse dit moins quelque chose de la science que du prix de l'hypothèse: quand l'exploration devient massivement parallèle, le chercheur cessera peut-être d'être l'unité de calcul de la découverte. La vérification, elle, ne se parallélise pas si facilement.
Par Hervé Bath ·
Le séisme n'est pas la preuve, c'est le débit
OpenAI affirme avoir trouvé une solution à Navier-Stokes, l'un des problèmes du millénaire. Il faut immédiatement calmer le jeu: la preuve devra être relue, testée, acceptée, et la paternité est déjà contestée. Ce qui mérite l'attention est ailleurs. Pendant 88 heures, environ 10 000 agents ont travaillé en parallèle, lu de la littérature, écrit et exécuté du code, partagé des résultats, puis bifurqué. Ils ont échangé 2,7 millions de messages. On n'est plus face à un chatbot qui résume des notes.
Ce passage à l'échelle modifie le problème. Un chercheur classique est une machine bayésienne séquentielle: il forme un a priori, teste une hypothèse, met à jour sa croyance, recommence. Un collectif d'agents peut explorer des milliers de branches en même temps, éliminer les impasses, transmettre aux humains quelques pistes sérieuses. La science ne change pas de nature; elle change de coût marginal.
Ce que l'on sait déjà faire
Les exemples s'accumulent. Microsoft et le Pacific Northwest National Laboratory ont parcouru 32 millions de composés pour batteries en 80 heures, réduit la liste à 18 candidats, et l'un d'eux a été synthétisé et testé. A-Lab, à Berkeley, a conduit 353 expériences en 17 jours et synthétisé 36 matériaux. En médecine, Insilico Medicine a conçu le rentosertib contre la fibrose pulmonaire idiopathique; la molécule est entrée en phase III. En météo, le centre européen ECMWF exploite depuis 2025 un modèle basé sur l'IA qui, sur certains critères comme les cyclones tropicaux, surpasse les modèles physiques classiques avec environ mille fois moins d'énergie de calcul.
Ces cas ne sont pas des victoires de l'IA seule. Ils combinent des modèles, des données, des robots et des essais réels. Mais ils déplacent la valeur: la partie la plus coûteuse n'est plus forcément la génération d'idées, c'est la confrontation au réel. On peut se tromper plus souvent, plus vite, et à moindre prix. L'IA y est décrite non comme un remplaçant des scientifiques, mais comme un instrument pour orienter les essais en amont [1].
La logique multi-agents n'est pas un simple parallélisme: des agents spécialisés explorent, se contredisent, évaluent des contradictions dans la littérature, proposent des hypothèses avec justifications et références [2]. Depuis AlphaFold et son Nobel de chimie 2024, la prédiction de structures protéiques est devenue une infrastructure [3].
Le chercheur est-il trop cher?
Un postdoctorant coûte quelques dizaines de milliers d'euros par an. Un forfait d'agent IA coûte quelques centaines d'euros par mois. Si la tâche est d'explorer un espace d'hypothèses, de lire des articles, de proposer des pistes, le rapport de force économique est défavorable au postdoctorant. Ce n'est pas une insulte à sa compétence; c'est une conséquence de la parallélisation. Le chercheur ne devient pas inutile, il devient un goulot d'étranglement s'il prétend continuer à faire ce qu'un agent fait plus vite.
Mais le raisonnement a une limite. Un agent produit des hypothèses, pas des faits. La médecine, la chimie, la physique exigent des expériences, des essais cliniques, des instruments. Le vrai coût se déplace vers la validation, la curation des données, la robotique. Un modèle entraîné sur des données lacunaires produira des prédictions séduisantes et fausses. La qualité de la source conditionne la fiabilité du résultat [3]. Là, l'humain reste indispensable, mais son métier change: il ne passe plus son temps à générer des pistes, il passe son temps à empêcher les agents de se raconter des histoires.
Ce qui meurt, ce n'est pas la science, c'est le monopole de l'illumination
Il faut être précis. Ce qui est mis en cause, ce n'est pas la méthode scientifique. C'est une certaine mythologie du chercheur solitaire, payé pour avoir des idées géniales, et qui explore le monde à la main. L'ignorance et l'absence de remise en question ne sont pas vaincues par la vitesse; elles sont vaincues par la capacité à confronter une croyance à une observation. D'un point de vue bayésien, une hypothèse ne vaut que par la mise à jour qu'elle autorise; un raz-de-marée d'hypothèses sans expérience ne fait que déplacer l'incertitude. Les agents accélèrent la première partie, pas la seconde. La science n'est pas morte: elle est devenue un problème d'infrastructure, de budget de calcul et de protocoles de vérification. Ceux qui refusent de le voir risquent de finir comme des artisans du calcul, chers et lents, face à des machines de 500 dollars par mois.
