En 2021, le scientifique japonais Hiroaki Kitano a lancé le défi ambitieux intitulé le Nobel Turing Challenge, incitant les chercheurs à développer un "scientifique de l'IA" capable d'effectuer des recherches dignes d'un prix Nobel d'ici 2050.

Actuellement, une centaine de "robots scientifiques" sont déjà en action dans divers domaines scientifiques, comme l'explique Ross D. King, professeur d'intelligence artificielle à l'université de Chalmers, en Suède. Ce dernier a été un pionnier dans ce domaine, ayant coécrit en 2009 un article sur "Adam", le premier robot capable de faire des découvertes scientifiques de manière autonome.

Le robot "Adam" a été programmé pour formuler des hypothèses par lui-même, concevoir des expériences pour les tester, et même programmer d'autres robots de laboratoire pour effectuer ces expériences. Au cours de ses explorations, "Adam" a réussi à identifier des "fonctions de gènes" dans la levure qui étaient jusqu'alors inconnues. Bien que ces découvertes soient jugées "modestes", elles ne sont pas considérées comme triviales par les chercheurs.

Par la suite, un autre robot scientifique, "Eve", a été développé pour examiner les médicaments susceptibles de traiter le paludisme et d'autres maladies tropicales. Ross D. King souligne que l'avantage des robots dans la recherche scientifique est qu'ils coûtent moins cher et qu'ils peuvent travailler en continu, 24 heures sur 24, tout en garantissant une rigueur accrue dans le suivi des processus.

Cependant, King admet que l'intelligence artificielle actuelle n'est pas encore à la hauteur d'un scientifique capable de mériter un prix Nobel. Pour y parvenir, il faudrait des machines "beaucoup plus intelligentes" qui pourraient saisir l'ensemble d'une situation complexe, ce qui est un enjeu majeur pour le futur.

Inga Strümke, professeur associée à l'université norvégienne des sciences et technologies, partage également cette opinion. Elle affirme que même si l'IA a un impact indéniable sur les méthodes scientifiques, la tradition de la recherche scientifique ne sera pas remplacée par des machines dans l'immédiat.

Un exemple frappant de l'impact de l'IA sur la recherche est le modèle Alphafold, développé par Google DeepMind, qui est capable de prédire la structure tridimensionnelle des protéines à partir de leur séquence d'acides aminés. Strümke insiste sur le fait que ces calculs sont trop complexes pour être réalisés par des humains, indiquant que "la machine a ainsi fait quelque chose qu'aucun humain ne pouvait faire".

Pourtant, bien que les prédictions d'Alphafold, qui se chiffrent à plus de 200 millions de structures protéiques, soient extrêmement utiles, elles ne permettent pas de gagner en compréhension sur la microbiologie elle-même.

"La science vise à comprendre l'univers et pas seulement à "faire la bonne supposition"", déclare Strümke, rappelant l'importance de la compréhension conceptuelle dans le domaine scientifique.

Néanmoins, les réalisations d'Alphafold ont suscité l'intérêt pour ses concepteurs, considérés comme des potentiels récipiendaires d'un prix Nobel. John M. Jumper, directeur de Google DeepMind, et Demis Hassabis, cofondateur de l'entreprise, ont reçu en 2023 le prix Lasker, une distinction souvent considérée comme un tremplin vers le Nobel.

David Pendlebury, directeur d'un cabinet d'analyse, souligne que même si le travail de Jumper et Hassabis a été largement cité, il serait inhabituel que le jury Nobel récompense une recherche aussi rapidement après sa publication. Les prix Nobel sont généralement attribués pour des découvertes établies depuis plusieurs décennies.

Cependant, Pendlebury prédit que l'avenir des récompenses Nobel sera indissociable de la recherche assistée par l'IA. "Dans la prochaine décennie, je suis convaincu qu'il y aura des prix Nobel dont les travaux seront en grande partie assistés par l'intelligence artificielle", conclut-il.