Alors que la plupart des gens estiment que l’intelligence artificielle (IA) transforme la science, des chercheurs de l’Université de Notre Dame explorent l’inverse.
Dans un article publié dans Chemical Reviews, des experts en IA comme en chimie ont expliqué comment les subtilités de la chimie organique transforment la manière dont les chercheurs conçoivent la technologie IA, ouvrant la voie à une nouvelle génération de développements.
« La chimie organique pose un ensemble de problèmes particulièrement exigeants pour l’IA », dit Nitesh Chawla, auteur principal de l’article et professeur Frank M. Freimann d’informatique et de génie informatique. Chawla dirige également la stratégie académique Données & IA en tant que directeur Lucy Family, à la tête de l’initiative Données, IA et Calcul. « Ces défis ont suscité des avancées majeures dans la façon dont l’IA représente des problèmes complexes, raisonne à partir de preuves limitées et prend en compte l’incertitude. En ce sens, la chimie a été un catalyseur d’une meilleure IA : des systèmes susceptibles de bénéficier directement à la santé, à la sécurité et au bien-être humains. »
Pour que les modèles d’IA analysent correctement la chimie, ils doivent pouvoir prendre en compte plusieurs facteurs : structures chimiques tridimensionnelles complexes, multiples composants en interaction, conditions changeantes et plusieurs issues possibles.
Mais les chimistes attendent de l’IA qu’elle fasse davantage que prédire les propriétés d’un composé ou l’issue d’une réaction. Ils veulent comprendre pourquoi les résultats se produisent, quels sont les mécanismes impliqués, quelles conditions comptent pour ces résultats et quel degré de confiance accorder à la prédiction.
« Lorsque vous demandez à un modèle d’évaluer des représentations moléculaires ou des variables de réaction, vous lui demandez de raisonner, ce qui oblige l’IA à dépasser les prédictions de type boîte noire. Cette exigence encourage le développement de systèmes complets, interprétables, respectueux des lois de la chimie et de la physique, et reliant les prédictions aux principes scientifiques établis », explique Olaf Wiest, coauteur de l’article et professeur Grace-Rupley de chimie et de biochimie. Wiest est également fondateur et investigateur principal du Centre de synthèse assistée par ordinateur de la National Science Foundation.
Pour compliquer davantage les choses, l’amélioration des modèles d’IA actuels repose généralement sur l’échelle : des modèles plus vastes, davantage de puissance de calcul et plus de données. Or, en chimie organique, les données expérimentales de haute qualité sont limitées et proviennent souvent d’un mélange de sources aux formats et structures variés.
En bref, la chimie a poussé les chercheurs en IA à sortir des sentiers battus et à innover, car ils ne peuvent pas se fier à la seule échelle pour améliorer leurs modèles.
« Ces défis ne sont pas propres à la chimie, mais la chimie rend impossible de les éviter. Extraire des informations fiables de preuves limitées et imparfaites nous oblige à réfléchir de manière plus critique à la façon de représenter les problèmes, aux connaissances préalables à intégrer et au degré de confiance à accorder à une prédiction », souligne Chawla.
Ces avancées sont essentielles au progrès des technologies d’IA capables de soutenir, voire d’accélérer, les nombreux domaines qui dépendent de la « science centrale » qu’est la chimie.
Par exemple, les laboratoires autonomes — des systèmes automatisés capables de réaliser des expériences scientifiques avec une intervention humaine minimale — pourraient accélérer la découverte de nouveaux matériaux et de nouveaux médicaments. Ces systèmes agentiques devront être capables de formuler des hypothèses de façon autonome, de concevoir et de mener des expériences, d’interpréter les résultats et d’améliorer leur processus.
Au final, estime Chawla, la chimie organique constitue ainsi un environnement puissant pour développer de meilleurs systèmes d’IA intégrant des protocoles transparents, une validation rigoureuse et des contraintes de sécurité.
« L’avenir de l’IA scientifique sera probablement hybride, en réunissant apprentissage statistique, connaissances symboliques et mécanistes, expertise humaine et retour d’expérience expérimentale », révèle Chawla. « Ce que nous apprenons en résolvant ces problèmes de chimie organique peut rendre les systèmes d’IA plus fiables, plus efficaces et mieux équipés pour servir la science et la société. »
Les autres coauteurs de Notre Dame sont Gisela A. González-Montiel, Kehan Guo, Taicheng Guo, Ting Hua, Xiaobao Huang, Eric Inae, Meng Jiang, Khiem Le, Gang Liu, J. Charlie Maier, Nuno Moniz, Brenda Nogueira, Deng Pan, Bryan V. Piguave, Brett M. Savoie, Andrew B. Schofield, Yili Shen, Alexander Taylor, Xiangliang Zhang et Yihan Zhu.
Article : Organic Chemistry as a Catalyst for AI Innovation: Challenges, Methods, and Emerging Paradigms – Journal : Chemical Reviews – DOI : Lien vers l’étude
Source : Notre Dame U
