Un système d’intelligence artificielle développé par Sakana AI en collaboration avec des chercheurs canadiens et britanniques a démontré sa capacité à mener des recherches scientifiques de bout en bout, de la génération d’idées à la rédaction d’articles. Publié dans Nature, ce système a même soumis avec succès un article à une conférence académique, marquant une avancée significative dans l’automatisation de la recherche.
Un système capable de mener des recherches scientifiques de manière autonome, de la conception des idées à la rédaction d’articles complets, représente un jalon dans l’évolution des relations entre intelligence artificielle et méthode scientifique. Développé par Sakana AI en collaboration avec des chercheurs de l’Université de la Colombie-Britannique, du Vector Institute et de l’Université d’Oxford, ce système baptisé AI Scientist fonctionne comme un chercheur virtuel complet.
Un processus scientifique automatisé
Le mécanisme repose sur des modèles de fondation qui orchestrent chaque phase du travail scientifique. Il génère des idées de recherche, explore la littérature académique pour vérifier l’originalité des propositions, écrit et corrige du code pour mener des expériences, analyse les résultats obtenus, produit des visualisations de données, rédige des manuscrits en LaTeX et évalue même la qualité de sa propre production. « Cet article marque l’aube d’un nouveau chapitre de l’histoire humaine, où le progrès scientifique est radicalement accéléré par des scientifiques IA capables d’agir de manière autonome », souligne Jeff Clune, professeur en informatique à l’UBC et auteur principal de la publication.
L’équipe a également développé un évaluateur automatisé capable de prédire les décisions d’acceptation en conférence avec des performances comparables à celles des évaluateurs humains. Cette composante a permis d’établir ce que les chercheurs décrivent comme une loi d’échelle : la qualité des articles produits s’améliore proportionnellement aux capacités des modèles de fondation sous-jacents et à la puissance de calcul allouée.
Test en conditions réelles
Pour évaluer les performances du système selon les standards académiques, les chercheurs ont soumis trois articles entièrement générés par l’intelligence artificielle à un atelier de la Conférence internationale sur les représentations apprises en 2025. L’un de ces articles, consacré à la régularisation des réseaux de neurones, a obtenu une note moyenne de 6,33 sur 10 de la part des évaluateurs humains. Cette performance le plaçait au-dessus d’environ 55% de toutes les soumissions et dépassait le seuil d’acceptation de l’atelier.
Conformément à un accord préétabli avec les organisateurs de la conférence, Sakana AI a retiré l’article avant publication, invoquant l’absence de normes établies concernant les manuscrits générés par intelligence artificielle.
Capacités et limitations actuelles
Les chercheurs reconnaissent plusieurs lacunes dans le système actuel :
- Il produit parfois des idées insuffisamment développées
- Il génère des citations inexactes
- Il reste pour l’instant limité à la recherche en informatique
Sakana AI elle-même a indiqué qu’aucune de ses trois soumissions à l’ICLR ne répondait aux normes internes pour une publication dans la session principale de la conférence. L’article accepté n’a franchi que le cap d’une session d’atelier avec un taux d’acceptation de 60 à 70 pour cent.
Malgré ces limitations, les implications potentielles de cette technologie ont attiré l’attention de la communauté scientifique. « L’AI Scientist ouvre la voie à une amélioration récursive dans laquelle le système d’IA ne se contente pas de découvrir de nouvelles connaissances scientifiques, mais utilise ces découvertes pour devenir meilleur dans la réalisation de découvertes ultérieures », explique Shengran Hu, doctorant à l’UBC et co-auteur de l’étude.
Un éditorial de Nature publié en parallèle de l’article scientifique souligne que le système « soulève des questions sans réponse sur la façon dont la recherche devrait être menée et gouvernée à mesure que l’automatisation pilotée par l’IA s’accélère ».
Les interrogations touchent à la fois à l’épistémologie de la science, à l’éthique de la recherche et à l’organisation des communautés académiques.
L’émergence de systèmes capables d’automatiser le processus scientifique complet pose des défis fondamentaux pour l’avenir de la recherche. Si la technologie permet d’accélérer certaines phases du travail scientifique, elle interroge également sur la place de l’intuition humaine, de la créativité et de la responsabilité dans la production de connaissances.
Paper: Lu et al. (2026). Towards end-to-end automation of AI research. Nature. DOI: 10.1038/s41586-026-10265-5
