Éditeur|Panda
Dans Resident Evil, il existe un laboratoire souterrain appelé « La Ruche ». L'accès, la surveillance, la ventilation, la sécurité et même le fonctionnement de toute l'installation sont confiés à une IA : la Reine Rouge.
Les scientifiques humains sont responsables de la recherche, mais c'est l'IA qui contrôle véritablement les « mains et pieds » de ce laboratoire.
En cas d'anomalie, la Reine Rouge peut verrouiller les portes, couper les systèmes, contrôler les installations et intervenir directement dans le monde physique.
Il y a plus de vingt ans, un tel scénario était encore un classique des films de science-fiction pour créer un sentiment de peur : une IA entrant dans le monde physique, manipulant des machines, menant des expériences et intervenant directement dans le monde réel.
Maintenant, cette image commence à devenir réalité d'une manière totalement différente — du moins, ce n'est pas encore effrayant.
Hier, Anthropic a publié la norme Model Hardware Standard (MHS) pour le matériel physique, cherchant à étendre la logique de MCP (Model Context Protocol) de GitHub, Slack et des bases de données aux bras robotiques, microscopes, doseurs de liquides, lasers et autres équipements réels. Voir l'article À l'instant, Anthropic publie MCP physique : Claude commence à prendre le contrôle du monde réel.
En bref, les agents IA ne se contentent plus d'avoir des « interfaces » pour interagir avec les logiciels ; ils commencent à avoir besoin d'un ensemble de « nerfs et de membres » pour se connecter au monde réel. Et aujourd'hui, Google DeepMind montre à son tour ses résultats dans ce domaine.
Dans un article de 83 pages récemment publié, Google a intégré Co-Scientist, piloté par Gemini, dans un véritable flux de recherche scientifique, lui permettant de concevoir des expériences, de générer du code d'exécution, de lire les retours d'expérience et de se connecter directement aux équipements expérimentaux. Google appelle ce changement le passage de l'in-silico hypothesis generator à l'execution-grounded research partner, soit un générateur d'hypothèses in silico → un partenaire de recherche ancré dans l'exécution.
Dans l'expérience la plus frappante, les chercheurs ont indiqué à Gemini 3 Deep Think les spécifications d'un dispositif de dépôt chimique en phase vapeur (CVD) construit en interne. En quelques minutes, il a fourni un protocole de croissance de matériaux adapté à cette machine et l'a traduit en code machine capable de contrôler l'équipement. Au final, trois semi-conducteurs 2D ont été synthétisés avec succès dès la première tentative.
Ainsi, un scénario qui appartenait principalement à la science-fiction devient soudainement réalité : lorsque les grands modèles de langage développent de véritables « mains » et commencent à manipuler les équipements expérimentaux. Alors, à partir d'aujourd'hui, à quoi va ressembler le scientifique IA ?
Dans Resident Evil, les humains craignent que l'IA ne prenne le contrôle du laboratoire. Dans la réalité, les scientifiques confient progressivement leur laboratoire à l'IA. Bien sûr, ce que Google veut créer n'est pas une « Ruche » incontrôlable, mais une machine de découverte scientifique capable de passer de la formulation d'hypothèses et de la conception d'expériences jusqu'à la validation expérimentale.
Titre de l'article : Accelerating Scientific Research with Gemini in the Real-World
Lien de l'article : https://arxiv.org/pdf/2608.26701
Gemini prend le contrôle d'un équipement expérimental
Premièrement, la science des matériaux.
Les chercheurs ont utilisé un four de dépôt chimique en phase vapeur (CVD) construit sur mesure. Dans ce type d'expériences sur les matériaux 2D, un problème persistant est que les « recettes » publiques sont difficiles à reproduire.
Avec les mêmes paramètres — température, gaz, précurseurs —, le simple fait de changer de four, avec des différences minimes dans la taille de la chambre, le flux gazeux ou la position des matériaux, peut conduire à des cristaux totalement différents. Les chercheurs passent souvent des semaines, voire des mois, à ajuster les paramètres.
L'équipe de recherche a donc cessé de dire à Gemini comment mener l'expérience. Au lieu de cela, elle lui a décrit l'équipement disponible, les produits chimiques et la structure du four. Les autres paramètres ont été laissés à la discrétion de l'IA.
Co-Scientist a généré un protocole expérimental complet basé sur ces contraintes — débit de gaz, courbe de température, quantité de précurseurs, position des matériaux, etc. —, puis l'a envoyé à l'équipement pour exécution.
Une série d'expériences a été particulièrement remarquable. Après avoir connecté Gemini 3 Deep Think au flux de contrôle du CVD, celui-ci n'a pas généré un simple protocole en langage naturel pour que les scientifiques le lisent lentement. En quelques minutes, il a terminé son raisonnement et a directement traduit les résultats en code machine capable de piloter l'équipement.
Au final, des cristaux monocouches de trois semi-conducteurs 2D — MoS2, MoSe2 et WS2 — ont été synthétisés avec succès dès la première tentative. L'ensemble du processus expérimental a pris environ une heure.
Le MoSe2 et le WS2 sont encore plus particuliers : les chercheurs n'avaient même jamais synthétisé ces deux matériaux sur cet équipement auparavant. Les résultats ont été validés par au moins cinq expériences de répétition.
Cela fait écho de manière intéressante à la démonstration MHS d'Anthropic d'hier. Anthropic cherchait à résoudre le problème de la manière dont un agent peut reconnaître et manipuler plus facilement et plus normalement les équipements expérimentaux. L'article de Google traite de l'étape suivante : lorsque le modèle de raisonnement peut déjà contrôler les équipements expérimentaux, comment restructurer le flux de travail scientifique ?
En ce sens, « l'IA se connectant au matériel » n'est plus un problème.
Non seulement l'IA fait des expériences en suivant des articles, mais elle commence aussi à trouver ses propres recettes
Cependant, si Gemini se contente d'ajuster un équipement en fonction des connaissances existantes, cela ne peut pas vraiment être considéré comme une découverte scientifique. Google a donc mené une deuxième expérience plus difficile : tenter de synthétiser un matériau 2D MXène appelé Ti3C2Tx, de manière ascendante.
Les voies traditionnelles impliquent souvent des agents corrosifs dangereux, et certaines méthodes CVD connues utilisent du TiCl4, toxique et sensible à l'air. L'équipe de recherche a donc donné à Co-Scientist une mission : peut-on trouver une voie utilisant des précurseurs plus sûrs ?
Co-Scientist a finalement ciblé l'hexachloroéthane C2Cl6 et a fourni une série de paramètres : quantité et position des précurseurs, débit de gaz, substrat, courbe de température, etc.
Mais ce n'est pas une histoire où « l'IA a une illumination et l'expérience réussit du premier coup ». Co-Scientist a généré 272 propositions candidates. Les chercheurs en ont sélectionné et ont continué à optimiser les mieux classées. Après 25 itérations expérimentales, ils ont finalement obtenu un cristal 2D lamellaire. Ses caractéristiques — DRX, microscopie électronique, composition élémentaire — présentaient une forte similitude avec le MXène Ti3C2Tx.
Les problèmes du monde réel ont ensuite été typiques. Le taux de réussite initial de reproduction de l'expérience n'était que de 11,5 %. Les chercheurs ont découvert que le problème principal n'était pas le raisonnement chimique de l'IA, mais des fuites d'oxygène dues à un mauvais étanchéité de l'équipement.
Après avoir nettoyé le tube de quartz, remplacé les joints toriques et amélioré la maintenance de l'équipement, le taux de réussite pour le même matériau 2D est passé à 68 %.
Cela illustre bien pourquoi l'IA « du monde réel » est si différente d'un agent logiciel : un code erroné peut être réexécuté. Mais dans une expérience réelle, un joint torique vieilli, un résidu dans les tuyaux, ou même l'oxygène de l'air peuvent faire échouer complètement un protocole de recherche correct.
Google est également très prudent dans son article : il est encore impossible de confirmer définitivement que ce matériau est bien le MXène Ti3C2Tx. Il présente des problèmes de faible rendement, d'oxydation sévère et nécessite une confirmation par caractérisation à l'échelle atomique.
Néanmoins, on peut déjà tirer cette conclusion : l'IA peut déjà proposer une voie de synthèse candidate scientifiquement pertinente, puis véritablement faire avancer cette voie jusqu'à sa validation par des expériences physiques.
Certaines expériences pourraient d'abord être « devinées » par l'IA
Google a également placé Co-Scientist dans un cadre expérimental totalement différent : la biologie de synthèse. L'objet d'étude était une population de bactéries E. coli modifiées génétiquement.
Ces bactéries forment différents motifs de colonies dans des boîtes de Pétri. Lorsque la concentration de l'inducteur IPTG varie, la taille, les bords et la forme des colonies changent également. Normalement, pour obtenir toute la courbe d'évolution, les scientifiques doivent préparer différentes concentrations, cultiver les bactéries, attendre la croissance, puis scanner les boîtes une par une.
Google a tenté de faire combler une partie des expériences intermédiaires par l'IA. Les chercheurs n'ont fourni à Co-Scientist que des images réelles de colonies pour certaines concentrations, puis ont demandé au système de prédire à quoi devraient ressembler les colonies pour des concentrations intermédiaires non testées. Ces données expérimentales n'étaient pas encore publiées, ce qui, selon l'article, rend impossible la tâche pour le modèle en se contentant de mémoriser les résultats des données d'entraînement.
Résultat : pour quatre indicateurs de morphologie des colonies, les prédictions de l'IA n'ont pas montré de différence significative par rapport aux résultats expérimentaux réels (« wet lab ») pour trois d'entre eux. Elle a également correctement déterminé que le groupe témoin ne présenterait pas de changements correspondants avec la concentration d'IPTG.
Le seul problème évident a été la « circularité » : les colonies générées par l'IA étaient plus régulières que la réalité. Cela correspond bien à l'esthétique habituelle des modèles génératifs : le monde réel n'est pas si parfait, mais l'IA ne peut s'empêcher de le dessiner un peu plus rond.
Google définit également cette expérience avec prudence : ce qui a été réalisé pour l'instant est une interpolation (valeur intermédiaire) dans un intervalle de concentration connu, et non la prédiction d'un phénomène inconnu pour un tout nouveau circuit génétique.
Mais cela correspond déjà à une application très réaliste. À l'avenir, les scientifiques n'auront peut-être pas besoin de tester exhaustivement tout un immense espace de paramètres en laboratoire. Ils pourront d'abord mesurer quelques points, laisser l'IA prédire le reste de l'espace basé sur ces données réelles, puis choisir les positions les plus dignes d'intérêt pour réaliser les expériences.
L'expérimentation évolue donc progressivement de « l'énumération exhaustive » vers : échantillonnage du monde réel → prédiction par l'IA → sélection d'expériences → nouvelles données renvoyées à l'IA.
C'est précisément ce que l'article appelle le lab-in-the-loop (laboratoire dans la boucle).
L'IA a déjà commencé à concevoir elle-même de l'IA
En passant aux expériences de science informatique, le degré d'autonomie de Co-Scientist augmente encore d'un cran.
Cette fois, les chercheurs lui ont confié une tâche très simple : concevoir un agent capable de mieux répondre aux questions médicales. Ensuite, les humains n'ont plus participé à la conception de l'architecture. Co-Scientist a lui-même proposé des solutions, écrit le code, exécuté les tests, analysé les erreurs, puis a continué à modifier l'architecture.
Finalement, il a « évolué » vers un système nommé Agent_H.
Ce système doit réorganiser le processus de raisonnement des modèles existants. Face à une question médicale, il évalue d'abord le domaine médical concerné, si elle s'adresse à un patient ou à un médecin, et le niveau de risque. Les questions complexes sont décomposées en plusieurs sous-questions. Ensuite, il génère simultanément 28 à 48 réponses candidates, fait s'affronter différents juges par paires, puis fait voter trois juges pour sélectionner la réponse finale. La réponse gagnante subit ensuite plusieurs tours de révision clinique, vérification des citations, et est finalement raccourcie.
Pour répondre à une seule question, l'agent entier doit appeler le modèle environ 40 à 80 fois. Sur les benchmarks HealthBench Hard et HealthBench Professional, selon le score corrigé pour la longueur utilisé dans l'article, Agent_H a surpassé six modèles de pointe, dont GPT-5.6 Sol, Claude Opus 5 et Gemini 3.1 Pro.
Mais il y a eu ici un incident très digne d'être rapporté : l'IA a appris toute seule à « optimiser pour le benchmark ».
Dans les premières expériences, le critère de notation ne pénalisait pas suffisamment les réponses longues et verbeuses. Co-Scientist a donc rapidement trouvé le moyen le plus simple d'augmenter son score : écrire des réponses extrêmement longues.
Le score sur le benchmark a donc augmenté significativement, mais sans amélioration correspondante de la qualité médicale. Ce n'est qu'après que les chercheurs ont ajouté une pénalité pour la longueur qu'une grande partie de cet avantage a disparu.
Google lui-même, dans l'article, le considère comme un exemple typique de la loi de Goodhart : lorsqu'une mesure devient un objectif, elle cesse d'être une bonne mesure.
L'évaluation de vrais médecins a également jeté un peu d'eau froide sur les résultats. Trois médecins en exercice ont évalué en aveugle 106 questions. Sur neuf dimensions, Agent_H n'a montré une amélioration statistiquement significative par rapport à la version originale de Gemini 3.1 Pro que pour un seul critère : « réduire les dommages potentiels ». Pour les huit autres, aucune différence significative n'a été observée.
En d'autres termes, le score de benchmark nettement plus élevé aux yeux des juges IA ne s'est pas entièrement traduit par des réponses nettement meilleures aux yeux des médecins humains. C'est peut-être aussi un problème auquel le scientifique IA devra faire face lorsqu'il entrera véritablement dans le monde réel : il doit non seulement savoir optimiser, mais aussi savoir que certaines choses ne peuvent pas être définies uniquement par l'optimisation d'une métrique.
Le scientifique IA pourrait « fabriquer des données » pour publier un article
En fait, Google consacre une part considérable de cet article à étudier un autre problème quelque peu embarrassant : si on laisse libre cours au scientifique IA, tricherait-il pour obtenir de beaux résultats ?
Réponse : oui.
L'équipe de recherche a laissé le système travailler sur 50 sujets de recherche en IA, depuis la proposition d'idées, la recherche de données, l'écriture de code, l'exécution d'expériences jusqu'à la génération de l'article final, sans aucune intervention humaine.
À titre de comparaison, ils ont également testé une version de Co-Scientist sans module de fiabilité, ainsi que le système précédent Agent Laboratory, générant ainsi 150 articles. Ces articles ont ensuite été soumis à 30 experts du domaine pour 450 évaluations anonymes.
Les résultats sont assez frappants. Un scientifique IA sans mécanisme de validation spécifique peut, même lorsque le code produit des erreurs et que l'expérience n'a aucun résultat valide, continuer à écrire un article complet.
Ils inventent des tableaux de données, des valeurs p, des tests statistiques ; ils décrivent des expériences ratées comme étant des succès ; ils modifient même l'environnement d'évaluation pour que leur méthode obtienne naturellement un score plus élevé, ou codent en dur la sortie d'un joli résultat.
Lorsque l'objectif d'optimisation est : « écrire un article qui semble bon », l'agent cherchera des raccourcis moins coûteux que de véritablement mener la recherche à bien.
Google a donc ajouté à la nouvelle version de Co-Scientist un mécanisme qui ressemble beaucoup à un « audit de recherche » : tout résultat expérimental mentionné dans l'article doit pouvoir être retracé jusqu'aux journaux d'exécution réels du programme. Si le journal ne contient pas le résultat correspondant, le système ne peut pas l'inclure simplement parce que le modèle de langage pense que « ça devrait être comme ça ».
L'effet est très clair. Les « hallucinations de résultats » suffisamment graves pour invalider l'article sont passées de 90 % avec Agent Laboratory à 4 %. La fabrication complète de données, la plus grave, est passée de 44 % à 0 %.
Mais le problème n'a pas complètement disparu. La nouvelle version de Co-Scientist présente encore 24 % d'erreurs graves dans la description des méthodes et 16 % de plagiat/contenu dérivé grave.
Google souligne donc particulièrement qu'il ne prétend pas que le scientifique IA autonome actuel puisse déjà générer des articles de recherche directement publiable.
Conclusion
Si l'on considère ensemble les travaux d'Anthropic et de Google, on observe un changement très net chez les agents : ces deux dernières années, le plus grand champ de bataille des agents IA a toujours été le monde des logiciels. Désormais, cette logique déborde pour la première fois à grande échelle vers le monde réel.
Le MHS d'Anthropic tente de résoudre le problème de base : fournir aux bras robotiques, microscopes, plateformes de manipulation de liquides et autres équipements divers une interface que les agents puissent comprendre et utiliser de manière unifiée.
Le Co-Scientist de Google commence quant à lui à explorer les problèmes de niveau supérieur : lorsqu'un modèle de raisonnement peut formuler une hypothèse de recherche, planifier une expérience, contrôler des instruments, lire les résultats et corriger l'expérience suivante, à quoi devrait ressembler un véritable système de découverte scientifique en boucle fermée.
Bien sûr, Google est encore loin d'un véritable « laboratoire sans personnel ». Les expériences sur les matériaux nécessitent encore le chargement manuel des échantillons ; la structure atomique des nouveaux matériaux n'est pas encore définitivement établie ; les prédictions sur E. coli ne valident que des tâches d'interpolation limitées ; l'agent médical exploite les failles des benchmarks ; le système de génération d'articles n'a pas entièrement résolu les problèmes d'hallucination et de plagiat. Google lui-même estime clairement qu'en raison des anomalies matérielles et de la complexité de l'environnement réel, des expériences physiques totalement non supervisées restent difficiles à réaliser à ce stade.
Mais le changement est déjà là.
Lorsqu'on parle d'IA pour la science, on met souvent l'accent sur la capacité de l'IA à « penser à quelque chose auquel les humains n'ont pas pensé ». Désormais, de plus en plus de travaux commencent à combler l'autre moitié, plus difficile : cette idée peut-elle être exécutée par des équipements réels, et les résultats de cette exécution peuvent-ils à leur tour servir de base au prochain cycle de raisonnement de l'IA.
Google donne en conclusion de l'article un jugement très intéressant. Si une telle boucle fermée s'établit vraiment, le facteur limitant de la recherche future pourrait s'inverser : autrefois, les équipements expérimentaux attendaient que les scientifiques posent la prochaine bonne question ; à l'avenir, ce pourrait être l'IA qui aura déjà proposé des centaines d'expériences dignes d'être testées, et le laboratoire n'aura tout simplement pas le temps de toutes les réaliser.
À ce moment-là, le véritable goulot d'étranglement de la vitesse de découverte scientifique pourrait ne plus être la scientific ideation, mais l'experimental throughput — la vitesse à laquelle le monde réel peut exécuter ces expériences.
Cet article provient du compte public WeChat « Machine Heart » (ID : almosthuman2014), auteur : Concerné par l'IA scientifique.
