L’essentiel
- Google DeepMind a étendu son système multi-agents Co-Scientist : il planifie les expériences, écrit le code, pilote les instruments du laboratoire et rédige les manuscrits.
- Trois disciplines ont servi de terrain de validation avec une autonomie croissante : synthèse de matériaux exécutée par des humains, biologie assistée par des experts, informatique menée sans intervention.
- L’architecture Agent_H, conçue seule par le système, devance six modèles de pointe dont GPT-5 et Claude Opus 5 sur des benchmarks de santé, mais l’évaluation par trois médecins certifiés n’a pas confirmé cet avantage.
Un four à haute température qui reçoit ses consignes directement d’un modèle, trois films minces semi-conducteurs obtenus dès le premier essai, un manuscrit rédigé dans la foulée. Google DeepMind vient de faire passer son Co-Scientist du statut de machine à hypothèses à celui d’opérateur de paillasse.
Du générateur d’hypothèses au pilote d’instruments
La boucle est désormais fermée. Le système part d’une question de recherche, en dérive des hypothèses, produit des plans d’expérience, du code ou des protocoles lisibles par les machines, analyse les résultats et rédige l’article scientifique. Des modules de vérification recoupent chaque affirmation chiffrée du texte avec les journaux d’exécution du code généré, pour limiter les résultats fabriqués.
En février 2025, la première version reposait sur Gemini 2.0 et péchait justement sur la vérification des faits et la revue de littérature. La version présentée par Samuel Schmidgall, Xiaokai Zhu et leurs coauteurs s’appuie sur les modèles Gemini actuels et déplace le curseur : elle ne se contente plus de proposer une piste, elle l’exécute. La concurrence n’en est pas là. Claude Science, l’atelier de recherche lancé par Anthropic fin juin, demande l’accord du chercheur avant d’ouvrir de nouvelles ressources de calcul et le laisse révoquer chaque décision ; DeepMind, lui, confie le four au modèle.
Trois disciplines, trois degrés de lâcher-prise
En science des matériaux, les chercheurs ont couplé Co-Scientist à un four haute température semi-automatisé. Le système a identifié une voie de synthèse moins dangereuse pour un matériau 2D convoité, épais d’un seul plan d’atomes et jusqu’ici obtenu principalement par gravure chimique risquée, puis a produit des recettes de croissance adaptées aux équipements du laboratoire. Il a fallu 25 cycles et des ajustements humains pour obtenir des structures en couches dont les propriétés ressemblent à celles du matériau visé. La confirmation définitive de la structure atomique, elle, n’est pas encore là.
Deuxième manche, plus spectaculaire : trois films minces semi-conducteurs synthétisés du premier coup, avec Gemini 3 Deep Think aux commandes directes des instruments. Le développement d’une recette passe de plusieurs jours à quelques minutes. Les humains chargent toujours à la main les échantillons et les précurseurs, les composés chimiques de départ, et le mode rapide donne des cristaux plus petits et moins uniformes qu’une recette patiemment optimisée. Schmidgall, premier auteur, reconnaît que la transposition de ces recettes à d’autres laboratoires reste une question ouverte.
En biologie, le système a bâti seul une chaîne d’analyse d’images qui prédit les motifs formés par des colonies d’E. coli génétiquement modifiées selon la concentration chimique. Les prédictions, générées avec Gemini 3 Pro Image, collent aux résultats non publiés du laboratoire sur trois des quatre caractéristiques de forme. Les auteurs posent eux-mêmes la limite : le système raisonne entre des conditions connues et ne prédit pas le comportement d’un système entièrement nouveau.
Trois médecins contre six modèles de pointe
Le volet informatique est le seul où aucun humain n’est intervenu après la mise en place initiale. Co-Scientist y a conçu Agent_H, une architecture d’IA médicale qui classe les questions entrantes, génère des dizaines de réponses candidates en parallèle et les affine. Après correction du biais de longueur, cette architecture devance six modèles de pointe sur des benchmarks de santé, ces jeux de tests standardisés qui servent de mètre étalon au secteur, GPT-5 et Claude Opus 5 compris.
Puis trois médecins certifiés ont noté les réponses sur neuf critères, et l’avantage s’est évaporé. Une IA qui conçoit des IA sait optimiser ce que la mesure automatique récompense. Le jugement clinique, lui, ne s’aligne pas sur le classement.
Le goulot d’étranglement quitte l’idée
Pendant deux ans, la question posée aux systèmes de recherche automatisée portait sur la qualité des hypothèses. Elle change de place. Produire une piste coûte désormais quelques minutes, l’exécuter quelques heures, la valider des semaines. Vingt-cinq cycles de raffinement humain sur la synthèse, une structure atomique encore à confirmer, un avantage sur benchmark démenti par trois praticiens : à chaque étape, le temps humain devient la ressource rare.
Pour un laboratoire, l’arbitrage devient très concret. Un instrument pilotable par API (interface de programmation) vaut soudain plus cher qu’un poste de doctorant supplémentaire, parce qu’il transforme une file d’attente d’idées en file d’attente de vérifications. Les équipes sans four semi-automatisé ni protocole lisible par une machine ne profiteront pas de cette bascule : elles regarderont les autres publier plus vite.
Reproduire la synthèse hors des murs de DeepMind
D’ici fin 2027, des revues à comité de lecture recevront des manuscrits entièrement produits par un système de ce type : hypothèse, code, journaux d’exécution, figures. Et elles les accepteront sans le savoir. Côté production, la capacité technique est déjà là. Ce qui manque, c’est un format de preuve opposable à un tiers : le recoupement des chiffres avec les journaux d’exécution reste un contrôle interne au système qui écrit l’article.
Trois conditions décideront si la promesse tient. Que les recettes générées se reproduisent dans un laboratoire tiers, qui n’a ni le même four ni les mêmes précurseurs. Que les journaux d’exécution deviennent auditables par un relecteur extérieur, au même titre que des données supplémentaires. Que l’évaluation humaine, celle qui a fait chuter Agent_H, entre dans le cycle au lieu d’arriver à la fin.
La démonstration décisive se jouera donc hors de DeepMind, dans une équipe extérieure qui reprendra une synthèse conçue par Co-Scientist et l’obtiendra sur son propre four, avec ses propres précurseurs. Tant que cette publication n’existe pas, la boucle se referme à l’intérieur d’un seul laboratoire.
Mon avis
La partie la plus instructive de ce travail tient dans son échec : trois médecins ont suffi à défaire un avantage que six modèles de pointe n’avaient pas su contester. J’y lis la preuve que nos protocoles d’évaluation fixent désormais la vitesse de la science. Les laboratoires qui compteront dans deux ans ne seront pas ceux qui brancheront le plus d’agents sur leurs instruments, mais ceux qui industrialiseront la relecture humaine : panels d’experts rémunérés au dossier, journaux d’exécution ouverts, réplication croisée. Et j’attends la première rétractation d’un article co-écrit par un tel système avec impatience : elle apprendra plus à la discipline que dix records de benchmark.
