L’IA pourrait accélérer le progrès scientifique, mais voici pourquoi elle ne peut pas remplacer les scientifiques humains

Conformément à la tendance générale de intégrer l’intelligence artificielle dans presque tous les domainesles chercheurs et les hommes politiques utilisent de plus en plus IA des modèles formés sur des données scientifiques pour déduire des réponses à des questions scientifiques. Mais l’IA peut-elle, à terme, remplacer les scientifiques ?

L’administration Trump a signé un décret le 24 novembre 2025 annonçant la mission Genèseune initiative visant à construire et former une série de Agents IA sur les ensembles de données scientifiques fédérales « pour tester de nouvelles hypothèses, automatiser les flux de recherche et accélérer les percées scientifiques ».

Jusqu’à présent, les réalisations de ces soi-disant Les scientifiques en IA sont mitigés. D’une part, les systèmes d’IA peuvent traiter de vastes ensembles de données et détecter des corrélations subtiles que les humains sont incapables de détecter. D’un autre côté, leur manque de raisonnement de bon sens peut donner lieu à des recommandations expérimentales irréalistes ou non pertinentes.

Même si l’IA peut contribuer à des tâches faisant partie du processus scientifique, elle est encore loin d’automatiser la science – et ne pourra peut-être jamais y parvenir. En tant que philosophe qui étudie à la fois l’histoire et les fondements conceptuels de la science, je vois plusieurs problèmes avec l’idée selon laquelle les systèmes d’IA peuvent « faire de la science » sans, voire mieux, que les humains.

Les modèles d’IA ne peuvent apprendre que des scientifiques humains

Les modèles d’IA n’apprennent pas directement du monde réel : ils doivent être « dit » à quoi ressemble le monde par leurs concepteurs humains. Sans les scientifiques humains qui supervisent la construction du « monde » numérique dans lequel le modèle fonctionne – c’est-à-dire les ensembles de données utilisés pour entraîner et tester ses algorithmes – les avancées facilitées par l’IA ne seraient pas possibles.

Considérez le modèle d’IA AlphaFold. Ses développeurs ont reçu le prix Prix ​​Nobel de chimie 2024 pour la capacité du modèle à déduire la structure des protéines dans les cellules humaines. Étant donné que de nombreuses fonctions biologiques dépendent des protéines, la capacité de générer rapidement des structures protéiques à tester via des simulations pourrait potentiellement accélérer la conception de médicaments, suivre le développement des maladies et faire progresser d’autres domaines de la recherche biomédicale.

Aussi pratique qu’il puisse être, un système d’IA comme AlphaFold ne fournit pas à lui seul de nouvelles connaissances sur les protéines, les maladies ou les médicaments plus efficaces. Cela permet simplement d’analyser plus efficacement les informations existantes.

Qu’est-ce qu’AlphaFold ? | NEJM – YouTube

Regarder dessus

Comme l’a dit la philosophe Emily Sullivan, pour réussir en tant qu’outils scientifiques, les modèles d’IA doivent conserver un lien empirique fort à des connaissances déjà établies. Autrement dit, les prédictions faites par un modèle doivent être fondées sur ce que les chercheurs savent déjà du monde naturel. La force de ce lien dépend de la quantité de connaissances déjà disponibles sur un sujet donné et de la manière dont les programmeurs du modèle traduisent en code des concepts scientifiques hautement techniques et des principes logiques.

AlphaFold n’aurait pas réussi sans le corpus existant de connaissances générées par l’homme sur les structures des protéines que les développeurs ont utilisé pour entraîner le modèle. Et sans les scientifiques humains pour fournir une base de connaissances théoriques et méthodologiques, rien de ce que crée AlphaFold ne constituerait un progrès scientifique.

La science est une entreprise exclusivement humaine

Mais le rôle des scientifiques dans le processus de découverte et d’expérimentation scientifiques va au-delà de la garantie que les modèles d’IA sont correctement conçus et ancrés dans les connaissances scientifiques existantes. Dans un sens, la science en tant que la réussite créative tire sa légitimité des capacités humainesvaleurs et modes de vie. Celles-ci, à leur tour, sont ancrées dans la manière unique dont les humains pensent, ressentent et agissent.

Les découvertes scientifiques sont plus que de simples théories étayées par des preuves : elles sont les produit de générations de scientifiques avec une variété d’intérêts et de perspectives, travaillant ensemble grâce à un engagement commun envers leur métier et leur honnêteté intellectuelle. Les découvertes scientifiques ne sont jamais le produit d’un seul génie visionnaire.

Par exemple, lorsque les chercheurs ont proposé pour la première fois structure en double hélice de l’ADNil n’existait aucun test empirique permettant de vérifier cette hypothèse – elle reposait sur les capacités de raisonnement d’experts hautement qualifiés. Il a fallu près d’un siècle de progrès technologiques et plusieurs générations de scientifiques pour passer de ce qui ressemblait à de la pure spéculation à la fin des années 1800 à une découverte honorée par un prix Nobel en 1953.

En d’autres termes, la science est un entreprise résolument socialedans lequel les idées sont discutées, des interprétations sont proposées et les désaccords ne sont pas toujours surmontés. Comme l’ont fait remarquer d’autres philosophes des sciences, les scientifiques plus semblable à une tribu que « « destinataires passifs » d’informations scientifiques. Les chercheurs n’accumulent pas de connaissances scientifiques en enregistrant des « faits » : ils créent des connaissances scientifiques grâce à une pratique compétente, des débats et des normes convenues éclairées par des valeurs sociales et politiques.

L’IA n’est pas un « scientifique »

Je pense que la puissance de calcul des systèmes d’IA peut être utilisée pour accélérer le progrès scientifique, mais seulement si cela est fait avec soin.

Avec la participation active de la communauté scientifique, des projets ambitieux comme la mission Genesis pourraient s’avérer bénéfiques pour les scientifiques. Des outils d’IA bien conçus et rigoureusement entraînés rendraient les parties les plus mécaniques de la recherche scientifique plus fluides et peut-être même plus rapides. Ces outils compileraient des informations sur ce qui a été fait dans le passé afin de pouvoir plus facilement éclairer la manière de concevoir des expériences futures, de collecter des mesures et de formuler des théories.

Mais si la vision directrice du déploiement des modèles d’IA dans la science est de remplacer les scientifiques humains ou d’automatiser entièrement le processus scientifique, je pense que le projet ne ferait que transformer la science en une caricature d’elle-même. L’existence même de la science en tant que source de connaissances faisant autorité sur le monde naturel dépend fondamentalement de la vie humaine : objectifs, expériences et aspirations partagés.

Cet article édité est republié à partir de La conversation sous licence Creative Commons. Lire le article original.