La génération d'hypothèses scientifiques par IA — capacité IA

Capacités clés

Production et hiérarchisation d'hypothèses à partir de la littérature par un collectif d'agents spécialisés : le système de Google est un « multi-agent AI system built on Gemini for structured scientific thinking », dont les agents Generation, Reflection, Ranking, Evolution, Proximity et Meta-review, coordonnés par un agent Supervisor, sont « continuously generating, critiquing and refining hypotheses ».
Bouclage de l'hypothèse avec sa mise à l'épreuve matérielle : le Robot Scientist Adam « has autonomously generated functional genomics hypotheses about the yeast Saccharomyces cerevisiae and experimentally tested these hypotheses by using laboratory automation », ses conclusions ayant ensuite été confirmées par des expériences manuelles.
Enchaînement de la question au manuscrit : le système de Sakana AI « generates novel research ideas, writes code, executes experiments, visualizes results, describes its findings by writing a full scientific paper, and then runs a simulated review process for evaluation », pour un coût que ses auteurs annoncent à « less than $15 per paper ».

Usages documentés par secteur

RechercheTRL non déterminableDiffusion émergente

Formulation d'hypothèses biomédicales soumises ensuite à une équipe de laboratoire qui les confronte à ses propres résultats expérimentaux. Le système ne conduit pas l'expérience : il produit un raisonnement que des chercheurs nommés acceptent ou écartent. Le seul déploiement que les sources situent précisément est celui d'Imperial College London et de la Fleming Initiative, à Londres, avec l'équipe du professeur José Penadés, dans un communiqué du 19 février 2025 ; Imperial y précise que les résultats étaient alors « yet to be peer-reviewed », que le système « is still at an early stage » et qu'il reste à développer avec Google avant tout lancement. Aucune source de la fiche ne documente d'exploitation en routine, et c'est pourquoi aucun TRL n'est posé ici.

Sur la résistance aux antimicrobiens, Google rapporte que le système a proposé de lui-même que les îlots chromosomiques inductibles par les phages, formant capside, interagissent avec des queues de phages variées — hypothèse qui recoupait des résultats obtenus par l'équipe de Penadés « prior to use of the AI co-scientist system ».
Le professeur José Penadés, cité par Imperial College London, déclare que l'algorithme a formulé « the very same hypothesis that we arrived at through years of painstaking scientific research, but in a fraction of the time », l'équipe ayant travaillé le sujet « over ten years ».
Google déclare deux autres validations expérimentales menées avec des partenaires nommés : le repositionnement de médicaments et des combinaisons synergiques pour la leucémie myéloïde aiguë avec le Houston Methodist Hospital et Sequome, validés « through in vitro experiments » ; et la découverte de cibles dans la fibrose hépatique avec l'université Stanford.

Sources de cet usage

ScienceTRL non déterminableDiffusion émergente

Boucles autonomes où le système formule l'hypothèse ou le plan expérimental et commande directement l'instrumentation de laboratoire, en génomique fonctionnelle puis en chimie de synthèse. Deux installations sont nommées et datées par les sources : le Robot Scientist Adam à l'université d'Aberystwyth, décrit dans Science en 2009, et Coscientist à Carnegie Mellon University, Pittsburgh, décrit dans Nature en 2023. Dans les deux cas l'exploitant est l'équipe auteure du système, sur son propre site, et aucune source ne nomme d'exploitant tiers : aucun TRL n'est donc posé.

Adam « has autonomously generated functional genomics hypotheses about the yeast Saccharomyces cerevisiae and experimentally tested these hypotheses by using laboratory automation » (King et al., Science, 2009).
Coscientist, « an artificial intelligence system driven by GPT-4 that autonomously designs, plans and performs complex experiments », est évalué « across six diverse tasks, including the successful reaction optimization of palladium-catalysed cross-couplings » (Boiko et al., Nature, 2023).

Sources de cet usage

Limites connues

L'évaluation indépendante la plus détaillée est celle de Joeran Beel, Min-Yen Kan et Moritz Baumgart (« Evaluating Sakana's AI Scientist: Bold Claims, Mixed Results, and a Promising Future? », arXiv:2502.14297, 2025), qui constate que « the system's literature reviews produced poor novelty assessments, often misclassifying established concepts (e.g., micro-batching for stochastic gradient descent) as novel », que « 42% of experiments failed due to coding errors, while others produced flawed or misleading results », et que les manuscrits produits comportent une médiane de cinq citations dont cinq seulement sur trente-quatre postérieures à 2020. Dans IEEE Spectrum, Jennifer Listgarten (UC Berkeley) objecte que la plupart des disciplines scientifiques « don't have the vast quantities of publicly available data required to train models », et Lisa Messeri (Yale) et M. J. Crockett (Princeton) que « producing papers and producing knowledge are not the same », le risque étant de produire davantage en comprenant moins ; Cong Lu, coauteur du système de Sakana AI, y reconnaît que celui-ci « sometimes it still will disobey » les consignes sur l'usage des données expérimentales. Sur le cas le plus cité, la réserve vient de l'éditeur lui-même : Google indique que l'hypothèse produite sur la résistance aux antimicrobiens recoupait des résultats obtenus par l'équipe d'Imperial « prior to use of the AI co-scientist system » — c'est la reproduction rapide d'un raisonnement déjà établi, pas une découverte indépendamment vérifiée ; Google range par ailleurs parmi ses chantiers ouverts la revue de littérature, la vérification factuelle, la validation externe et l'auto-évaluation. Aucune source de la fiche ne mesure le taux d'hypothèses générées qui se révèlent fausses à l'épreuve expérimentale.

Débats documentés

Aucune autre fiche du référentiel ne nomme celle-ci, et celle-ci n'en nomme aucune. Ce n'est pas un signe d'accord : c'est un silence documentaire, et il se comble en écrivant les limites de la fiche avec des noms.

Sources

Analyses de gap citant cette fiche

Aucune paire humain × IA documentée pour cette capacité à ce jour. Le comparateur permet de tester la combinaison et affiche son statut réel.