2026-02-05
Une équipe de microbiologistes a testé un outil d’intelligence artificielle sur une question encore confidentielle. Le résultat a surpris jusqu’aux chercheurs eux-mêmes, en révélant une capacité inattendue à formuler des hypothèses scientifiques crédibles sans données expérimentales.
La recherche scientifique avance rarement par fulgurances. Elle progresse par essais, erreurs, validations lentes et protocoles répétés. Pourtant, certains outils commencent à bouleverser ce tempo historique. Lorsqu’une intelligence artificielle parvient à formuler en quelques heures une hypothèse que des chercheurs ont mis dix ans à démontrer, ce n’est pas seulement une prouesse technique. C’est toute la mécanique de la découverte qui vacille.
Depuis plus de dix ans, des chercheurs de l’Imperial College London tentaient de comprendre comment certaines bactéries parviennent à devenir résistantes aux antibiotiques. Leur travail portait sur des éléments génétiques mobiles capables de se transmettre entre espèces, un phénomène central dans la montée de l’antibiorésistance. Cette menace sanitaire mondiale progresse depuis des décennies, au point d’avoir causé plus d’un million de décès par an depuis les années 1990 selon une vaste analyse coordonnée par l’université d’Oxford et publiée dans The Lancet.
Au fil des expériences, l’équipe dirigée par José R. Penadés a identifié un mécanisme jusque-là inconnu impliquant des îlots génétiques appelés cf-PICIs. Ces structures exploitent des fragments de virus bactériens pour franchir des barrières biologiques entre espèces. La démonstration de ce mécanisme a nécessité des années d’expérimentation, de validations croisées et d’analyses structurelles, jusqu’à aboutir à un résultat solide mais encore inédit au moment des faits.
Cette hypothèse restait alors confinée aux laboratoires, non publiée et inaccessible aux bases de données scientifiques publiques. Rien ne laissait présager qu’un autre acteur puisse la formuler autrement que par le même long chemin expérimental.
Pour tester les limites d’un nouvel outil développé par Google Research, les chercheurs ont posé une question simple à une intelligence artificielle baptisée Co-scientist. Le système repose sur plusieurs agents capables de générer, débattre et hiérarchiser des hypothèses scientifiques à partir de connaissances générales déjà publiées. Aucune donnée confidentielle ni résultat non public ne lui a été transmis.
En 48 heures, Co-scientist a proposé plusieurs pistes explicatives. La première correspondait presque exactement à l’hypothèse expérimentale élaborée par les chercheurs après dix années de travail. L’IA a suggéré que ces îlots génétiques détournaient des structures virales appelées queues de phages pour élargir leur capacité de transmission entre bactéries, un mécanisme que l’équipe venait tout juste de confirmer expérimentalement.
L’étonnement a été tel que José R. Penadés a contacté Google pour vérifier que l’IA n’avait eu accès à aucune information privée. L’entreprise a confirmé que ce n’était pas le cas, comme l’a rapporté la BBC lors de la révélation de cette expérience en février 2025. Plus surprenant encore, Co-scientist a proposé 4 autres hypothèses plausibles, dont certaines ouvrent aujourd’hui de nouvelles pistes de recherche en laboratoire.
Les détails de cette expérience ont ensuite été décrits dans une étude déposée sur bioRxiv puis publiée dans la revue Cell, montrant que l’IA ne s’était pas contentée de reformuler des connaissances existantes mais avait réellement synthétisé des indices dispersés pour produire une hypothèse originale et cohérente.
L’utilisation d’une intelligence artificielle comme Co-scientist ne supprime ni les expériences ni la validation par les pairs. Les chercheurs eux-mêmes soulignent que la phase la plus longue reste celle de la preuve expérimentale. En revanche, la génération rapide d’hypothèses pertinentes pourrait éviter des années d’exploration infructueuse et réduire le nombre d’impasses méthodologiques.
Dans le contexte de l’antibiorésistance, souvent qualifiée de pandémie silencieuse par les épidémiologistes, cette accélération pourrait avoir des conséquences concrètes. Selon les données rapportées par Live Science, les bactéries résistantes ont causé au moins 1,27 million de décès dans le monde en 2019, un chiffre appelé à augmenter sans nouvelles stratégies de recherche et de prévention.
L’expérience menée avec Co-scientist ne suggère pas que la machine remplace l’intuition humaine. Elle montre plutôt qu’un dialogue inédit devient possible entre raisonnement biologique et exploration algorithmique. L’IA n’a ni intuition ni compréhension du vivant, mais elle peut parcourir des espaces intellectuels que le temps humain rend difficilement accessibles. À mesure que ces outils s’affinent, la frontière entre assistance et co-construction scientifique devient plus poreuse, laissant entrevoir une science où la vitesse de la question ne compromet plus la rigueur de la réponse.
Partagez sur vos réseaux sociaux :
