Un système d’intelligence artificielle capable de formuler des hypothèses, concevoir des expériences, analyser les résultats et rédiger un article scientifique. Ce n’est plus de la science-fiction : c’est ce que propose « The AI Scientist » de Sakana AI, et ses implications méritent qu’on s’y arrête longuement.
Le concept : une boucle de recherche complète
The AI Scientist n’est pas un simple assistant de laboratoire. Le système prend en charge la quasi-totalité du cycle de recherche : génération d’idées, revue de littérature, conception expérimentale, exécution du code, analyse des données, rédaction du papier et même relecture par les pairs de ses propres travaux.
L’architecture repose sur un pipeline multi-agents où chaque étape est gérée par un module spécialisé. Le module « Ideation » explore l’espace des hypothèses en croisant les publications récentes avec des angles inexplorés. Le module « Experimentation » traduit ces hypothèses en protocoles reproductibles. Le module « Writing » produit des articles au format LaTeX conformes aux standards académiques.
Ce que les premiers résultats montrent
Les articles produits par The AI Scientist ont été soumis à des conférences de machine learning. Certains ont franchi le seuil de relecture, ce qui constitue une première remarquable. Mais il faut nuancer : les travaux acceptés portaient sur des problèmes bien délimités en apprentissage profond, un domaine où les expériences sont essentiellement computationnelles.
La qualité des articles varie considérablement. Les meilleurs rivalisent avec des publications de doctorants en début de thèse. Les moins bons présentent des erreurs de raisonnement que tout relecteur humain identifierait — hypothèses circulaires, surinterpretation de résultats marginaux, absence de discussion des limitations.
Les implications pour la recherche académique
L’arrivée d’un tel système soulève des questions fondamentales sur la nature même de la recherche scientifique. Commençons par le volume : si un système peut produire des dizaines d’articles par semaine, que devient la notion de contribution scientifique significative ? Le risque d’une inflation de publications de faible qualité est réel.
Ensuite, la question de l’attribution. Qui est l’auteur d’un article entièrement généré par IA ? Le créateur du système ? L’institution qui l’héberge ? Le système lui-même ? Les comités d’éthique des grandes universités commencent à peine à se pencher sur ces questions, alors que la technologie avance à grande vitesse.
Il y a aussi un aspect plus subtil : le biais de confirmation computationnel. Un système entraîné sur la littérature existante aura tendance à explorer des directions conformes aux paradigmes dominants. L’innovation de rupture — celle qui remet en cause les fondements d’un champ — semble pour l’instant hors de portée de ces systèmes.
Sakana AI : la startup derrière le projet
Fondée à Tokyo par d’anciens chercheurs de Google Brain, Sakana AI s’est spécialisée dans les systèmes bio-inspirés et les architectures multi-agents. Le choix de la recherche scientifique comme cas d’usage n’est pas anodin : c’est un domaine où la vérification des résultats est possible, contrairement à des applications plus subjectives.
L’entreprise a levé plus de 300 millions de dollars en 2025 et emploie une centaine de chercheurs. Sa stratégie repose sur l’idée que les systèmes IA les plus performants seront ceux qui imitent les processus évolutifs — d’où le nom « Sakana », qui signifie « poisson » en japonais, en référence aux bancs de poissons qui résolvent collectivement des problèmes complexes.
Les limites actuelles
Malgré ses prouesses, The AI Scientist bute sur plusieurs murs. Le premier est expérimental : le système ne peut réaliser que des expériences numériques. Pas de manipulation en laboratoire, pas de collecte de données sur le terrain, pas d’observation empirique au sens strict. Cela limite son champ d’action aux sciences computationnelles.
Le second est épistémologique. La science ne se résume pas à la production d’articles. Elle implique une compréhension profonde du contexte, une intuition forgée par des années d’immersion dans un domaine, une capacité à identifier les questions qui comptent vraiment. Ces qualités restent profondément humaines.
Le troisième est économique. Faire tourner The AI Scientist sur un problème de recherche significatif coûte entre 500 et 5 000 dollars en ressources de calcul. C’est moins qu’un doctorant, certes, mais c’est suffisant pour poser la question du rapport qualité-prix sur des résultats dont la valeur scientifique reste incertaine.
Un accélérateur, pas un remplaçant
La vision la plus réaliste place The AI Scientist non pas comme un substitut aux chercheurs humains, mais comme un multiplicateur de capacité. Imaginez un outil qui explore systématiquement les variations d’une hypothèse, identifie les configurations prometteuses et prépare le terrain pour que le chercheur humain se concentre sur l’interprétation et la mise en perspective.
C’est d’ailleurs la direction que prend Sakana AI dans ses dernières communications. L’entreprise insiste sur le concept de « co-pilote scientifique » plutôt que de « chercheur autonome », consciente que le positionnement marketing initial a suscité des résistances dans la communauté académique.
Ce qu’il faut retenir
The AI Scientist de Sakana AI représente une avancée indéniable dans l’automatisation de la recherche. Les résultats sont impressionnants sur des problèmes bien cadrés, mais les limitations sont réelles et bien identifiées. Le vrai test viendra quand ces systèmes seront confrontés à des questions ouvertes, ambiguës, interdisciplinaires — bref, à la science telle qu’elle se pratique réellement.
Pour la communauté scientifique, l’enjeu n’est pas de résister à ces outils mais de définir des cadres d’usage qui préservent l’intégrité de la recherche tout en tirant parti de leur puissance computationnelle. Un équilibre délicat, mais nécessaire.
